Documente Academic
Documente Profesional
Documente Cultură
net/publication/346355242
Econometrie
CITATIONS READS
0 2,293
2 authors, including:
Gheorghe Savoiu
University of Pitesti Faculty of Economic Sciences and Law Pitesti and Romanian Statistical Association - Bucharest - Romania
364 PUBLICATIONS 956 CITATIONS
SEE PROFILE
All content following this page was uploaded by Gheorghe Savoiu on 25 November 2020.
SÃVOIU GHEORGHE(coordonator)
Studii: A cademia de Studii Economice Bucureºti, Facultatea de Comerþ(1981)
SÃVOIU GHEORGHE
(coordonator)
CONSUELA NECªULESCU
Titluri ºtiinþifice: Doctor în ciberneticã ºi statisticã economicã (2000), Conf erenþiar
universitar doctor la Universitatea de stat din Piteºti
Cãrþi publicate: Universul preþurilor ºi indicii interpret (autor), Ed. Independenþa CONSUELA NECªULESCU
Economicã, Piteºti, 2001; Statisticã economicã (aplicaþii, teste, studii de caz) (coord.),
Ed. Independenþa Economicã, Piteºti, 2002; Statistica afacerilor (coautor), Ed.
Independenþa Economicã, Piteºti, 2002; Statisticã financiarã (coord.), Ed.
Independenþa Economicã, Piteºti, 2003; Statisticã gener alã. Argumente în favoarea
for mãrii gândirii statistice (autor), Ed. Independenþa Economicã, Piteºti, 2003;
ECONOMETRIE
Statisticã aplicatã în domeniul economic ºi social (autor), Ed. Independenþa
Economicã, Piteºti, 2004; Statisticã generalã – Elemente teoretice, teste tip grilã,
aplicaþii ºi studii de caz (coord.), Ed. I ndependenþa Economicã, Piteºti, 2004;
Cercetãri ºi modelãr i de mar keting. Metode cantitative în cercetarea pieþei (coord.),
Ed. Universitarã, Bucureºti, 2005; Coeziunea socialã-concept ºi mãsurare (coautor),
Ed. Universitarã, Bucureºti, 2005; Valorificarea resurselor natur ale, volumul I II,
Managementul creºterii eficienþei valorificãrii resurselor naturale, (coautor), Ed.
ECONOMETRIE
International University Press, Bucureºti, 2005; Pr oiecte cu finanþar e exter nã (coord.),
Ed. Independenþa Economicã, Piteºti, 2006; Îndrumar licenþã (coord.), Ed.
Independenþa Economicã, Piteºti, 2006; Populaþia lumii între explozie ºi implozie
demogr aficã (autor), Ed. International University Press, Bucureºti, 2006; Statistica - un
mod ºtiinþific de gândir e (autor ), Ed. Universitarã, Bucureºti, 2007. Statistica. Mod de
gândire ºi metode (autor), Ed. Universitarã, Bucureºti, 2009; Explor atory Domains of
Econophysics. News EDEN II & II , (coordonator), Ed. Universitarã, Bucureºti, 2009.
ISBN 978-973-749-814-4
EU
EU
Www.editurauniversitara.ro EDITURA UNIVERSITARĂ
ECONOMETRIE
SÃVOIU GHEORGHE
(coordonator)
CONSUELA NECªULESCU
ECONOMETRIE
-7
EDITURA UNIVERSITARÃ
Bucureºti, 2009
!
CONTRIBUÞIA AUTORILOR
Gheorghe Sãvoiu (capitolele 1,2,3,4,7 ºi 8, alãturi de subcapitolele 5.1 ºi 6.1.)
Tehnoredactare: Ameluþa (capitolele
Consuela Necºulescu Viºan 5,6 ºi subcapitolul 7.1.)
Copyright © 2009
Editura Universitarã
Director: Vasile Muscalu
B-dul. N. Bãlcescu nr. 27-33,
Sector 1, Bucureºti
Tel./Fax: 021 315.32.47 / 319.67.27
www.editurauniversitara.ro
e-mail: redactia@editurauniversitara.ro
330.43
ISBN 978-973-749-814-4
"
CUPRINS
CUVÂNT ÎNAINTE....................................................................................7
CAPITOLUL I
ECONOMETRIA - ŞTIINŢA MODELĂRII FENOMENELOR ŞI
PROCESELOR ECONOMICE
1.1.Ce este econometria ?........................................................................................10
1.2.Scurt istoric privind apariţia şi dezvoltarea econometriei..................................13
1.3.Câteva obiective importante şi obiectul de studiu al econometriei...................20
1.4.Pachete de programe specializate, utilizate în econometrie..............................24
1.5.Econometrie versus econofizică şi sociofizică...................................................27
1.6.Întrebări, teste tip grilă şi aplicaţii.....................................................................33
1.7.Note şi referinţe bibliografice............................................................................34
CAPITOLUL II
MODELUL ŞI MODELAREA ECONOMETRICĂ
2.1.Modelul şi modelarea uni, inter, trans şi multidisciplinară...............................37
2.2.Modelul şi modelarea econometrică..................................................................45
2.3.Tipologia modelelor econometrice....................................................................56
2.4.Dinamica modelului econometric. Un exemplu clasic edificator:
elasticitatea cererii şi multiplicarea modelelor sale..........................................60
2.5.Noţiuni macro şi microeconomice utile construcţiei modelului econometric...69
2.6.Concepte statistico-matematice frecvent valorificate în modelul econometric.79
2.7.Întrebări, teste tip grilă şi aplicaţii.....................................................................84
2.8.Note şi referinţe bibliografice............................................................................88
CAPITOLUL III
ASOCIEREA, REGRESIA ŞI CORELAŢIA ÎN GÂNDIREA
STATISTICĂ CLASICĂ
3.1.Gândirea statistică clasică şi conceptul de legătură statistică ...........................91
3.2.Asocierea statistică şi coeficienţii ei specifici...................................................95
3.3.Metode elementare de identificare a legăturilor statistice...............................101
3.4.Regresia şi corelaţia statistică..........................................................................105
3.5.Coeficienţii de corelaţie a rangurilor...............................................................117
3.6.Întrebări, teste tip grilă şi aplicaţii...................................................................120
3.7.Note şi referinţe bibliografice..........................................................................123
CAPITOLUL IV
DECIZIA AXATĂ PE TESTAREA IPOTEZELOR STATISTICE
4.1.Aspecte şi noţiuni generale privind decizia şi testarea ipotezelor statistice....125
4.2.Tipologia testelor privind verificările ipotezelor statistice şi demersul teoretic
general al testării unei ipoteze statistice................................................................134
4.3.Câteva exemple de ipoteze statistice testate....................................................145
4.4.Întrebări, teste tip grilă şi aplicaţii...................................................................156
4.5.Note şi referinţe bibliografice..........................................................................158
5
CAPITOLUL V
IDENTIFICARE, SPECIFICARE, PARAMETRIZARE ŞI TESTARE
ÎN MODELUL ECONOMETRIC DE REGRESIE UNIFACTORIALĂ
5.1.Gândirea statistică modernă şi modelul econometric de regresie
unifactorială……………………………………………………………………...160
5.2.Specificarea şi identificarea modelului econometric de regresie
unifactorială……………………………………………………………………...162
5.3.Estimări ale parametrilor în regresia unifactorială modelată...........................165
5.4.Ipoteze, teste şi validări ale modelului econometric de regresie
unifactorială...........................................................................................................172
5.5.Un exemplu practic de model econometric de regresie unifactorială..............180
5.6.Întrebări, teste tip grilă şi aplicaţii...................................................................190
5.7.Note şi referinţe bibliografice..........................................................................191
CAPITOLUL VI
IDENTIFICARE, SPECIFICARE, PARAMETRIZARE ŞI
TESTARE ÎN MODELUL ECONOMETRIC DE REGRESIE
MULTIFACTORIALĂ
6.1.Gândirea statistică şi definirea succesivă a modelului de regresie
multifactorială.................................................................................................193
6.2.Specificarea şi identificarea modelului econometric de regresie
multifactorială.................................................................................................195
6.3.Estimări ale parametrilor în modelul econometric de regresie
multifactorială.................................................................................................196
6.4.Ipoteze, teste şi validări ale modelului econometric de regresie
multifactorială........................................................................................................201
6.5.Un exemplu practic de model econometric de regresie multifactorială................201
6.6.Întrebări, teste tip grilă şi aplicaţii...................................................................211
6.7.Note şi referinţe bibliografice..........................................................................212
CAPITOLUL VII
UNELE MODELE ECONOMETRICE SPECIFICE
7.1. Modelarea econometrică a seriei cronologice................................................214
7.2. Modele mezoeconometrice.............................................................................226
7.3. Întrebări, teste tip grilă şi aplicaţii..................................................................234
7.4. Note şi referinţe bibliografice.........................................................................235
CAPITOLUL VIII
MINIPROIECT ŞI TITLURI DE REFERATE.....................................236
BIBLIOGRAFIE SELECTIVĂ...............................................................241
ANEXE.......................................................................................................242
6
CUVÂNT ÎNAINTE
7
final imaginea pădurii cu ajutorul fiecărui copac în parte). Pentru a se înscrie în
tendinţa de valorificare a unor pachete de programe specializate în econometrie s-a
folosit cu succes software-ul E-Views, devenit treptat unul dintre cele mai des
folosite în literatura econometrică românească.
O dorinţă a autorilor a fost aceea de a oferi o lectură cât mai plăcută,
condimentată cu un ghid de calcul care să faciliteze accesul în universul
econometriei şi al gândirii econometrice specifice. Gradul de acoperire al cărţii este
mai scăzut în raport cu multitudinea tehnicilor, testelor, modelelor, dar mai ridicat
în ceea ce priveşte tendinţele gândirii econometrice. Gândirea şi modelarea
statistico–matematică au încercat încă de la începuturile sale să ofere soluţii pentru
o mai bună înţelegere a trecutului, prezentului şi proiectării viitorului în limitele
acceptabilului.
În fapt, două titluri mai adecvate ale cărţii, după cum aceasta debutează, ar fi
putut să fie Statistica – mod de gândire şi modelare sau Econometria – gândirea
statistico-matematică modelatoare a economiei, dar cu siguranţă că rămân nu
numai titluri foarte lungi, dar şi expresii ale unui demers dificil de realizat între
paginile unui curs. Lucrarea a fost intitulată, într-un final, cât mai simplu, respectiv
Econometrie şi a fost structurată pe un număr de opt capitole, ce sintetizează
împreună atât principalele teme ale „cugetării” modelatoare, cât şi metodele şi
instrumentele practice obişnuite ale acestei ştiinţe remarcabile. De la inferenţa
punctuală din debutul gândirii statisticii, până la complicatele intervale de
previziune ale modelelor econometrice contemporane drumul este lung iar
capitolele acestei cărţi nu pot să facă altceva decât să-l parcurgă într-o manieră mai
mult decât simplificatoare... Obiectivul de început al redactării textului a fost acela
de a explica modul de cugetare multidisciplinar al econometriei, desprins din
gândirea statistică modelatoare clasică a corelaţiei şi a testării de ipoteze statistice,
dar acoperind un univers raţional mult mai amplu, prin regresia unifactorială şi
multifactorială şi mai ales prin analiza specială a variabilei reziduale, ca sinteză a
echilibrului necesar model–realitate descris prin modelul econometric.
Treptat au învins ideea de formare a unei gândiri ştiinţifice aplicate şi dorinţa
de a expune sau a face mai uşor înţeleasă specificitatea, dar mai ales originalitatea
şi simplitatea modelării econometrice, unde, deşi se impun validări permanente, pot
apare violări sau competiţii de tipul homoscedasticitate versus heteroscedasticitate,
independenţă versus multicoliniaritate şi chiar absenţa versus prezenţa când se face
referire la autocorelare în modelul econometric.
Mulţumim şi rămânem recunoscători tuturor cititorilor, dar mai ales celor ce
vor semnala erorile sau neclarităţile din textul acestei cărţi, ce este cu certitudine şi
oricând pe cale de a fi îmbunătăţită, semnalări aşteptate pe grupul nostru de dialog
statistic şi econometric statistica_universitatea_ pitesti. Pentru informarea acelora
care vor adresându-se nouă să ne sprijine în efortul de clarificare şi eliminare a
erorilor şi ambiguităţilor acestei cărţi precizăm următoarele: capitolele 1,2,3,4,7 şi
8, alături de subcapitolele 5.1 şi 6.1 aparţin autorului Gheorghe Săvoiu şi capitolele
5,6 şi subcapitolul 7.1 aparţin autoarei Consuela Necşulescu. Încheiem cu un mesaj
adresat cu drag studenţilor şi masteranzilor: „Deschideţi cartea să citiţi şi o să aflaţi
ce au gândit alţii. Închideţi apoi cartea ca să gândiţi voi înşivă sau însevă!”
Autorii,
30 decembrie 2009, Piteşti.
8
CAPITOLUL I
ECONOMETRIA - ŞTIINŢA MODELĂRII FENOMENELOR ŞI
PROCESELOR ECONOMICE
„Timpul este un mare profesor, însă, din păcate, îşi ucide toţi elevii...”
– Louis Hector Berlioz –
9
1.1. Ce este econometria ?
„Puterea de a pune întrebări este baza progresului uman.” – Indira Gandhi –
10
elabora previziuni economice corecte şi a face posibile politicile de planificare de
succes (Columbia Encyclopedia) [2].
Accepţiunea contemporană a econometriei, derivă din aceea atribuită de către
economistul norvegian Ragnar Frisch, respectiv o semnificaţie de „unificare a
unor puncte de vedere care se referă la teoria economică, statistică şi matematică,
privind natura relaţiilor cantitative din economie“[3]. Ştiinţa econometrică, astfel
formulată, înglobează un ansamblu de metode statistico-matematice, utilizate în
studiul şi elucidarea principiilor şi legităţilor economice. Prin accentul pus pe
aspectele şi relaţiile economice cantitative, econometria a impus treptat o
„unificare” a teoriei şi măsurării în economie. Nici teoria singură prin abordări
simpliste, nici măsurarea solitară, lipsită de principii teoretice nu sunt suficiente
pentru a putea înţelege evoluţia economică. Teoria fără măsurare poate fi
justificată doar în cazul unei necesităţi stringente de a analiza, foarte rapid sau
prompt, o problemă economică reală. În acelaşi timp, măsurare fără teorie este
evident lipsită de cadrul ştiinţific necesar pentru a interpreta observaţii statistice,
este puţin probabil să aducă rezultate satisfăcătoare în ceea ce priveşte explicarea
interacţiunilor compensate sau nu ale factorilor, în fenomene şi procese economice
complexe. Econometrie îmbină teoria economică cu statisticile economice pentru a
analiza matematic şi a testa în final statistic modelele ce substituie relaţiile
economice. În contextul ştiinţific contemporan coexistă o econometrie teoretică
substanţializată de estimatori şi proprietăţile acestora, împreună cu o gamă vastă de
teste statistice, în acelaşi concept larg alături de o econometrie aplicată, metodelor
econometrice revenindu-le aici rolul esenţial, de a crea modele statistico-
matematice, pentru a evalua teoria economică.
De o manieră foarte generală, raţiunea de a fi a econometriei este acela de a
oferi conţinut empiric relaţiilor economice, testării teoriilor economice,
îmbunătăţirii prognozelor, asigurării unui caracter cât mai ştiinţific luării deciziilor,
precum şi politicilor de evaluare prin modelări ante şi post decizionale. Activităţile
ce caracterizează demersul econometric sunt furnizarea de măsurări empirice
generatoare de statistici pentru teoria economică, analiza şi modelarea statistico-
matematică, precum şi verificarea teoriei economice cu ajutorul testelor statistice.
Modelarea econometrică validează sau invalidează o teorie economică, măsoară şi
estimează factorial magnitudinea unui proces sau fenomen economic.
În conformitate cu istoria ştiinţei se pot detalia câteva dintre cele mai des
folosite definiţii sau accepţiuni ale econometriei.
I. Econometria în sens inductiv şi restrictiv reprezintă o investigare a
fenomenelor economice realizată cu ajutorul modelelor aleatoare sau stohastice
(definiţia anilor ’40 şi ’50 ai secolului trecut, cunoscută şi ca definiţia Cowles, de la
Cowles Commission for Research in Economy din Chicago). Se includeau astfel în
domeniul econometriei numai cercetările economice care utilizau metodele
inducţiei statistice, respectiv ale testării estimaţiei, ale verificării ipotezelor
statistice, ale verificării relaţiilor cantitative privind procese şi fenomene
economice cercetate. Cercetarea econometrică clasică în sens inductiv şi restrictiv
impunea atât existenţa prealabilă a unei teorii economice privind procesul şi
fenomenul cercetat, care să stea la baza modelării şi să permită formularea
ipotezelor, cât şi posibilitatea aplicării metodelor statistice moderne (verificarea
ipotezelor teoriei economice şi formularea şi interpretarea modelului econometric).
11
Erau excluse multe fenomene şi procese economice, lipsite de posibilitatea de
interpretare aleatoare a modelului econometric sau lipsite pur şi simplu de o teorie
economică.
II. Econometria în sens extins sau operaţional, care face pasul de la o
definiţie analitică (care enumera utilizările acceptate), la una stipulativă (care
generează noi utilizări), reuneşte în domeniul ei de studiu caracteristic atât
cercetările econometrice în sens inductiv şi restrictiv, cât şi metodele cercetării
operaţionale (teoriile optimului, stocurilor, grafurilor, deciziilor, jocurilor etc.)
inclusiv tehnicile moderne de analiză a datelor sau analiza tabelelor de date de mari
dimensiuni. Noua abordare conceptuală a extins aproape nelimitat frontierele
econometriei.
III. Econometria în sens ostensiv sau enciclopedic (prin impunerea unui
nume, prin actul indicării sau prezentării obiectului la care numele se aplică, prin
rostirea acestuia concomitent cu indicarea obiectului desemnat) se identifică practic
cu Societatea Econometrica (Econometric Society), întemeiată la 29 decembrie
1930, la Cleveland, cu revista purtând acelaşi nume şi cu autorii articolelor
acesteia, tot societatea fiind aceea care a cristalizat şi noţiunea de econometrie pe
baza experienţei acumulate şi a noilor cercetări organizate[4].
IV. Econometria în sens extensional (pentru studenţii, cercetătorii şi
specialiştii contemporani) a devenit ştiinţa care se ocupă cu expunerea sistematică
a metodelor, tehnicilor şi instrumentelor de investigare cantitativă a fenomenelor şi
proceselor economice, beneficiară a unor legităţi proprii, rezultate din formularea şi
analiza modelelor sale aleatoare (stocastice) în mai mare măsură teoretizate şi
deterministe, decât probabilistice, dar cert structurale şi dinamice.
Gândirea deterministă care stă la baza modelării econometrice cu acelaşi
nume este o modalitate simplă, uneori chiar simplistă de înţelegere, reprezentare şi
înţelegere a realităţii economice, care are la bază procese şi fenomene aparent
complet determinate, constituite din evenimente certe ce generează în final o
realitate economică idealizată, caracterizată de inexistenţa incertitudinii şi a
riscurilor, deoarece probabilitatea de producere a evenimentelor este egală cu
unitatea. Avantajele unei astfel de gândiri deterministe, modelatoare de tip
econometric decurg din predictibilitatea evenimentelor şi din posibilitatea relativ
uşoară de măsurare şi de control a realizării lor [5].
Modelele statistico-matematice folosite în econometrie sunt deterministe
atunci când generează aceleaşi soluţii, când valorifică aceeaşi teorie economică,
când impun aceleaşi condiţii restrictive sau limitative şi când există aceleaşi
ipoteze şi condiţionări iniţiale. Modelele econometrice ale gândirii deterministe
sunt uşor de folosit atunci când se cunosc toate datele despre fenomenele şi
procesele economice, iar ipotezele considerate se realizează cu certitudine. Aceste
modele econometrice operează cu evenimente controlabile prin certitudinea lor şi
conduc la soluţii predictibile. De aici şi tendinţa de a idealiza modelele
econometrice ale gândirii deterministe şi de a le aplica eronat în cazul unor
fenomene şi procese economice care nu sunt deterministe. Prin idealizare excesivă,
modelele deterministe vin adesea în contradicţie cu rezultatele cercetării empirice,
generând o stare contradictorie între cauzal şi stocastic.
Pentru a putea înţelege ce se întâmplă în această lume economică reală este
nevoie de o gândire modelatoare mai flexibilă, care să accepte dinamismul şi
12
natura întâmplătoare sau haotică a evenimentelor determinante pentru fenomenele
şi procesele derulate în condiţii de incertitudine şi de incompletitudine a
informaţiilor şi chiar ale teoriilor economice. Într-un astfel de context, gândirea
deterministă devine un caz particular al gândirii probabiliste. Un model de gândire
probabilistă îl poate constitui de exemplu modelul econometric bazat pe teoria
jocurilor prezent în ciclicitatea economică, în pieţele bursiere, unde norocul
reprezintă realizarea unui eveniment câştigător cu o probabilitate foarte mare, iar
ghinionul reprezintă realizarea aceluiaşi eveniment cu o probabilitate extrem de
mică. În formularea unui model econometric bazat pe o gândire probabilistă este
importantă identificarea unor ipoteze semnificative, utilizabile în transformarea
fenomenelor şi proceselor din starea de ”date incomplete” în starea de ”date
complete”, alături de evaluarea soluţiilor posibile alternative şi alegerea acelei
soluţii care se identifică cu contextul situaţional cel mai probabil sau adecvat,
precum şi de interpretarea fiecărei soluţii obţinute în raport cu ipotezele de lucru
asumate la iniţierea modelului, care devin restrictive în aplicarea acesteia. Fiecare
soluţie obţinută prin modelul probabilist este una tot probabilă, iar probabilitatea de
realizare a acesteia depinde de ipotezele specifice evaluate iniţial. Astfel, la final,
în multe cazuri practice de modelare econometrică, se admit ipoteze probabilistice
asupra legăturii dintre variabilele observate pentru simplul motiv că se recunoaşte
ignoranţa în relaţiile cauzale complete, ceea ce naşte o contradicţie evidentă între
structural şi fenomenologic.
Ori de câte ori metodele, tehnicile şi instrumentele statistico-matematice sunt
aplicate pentru a analiza procesele şi fenomenele economice, termenul aplicat unei
astfel de cercetări nu poate fi altul decât acela de econometrie [6].
13
econometria. Economia clasică (Adam Smith în The Wealth of Nations şi David
Hume în definirea relaţiei cantitative bani–inflaţie), bazele macroeconomiei
(François Quesnay în Tableau économique), apariţia teoriei probabilităţilor (Jakob
Bernoulli în Ars conjectandi) şi detalierea probabilităţilor subiective (Thomas
Bayes) desăvârşesc procesul de delimitare a graniţelor disciplinelor, în interstiţiul
acestor graniţe urmând să apară econometria. Personalităţile ştiinţifice de sorginte
anglo-saxonă au jucat un rol important în definirea noilor discipline, care au
cuantificat bunăstarea naţiunilor, prin abordarea inductivă sau examinarea atentă a
datelor, dar şi prin abordarea teoretică axată pe teorii economice validate sau
invalidate de realitate şi de trecerea „ucigătoare” a timpului.
Econometria modernă recunoaşte cinci mari direcţii de dezvoltare ulterioară:
macroeconometria (obiectul fiind aici analiza modelelor macroeconometrice axate
pe serii lungi de date temporale şi unde s-au remarcat Jan Tinbergen şi modelările
sale axate pe ciclicitatea evoluţiei economice, Lawrence Klein cu contribuţii
modele fundamentate pe ciclurile de afaceri, dezvoltând cu Arthur Goldberger şi
unele modele de creştere, Alban William Phillips, autorul celebrei curbe de analiză
şomaj - inflaţie, George Box şi Gwilym Jenkins, autorii metodologiei Box-Jenkins,
care a dat naştere la o uriaşă literatura a sezonalităţii şi a variabilelor aleatoare în
economie), microeconometria (definită prin modelele microeconomice, unde sunt
esenţiale contribuţiile lui Zvi Griliches cu analiza şi modelarea cererii, James Tobin
cu modelul Tobit, Henri Theil cu modele de estimare şi distribuţia venitului, Daniel
McFadden şi James Heckman cu modelul logit condiţionat),econometria teoretică
(care prin contribuţia teoretică desprinsă din modelări şi analize a redimensionat
importanţa econometriei cu ajutorul lui Trygve Haavelmo, autorul revoluţiei
probabilistice şi Lars Hansen, inventatorul metodei generalizate a momentelor),
econometria financiară (unde Robert Engle, Clive Granger, Tim Bollerslev prin
analiza condiţionată a dispersiei în seriile de timp financiare şi descoperirea
particularităţilor acestor serii), econometria non-lineară (dezvoltată mai ales de
către James Hamilton prin elaborarea celui mai complicat model econometric filtrat
propus situaţiilor de tranziţie), econometria bayesiană (a cărui părinte rămâne
Arnold Zellner care a revigorat statistica bayesiană şi a dezvoltat modelele bazate
pe incertitudinea ataşată variabilelor independente sau factoriale). Procesul
diversificării econometriei continuă şi în alte direcţii cum sunt econometria datelor
de panel şi econometria datelor calitative, econometria teritorială etc. Istoria
econometriei este şi una legată de evoluţia variabilelor independente modelate de la
cele definite printr-o mare certitudine în modelele clasice, la cele cu un grad tot
mai ridicat de incertitudine, ataşate modelelor moderne. O succintă trecere în
revistă a momentelor şi personajelor care au definit evoluţia econometriei ca ştiinţă
a măsurării şi modelării în economie, este prezentată în continuare:
Caseta nr. 1.1
Abordarea economică inductivă şi cantitativă beneficiază de o istorie lungă şi prolifică.
Etapa I - Protoeconometria sau etapa clasică a precursorilor econometriei (începând
cu secolul XVII şi sfârşind odată cu trecerea primelor trei decenii ale secolului XIX),
descrie conturarea disciplinelor în intersecţia graniţelor cărora se va dezvolta
econometria. Reprezentanţii noilor ştiinţe, statistica şi economia, modern redefinite în
secolul al XVIII-lea îşi doreau să identifice regularităţi şi repetabilităţi în fenomene şi
procese economice, formulând legi similare, ca importanţă, cu cele din fizica clasică
14
sau newtoniană. Prima încercare reuşită de a utiliza practic o analiză economică
cantitativă este atribuită lui Gregory King (1648-1712), care a reuşit să folosească o
funcţie liniară pentru preţurile recoltelor de porumb. François Quesnay (1694-1774),
economist francez, reprezentant al şcolii fiziocrate, prin lucrarea Tableau économique,
publicată în 1758, a oferit prima formă tabelară de a descrie funcţionalitatea unei
economii naţionale, în mod sintetic, simultan cantitativ şi analitic, şi, ca urmare, poate
fi privit ca unul din fondatorii macroeconomiei contemporane. Adam Smith (1723-
1790), părintele economiei moderne, om politic şi filozof scoţian, autor, în 1776, al
celebrei lucrări The Wealth of Nations (Avuţia naţiunilor), a permis dezvoltarea treptată
a teoriei evoluţiei economice, finalizată prin diversificarea teoriei ciclicităţii economice
de la ciclul de tip lung (Kondratiev şi Kuznets), la cel mediu (variantele Juglar, Jevons
sau astral de tip Moore), precum şi la ciclurile scurte (Kitchin şi Hanau). Wesley
Mitchell va fi unul dintre primii contestatari ai modelului parametric sau econometric
al ciclicităţii activităţilor economice, considerând fiecare ciclu de afaceri în parte, drept
un fenomen unic care ar putea fi cunoscut exclusiv în mod descriptiv (1928). Statistica
matematică clasică, prin descrierea funcţiei de repartiţie normală (F.K.Gauss şi
P.S.Laplace) şi a repartiţiei evenimentelor rare (S.D.Poisson), statistica aplicată, prin
legităţi privind cheltuieli, venituri, preţuri conform bugete de familie (E.Engel),
economia clasică, prin legea cererii şi ofertei (formulată matematic de A.Cournot),
micro şi macroeconomia raportului cerere-ofertă într-o exprimare ecuaţională
(J.S.Mill) sunt dovezi ale expansiunii gândirii statistico-matematice modelatoare în
comensurarea şi anticiparea fenomenelor economice. Etapa statisticii moderne a şcolii
anglo-saxone de statistică matematică. Coordonatele universitare majore ale modelării
statistico – matematice au fost legate de Oxford, Cambridge şi Londra, iar cele
publicistice de Biometrica şi Annals of Eugenics, iar corolarul instituţional marcat de
multiplicarea instrumentală a noilor modelări Royal Statistical Society (K.Pearson, F.
Galton, R.A.Fisher,A.L.Bowley,F.Y.Edgeworth,W.S.Gosset cunoscut sub pseudonimul
„Student“, C.E.Spearman,G.U.Yule,M.Kendall etc.) De aici se va desprinde şi primul
autor al unui model statistico-matematic profund elaborat, ca în cazul lui Yule
(1895,1896), prin exemplul modelului său privind relaţia dintre sărăcie şi relief, dar se
pot enumera ulterior şi alte influenţe prin modelele Hooker (1901), cu referire la relaţia
dintre rata de căsătorie şi nivelul general de prosperitate, definit prin indicatori
economici ca importuri, exporturi şi preţuri la porumb, prin contribuţia modelatoare a
statisticianului italian Benini (1907), care a utilizat metoda regresiei în economie, prin
modelul Henry Moore (1914,1917), ca relaţie de estimare statistico-economică a
relaţiilor economice etc.
Etapa a II-a sau a apariţiei şi consolidării econometriei în plan ştiinţific durează
practic din momentul istoric al fondării lui Econometric Society, în 29 decembrie 1930,
până la consacrarea definitivă a noii ştiinţe de graniţă, prin obţinerea primului premiu
Nobel, de către un grup de reprezentanţi remarcabili ai acestei noi discipline ştiinţifice,
în anul 1969). Prin accentul pus pe aspectele şi relaţiile economice cantitative,
econometria a impus treptat pe parcursul a patru decenii o „unificare” a teoriei şi
măsurării în economie. Nici teoria singură prin abordări simpliste, nici măsurarea
solitară, lipsită de principii teoretice nu sunt suficiente pentru a putea înţelege evoluţia
economică. Teoria fără măsurare poate fi justificată doar în cazul unei necesităţi
stringente de a analiza foarte rapid o problemă economică reală. În acelaşi timp,
măsurare fără teorie este evident lipsită de cadrul ştiinţific necesar pentru a interpreta
observaţii statistice, este puţin probabil să aducă rezultate satisfăcătoare în ceea ce
priveşte explicarea interacţiunilor compensate sau nu, ale factorilor, în fenomene şi în
15
procese economice complexe. Dacă Ragnar Frisch este iniţiatorul unui proces amplu de
delimitare a econometriei, în raport cu alte ştiinţe, dar şi unul din scepticii utilizării în
teoria generală economică a testelor de semnificaţie, Jan Tinbergen[7] va iniţia o nouă
concepţie privind cercetarea ştiinţifică macroeconomică, atribuind un rol determinant
modelării, în interconexiunea sa cu teoria economică în general. Obiectivul Tinbergen
a fost unul dublu, în primul rând, modelul econometric devenea un instrument de
construcţie a unei noi realităţi, în sens de simulare şi analiză a impactului unei decizii
în economie, iar în al doilea rând, modelul econometric testa unele teorii propuse cu
privire la fluctuaţiile ciclice în activitatea economică sau în evoluţia concretă a ciclului
afacerilor (1937,1939).Testarea statistică întregită prin validarea econometrie şi extinsă
către testarea unor teorii economice complexe de către Tinbergen, alături de utilizarea
unei analize de regresie generalizate şi tehnic sau statistico-matematic mult evoluate
sau avansate de către Koopmans (1937) şi prin definirea conceptului de structură a unui
fenomen economic analizat în termenii distribuţiilor de probabilitate a observaţiilor
efective de către Haavelmo (1944) au reprezentat principalele contribuţii în această
perioadă în definirea esenţei ştiinţei econometrice moderne. Ragnar Frisch şi Jan
Tinbergen[7] au fost primii econometrişti laureaţi ai Premiului Nobel pentru economie,
în anul 1969. Justificarea acordării acestui premiu unei echipe de econometricieni
pentru descoperirea şi utilizarea modelelor dinamice în analiza proceselor economice
identifică încheierea unui proces destul de rapid de maturizare a ştiinţei econometrice.
Desigur că există multe alte contribuţii importante în dezvoltarea econometriei în
aceste decenii de maturizare deplină, de la soluţiile de inferenţiere a parametrilor
fundamentate statistico-matematic de către Hart şi von Neumann (1942), la contribuţia
lui Durbin Watson şi devenită astăzi celebrul test econometric de tip diagnostic prin
identificarea limitelor reziduale ale autocorelaţiei, test marcând practic un nou început
în analiza economică a seriilor de timp simultane sau sincrone şi cu decalaj, dezvoltate
ulterior prin studiile econometrice investiţionale ale lui Koyck (1954). Dezvoltarea
teoretică a modelelor econometrice axate pe decalaje a continuat prin Cagan (1956)
Friedman (1957), Nerlove (1958), Solow (1960), Almon (1965), Jorgenson (1966),
Eisner şi Strotz (1963), Sargan (1964) etc.
Etapa a III-a - etapa dezvoltării econometriei moderne prin competiţie continuă cu alte
ştiinţe modelatoare ale realităţii economice (după anul 1970, până în prezent)
multiplică recunoaşterea oficială a acestei ştiinţe prin creşterea numărului de laureaţi ai
premiului Nobel. O preocupare aparte a devenit prognoza econometrică pe termen scurt
axată pe analize şi teste specifice, Box şi Jenkins (1970) reprezentând începutul unei
optici complet noi în domeniul testărilor şi modelărilor, urmată de lucrările lui Cooper
şi Nelson (1972), Zellner Palm, (1974), Trivedi (1975), Prothero şi Wallis (1976, 1977)
şi multe altele. Alte contribuţii remarcabile sunt cele ale modelărilor econometrice
realizate de către Granger şi Newbold (1974) şi Phillips (1986). Noii laureaţi ai
premiului Nobel în economie provin într-o proporţie tot mai mare din rândul
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
16
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 [8-15]. 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 [8], în 1986 şi dezvoltat formal,
ulterior de aceiaşi Engle şi Granger un an mai târziu [13], în 1987. Lucrările în Elliott,
Timmermann şi Granger (2006) furnizează excelente recenzii ale evoluţiilor tehnicilor
de prognoză economică axate pe modelarea econometrică.
Aceia care au inventat conceptul de econometrie au avut în vedere
dezvoltarea cercetărilor economice în strânsă legătură cu statistica şi matematica.
Ei au fost în acelaşi timp şi întemeietorii Societăţii Econometrice (Econometric
Society): Irving Fischer-preşedinte (Yale University), Ladislaus von Bortkiewicz
(University of Berlin), Ragnar Frisch (Oslo University) Charles F. Roos (Princeton
şi Cornell University), Harold Hotelling (Stanford University), Arthur L. Bowley
(London School of Economics), Carl Snyder (Federal Reserve Bank of New York),
L. Schumpeter, Norbert Wiener şi alţii. Tot aceşti cercetători care au consacrat
conceptul de econometrie sunt aceia au avut în vedere extinderea consecventă a
aplicării statisticii şi matematicii în dezvoltarea cercetărilor dincolo de domeniul
economic, în cel demografic, apoi mai larg, în cel social, în cel electoral şi cel al
politicilor. Debutul ştiinţific al noii discipline este în întregime legat de misterioasa
Societate Econometrică (Econometric Society) şi de data de 29 decembrie 1930. Ar
trebui să detaliem cum s-a format această societate, ceea ce relevă cum era şi firesc
tot o problemă de natură cantitativă. Mai întâi trebuie menţionat rolul de iniţiator al
lui Ragnar Frisch. În anul 1927, Ragnar Frisch a plecat într-o excursie la Fundaţia
Rockefeller în Statele Unite, unde se reuneau economiştii de orientare matematică. El a
făcut o impresie deosebit de puternică lui Irving Fisher.
Caseta nr.1.2
Ragnar Frisch într-un prim articol scris încă din 1926 (urmat de
celebra sa carte, intitulată New Methods of Measuring Marginal
Utility, apărută în anul 1932), a pus bazele axiomatizării
cercetărilor în domeniul teoriei economice, dar şi al statisticii
matematice aplicate în economie, prin contribuţiile sale la teoria
cererii, la posibilitatea empirică de măsurare a utilităţii
marginale, fiind considerat primul cercetător consecvent al noii
ştiinţe modelatoare a fenomenelor din economie, denumită
ulterior econometrie.
În 1928, Ragnar Frisch „în acea vreme profesor de economie la vârsta de
numai 34 de ani la Universitatea din Oslo”, l-a întâlnit pe Charles F.Roos, un
„tânăr membru al facultăţii de matematică a Universităţii Princeton”, pe atunci şi
secretar al secţiei de economie, sociologie şi statistică a Societăţii Americane
pentru Propăşirea ştiinţelor. Roos şi Frisch se hotărăsc să formeze noua societate
pentru care numele Econometric Society îndeplinea toate cerinţele şi, împreună cu
Charles Roos, au pus bazele ideii de planificare a formării noii societăţi. Prima lor
mişcare a fost să se adreseze părintelui economiei americane, să-i ceară ajutorul
celebrului Irving Fisher şi, în aprilie 1928, cei trei bărbaţi se întâlnesc la New
Aven, în casa acestuia din urmă.
17
Cine era oare acest părinte al economiei şi al matematicii economice
americane în formula ei neoclasică? Un număr restrâns de lucrări selectate din
bogata sa operă, limitare cauzată de lipsa unui spaţiu suficient, îl descriu şi astăzi
drept unul dintre cei mai profunzi economişti ai epocii sale: Mathematical
Investigations in the Theory of Value and Prices (1892), Elementary Principles of
Economics (1911), The Making of Index Numbers (1922), A statistical method for
measuring marginal utility and testing the justice of a progressive income tax
(1927),The Stock Market Crash and After (1930), The Theory of Interest (1930)
etc. La propunerea făcută de cei doi tineri cercetători, Irving Fisher nu a fost prea
optimist, dar a promis să coopereze dacă Roos şi Frisch vor găsi alte 100 de
persoane ce beneficiau de o recunoaştere a meritelor lor în întreaga lume
academică şi a cercetării ştiinţifice, care să se arate interesate să se asocieze la o
astfel de societate. Ei au întocmit o listă, dar nu au putut identifica mai mult de 80
de nume. Totuşi s-au hotărât să continue acţiunea, primul pas fiind intrarea in
corespondenţă cu cei 80. Scrisorile s-au bucurat de o primire favorabilă şi au
rezultat încă alte aproximativ 80 de propuneri de nume noi. Cantitatea fusese şi aici
precursoare a calităţii. Astfel, la 29 decembrie 1930, în Cleveland, a fost întemeiată
Societatea Econometrică (Econometric Society). În cadrul procesului de apariţie a
acestei societăţi s-au conturat şi dezideratele noii discipline, denumită econometrie,
fapt ce a contribuit la cristalizarea ei ca ştiinţă independentă, pe baza experienţei
dobândite şi în temeiul noilor cercetări organizate. Un rol deosebit în dezvoltarea şi
popularizarea econometriei l-a avut revista acestei societăţi, intitulată
Econometrica, care a apărut în patru numere anuale neîntrerupt, din 1933 până în
1970, şi s-a extins la şase numere după 1970, depăşind până în prezent 290 de
apariţii, cu un moto sugestiv adresat autorilor articolelor sale. Econometric Society
şi publicaţia acesteia au fost şi au rămas o societate şi o publicaţie internaţională
care propun „dezvoltarea teoriei economice în strânsă legătură cu statistica şi
matematica.” (http://www.econometricsociety.org/tocs.asp)
Tot prin analogie, aşa cum prima societate econometrică s-a format pe
modelul societăţii biometrice, tot astfel i-a apărut şi prima revistă sau publicaţie
specifică. Termenul biometrie, a fost folosit de F. Galton şi K. Pearson la sfârşitul
secolului XIX, termen cu care aceştia au desemnat atunci cercetările biologice ce
utilizau metodele statisticii matematice. Dincolo de asemănări şi de istorie, rămâne
însă o constatare evidentă conform căreia Biometria a generat prin asociere
Econometria, iar revista Biometrica a născut prin simetrie noua publicaţie
Econometrica. Asiduitatea, alături de demersul de cercetare consecvent al noii
societăţi şi al publicaţiei sale au răspândit şi multiplicat în lumea cercetărilor
economice conceptele, metodele şi modelele econometriei (econometrics), ceea ce
a făcut, pe parcursul a câteva decenii, ca însăşi paternitatea cuvântului econometrie,
cuvânt utilizat prima dată într-un studiu în 1910 de către P.Ciompa, să fie
recunoscută ca aparţinând lui Ragnar Frisch, cel care l-a transformat într-o
originală paradigmă. Prin continuitate şi prin păstrarea fondului semnificaţiei sale
majore de modelare statistico-matematică a fenomenelor economice efortul lui
Ragnar Frisch a conferit noului termen o rezonanţă aparte în lumea cercetării
ştiinţifice în anii ce i-au urmat creatorului său. Istoria econometriei contemporane
este însă una mult mai dinamică decât se poate teoretic imagina, prin expansiunea
sa în corpul multora dintre disciplinele considerate mai vechi sau mai noi şi prin
18
multiplicarea de metode şi soluţii de modelare. În ultimele decenii, econometria s-a
structurat tipologic în subdiscipline aparte: econometria financiară, econometria
datelor de panel, econometria datelor calitative, macro şi microeconometria,
econometria teritorială etc. Are loc un proces de diversificare în ceea ce privesc
domeniile de aplicabilitate ale econometriei moderne, simultan cu unul de
concentrare şi multiplicare a modelelor pe tematici distincte. Un astfel de demers
tipologic structurat şi distinctiv multiplicativ subliniază viteza deosebit de mare a
proliferării teoriilor axate pe ipotezele şi modelele econometrice. Un exemplu
relevant de multiplicare a modelelor prin concentrare tematică excesivă, îl
constituie prin amploarea trecutului ca şi a aplicabilităţii ei viitoare, ipoteza pieţei
eficiente, o ipoteză care a generat de peste un secol, respectiv de la teza de doctorat
a lui Louis Bachelier, susţinută în anul 1900, o nouă teorie economică situată la
intersecţia cu teoria informaţională şi teoria comunicării, precum şi un şir de
modelări multiplicate continuu în plan econometric [16].
Cunoaşterea unei pieţe, ca zonă de confruntare a cererii cu oferta, cu scopul
de a-i testa eficienţa sau mai simplu a o cunoaşte bazându-ne pe ideea existenţei
unei simetrii informaţionale (modelele devenite celebre în pieţele financiare, ca
modele de testare a lui Efficient Market Hypothesis sau abreviat EMH) oferă un
lung şir de teorii, de metode, de soluţii de abstractizare prin modelare, şir de teorii
bazat pe testarea tot mai multor ipoteze auxiliare. Oricât de multe ar fi noile ipoteze
auxiliare întotdeauna rămâne esenţială întrebarea:
Evoluţiile profiturilor trecute pot anticipa profiturile viitoare?
Principala ipoteză se referă la existenţa unui model de serie de rapoarte în
timp, de declaraţii care ar trebui să fie apropiate de o distribuţie aleatoare (iar
autocorelarea datelor seriei de timp ar trebui să fie neglijabilă).Trei teorii privind
seriile de timp definesc competitiv în prezent comportamentul preţurilor:
a) teoria jocului echitabil;
b) teoria probabilistică a valorii curente, rezultată din dezvoltarea actuală şi
din valorile precedente;
c) teoria distribuţiei aleatoare (mersului aleator,Random Walk abreviat RW).
De aici mai departe se nasc trei modele econometrice care pot fi asimilate
modelărilor de tipul distribuţiei aleatoare, similar abreviate RW1, RW2 şi RW3, cu
scopul de a le diferenţia sau nuanţa relativ. Cea mai simplă versiune a modelului
este forma independent şi identic distribuită, în care dinamica preţurilor este dată
de o distribuţie aleatoare. Independenţa evoluţiilor ascendente implică nu numai că
creşterile de preţ sunt necorelate, dar şi că orice funcţii nonlineare de creşteri sunt
necorelate. Acest model este cunoscut ca modelul econometric al mersului aleator
sau al distribuţiei aleatoare în forma ei iniţială (RW1). Asumarea de creşteri identic
distribuite nu este plauzibilă pentru un activ financiar, pentru o perioadă de timp
prelungită, datorită schimbărilor economice, sociale, tehnologice, instituţionale şi
de reglementare în care preţurile acţiunilor sunt determinate. Prin simplificarea
ipotezelor RW1 pentru a include procese independente, dar nu şi identic distribuite
se obţine o a doua alternativă (RW2). Orice transformare arbitrară a creşterilor de
preţ viitoare nu este previzibilă, folosind orice transformare arbitrară trecută a
aceloraşi creşteri de preţ. Prin asumarea independenţei datelor din RW2 se obţine o
formă mai slabă a variabilei aleatoare respectiv o a treia alternativă (RW3). Dar şi
teoriile ca şi ipotezele ar putea continua... Rezultatul va fi evident unul al
19
multiplicărilor de soluţii şi, mai ales, de modele econometrice. O temă cum este
piaţa eficientă poate fi însă simultan modelată prin intermediul fizicii şi sociologiei,
respectiv punând accent pe caracterul mult mai general al abordărilor din fizică sau
al comportamentului uman,prin modelările specifice inter,trans şi multidisciplinare
ale econofizicii şi sociofizicii. Apelul la acest controversat exemplu contemporan a
fost preferat în dauna multor altora la fel de disponibile în lumea economică, pentru
a sublinia în fapt o concurenţă tot mai accentuată existentă pe piaţa modelărilor,
econometria contemporană aflându-se într-o competiţie deosebit de intensă, dar şi
stimulativă cu noile ştiinţe ale econofizicii şi sociofizicii, dar şi într-un potenţial
efort de unificare a ştiinţelor modelatoare într-o viziune multidisciplinară în viitorul
nu foarte îndepărtat.
20
verificarea teoriei economice cu ajutorul testelor, finalizate prin decizii de validare
sau invalidare a unor componente teoretice importante. Econometria modernă
redefineşte ca obiective: identificarea variabilelor, testarea ipotezelor statistice şi
previziunea fenomenelor economice. Orice teorie economică este preocupată să-şi
definească caracteristicile de interes (agregatele esenţiale în macroeconomie sau
compensările diferitelor subiecte sau participanţi în microeconomie, de la cifra de
afaceri, la profit ori de la salariu la dobândă etc.), să cunoască şi să poată descrie
cantitativ relaţiile dintre variabile, dinamica lor structurală, temporală şi spaţială, să
estimeze parametrii variabilelor semnificative prin inferenţa statistică, delimitând
impactul unor procese şi fenomene economice în care sunt implicate factorial sau
rezultativ variabilele respective, să simuleze situaţii reale, prin scenarii cu
probabilităţi determinate de apariţie sau chiar să previzioneze, să anticipeze ori să
prevadă schimbări în evoluţia caracteristicilor de interes. Toate acestea nu pot fi de
conceput fără modelarea econometrică. Legi economice generale au fost simple
rezultate ale utilizării de modele econometrice în cunoaşterea teoretică a
economiilor (legea cererii, legea ofertei, legi privind elasticităţi şi substituibilităţi
sau adversităţi în pieţele produselor şi serviciilor etc.). Nu puţine au fost însă
situaţiile când legi economice considerate clasice şi implacabile au fost contestate
de aceleaşi modele econometrice, de testele şi deciziile implicate în validarea
acestor modele prin bazele de date empirice oferite de realitatea economică. Spre
exemplu, estimările econometrice au putut verifica, valida sau invalida anumite
ipoteze ale teoriei economice, ale previziunilor sau prognozelor, ale magnitudinii
schimbărilor reale.
Realizarea de măsurări empirice (cantitative) necesare în teoria economică şi
verificarea teoriei economice în esenţa sa au extins sistematic obiectul de studiu al
econometriei, de la domeniile sale clasice, cum au fost:
-domeniul analizei cererii(Friedman M,Haavelmo T,Stone R, Wald H.Schultz M.);
-domeniul elasticităţii cerere-preţ sau ofertă-preţ (Marshall A, Edgeworth E. etc.);
-domeniul analizei marginaliste (Jevons W.S., Walras L. etc.);
-domeniul ciclului economic(Juglar C,Kuznets A,Kondratief A,KitchinW,HanauA);
-domeniul macroeconomiei, al ciclului afacerilor, precum şi măsurarea rezultatelor
conform SCN (Mitchell, C. W,Burns A.F.etc.);
-domeniul funcţiilor de producţie:(Cobb W,Douglas PH,Arrow KJ,Tintner G.etc);
-domeniul macroeconomic (Goldberger AS, Klein LR, Tinbergen J,etc);
-domeniul microeconomic (Griliches Z,Tobin J, Theil H,Fadden D,Heckman J etc);
-domeniul analizei seriilor de date (Anderson TW, Hotelling H,Fisher RA.etc);
-domeniul analizei şi prognozării crizelor (Sims, Engle, Muth, Lucas, Sargent,
Tobin, Amemiya etc.);
-domeniul politicilor de intervenţie a statului în economie (Keynes M. etc.);
până în zonele specifice econometriei, respectiv bazelor de date şi informaţiilor,
metodologiei modelărilor, testărilor, abordărilor temporale, respectiv către:
-domeniul informaţiei, energiei informaţionale şi informaţiei entropice (Corrado G,
Shannon C, Weaver W, Wiener N, Odobleja Ş, Onicescu O, Geogescu-Roegen N,)
-domeniile metodologice pure: a) verificarea autocorelaţiei perturbaţiei rezultate în
urma aplicării regresiei (Hooker, Durbin, Watson); b) evaluarea efectului întârziat
sau a decalajelor în cunoaşterea evoluţiei în timp şi aplicarea ei modelatoare
(Brown, Koyck); c) dezvoltarea teoriei estimării (Haavelmo, Koopmans, Rubin,
21
Zellner, Theil, Reiersol, Sargan); d) elaborarea de modele cu ecuaţii simultane
(Tinbergen, Klein, Goldberger); e) construirea modelelor macroeconomice bazate
pe teoria keynesiană (Wharton, Brookings, Treasurery, LBS); f) perfecţionarea
metodelor de analiză şi prognoză bazate analiza spectrală (Hannan, Tukey,
Granger); g) modelele statistice de prognoză (Box, Jenkins); h) unificarea
econometriei axate pe regresie cu analiza seriilor cronologice(Econometric
Modelling Time Series Analysis) etc.
Obiectul de studiu al econometriei se identifică în multe aspecte cu acela al
statisticii matematice aplicate în economie, respectiv reuneşte acele fenomene şi
procese statistico-economice, dar şi statistico-sociale sau chiar politice, cu sens de
procese electorale sau decizionale (în ultimele decenii, niciodată exclusiv
economice, devenind considerabilă multiplicarea şi aplicabilitatea econometriei în
social, politic etc.), în marea lor majoritate fenomene global omogene şi intern
structurate, care se produc sub forma unui număr mare de manifestări individuale,
cazuri, elemente aparent întâmplătoare, dar care, la nivel de ansamblu, prezintă o
esenţă comună, o regularitate sau o legitate de manifestare. Acelaşi obiect de studiu
poate fi comparat cu cel al mai noilor discipline de tip data mining (investigarea
ansamblului datelor, rezultat al unificării statisticii cu inteligenţa artificială şi
sistemele de baze de date) [17], regăsind suprapuneri până la identitate în modelare
de la explorări de date, elaborări de model, la validări şi aplicări de modele valide.
Această confruntare, privind obiectul specific de studiu, relevă diferenţe
semnificative, ce personalizează toate aceste noi ştiinţe sau discipline. O ancheta
realizată de UNESCO, la sfârşitul secolului XX, reuşea sa identifice circa 1000 de
discipline ştiinţifice distinct conturate. Procesul de multiplicare al ştiinţelor este
definit de o graniţa aparte? Ce este o ştiinţă? Ce condiţii minime se impun a fi
îndeplinite de o anumită formă de cunoaştere pentru a deveni ştiinţă? Ancheta a
identificat următoarele condiţionări: teorie, obiect şi model propriu, iar în secundar
sau derivate din cele trei elemente esenţiale, legităţi obţinute prin aplicarea unor
metode şi instrumente proprii. Multe din disciplinele contemporane ce formează o
nouă cultură economică sunt discipline economice sau de graniţă ale economiei (de
aceea se mai pot denumi şi econo-discipline). Pentru a înţelege mai uşor cum se
formează o nouă ştiinţă se poate apela la două componente importante ale familiei
econodisciplinelor: econometria (rezultată din unificarea economiei cu matematica
şi statistica matematică) şi econofizica (produsă ca rezultat al reunirii economiei cu
fizica şi fizica statistică).Ceea ce constituie originalitatea acestor două discipline
pare deosebit de transparent sau la vedere, respectiv teoria lor aparent distinctivă,
cu legităţi proprii. Numai că toate acestea sunt rezultatul „lentilei” complet diferite
cu care econometria şi econofizica investighează acelaşi „colţ” de realitate,
denumit economică. Este vorba de expresia lor cea mai profundă sau aşa cum se
întrevede cu uşurinţă, de cel de-al treilea element distinctiv esenţial în definirea
modernă a ştiinţelor, de modelul specific de abordare a realităţii. Modelul
econometric, complet diferit de modelul fizic şi mai ales de cel al fizicii statistice
sau cuantice diferenţiază econometria de econofizică. Tot modelul econometric
este cel care se distinge de modelul altor ştiinţe, delimitând econometria de mai
recenta data mining sau de disciplina denumită sociofizică, de ştiinţa complexităţii,
de aceea a arborilor genetici, a reţelelor similare celor de tip neuronal, de logica şi
mulţimile fuzzy etc.
22
În cadrul obiectului de studiu al econometriei se conturează tot mai mult,
dincolo de statistica descriptivă pentru variabilele modelate, o precizie specială a
construcţiei şi validării modelului în sine, de la estimarea parametrilor modelelor
prin intervale de încredere, testarea statistică a diferitelor ipoteze modelatoare sau
explicative, validate sau invalidate,alături de rigoarea matematică, drept procedura
metodică şi complexă de înţelegere şi fundamentare a micro şi macroeconomiei, a
analizei economico-financiare, a teoriei deciziei, a previziunii economice, a
eficienţei economice, a optimului, a gradului de acoperire prin modelare a
acoperirii fenomenului economic etc. Desigur că rămân valabile şi alte opţiuni de
definire „unghiulară” sau restrânsă a econometriei care îmbogăţesc continuu
obiectivele şi obiectul de studiu al econometriei [18]. Accentul se mută de pe un
subdomeniu pe altul, din ceea ce constituie obiectul econometriei, iar obiectivele se
restructurează continuu prin:
- înţelegerea relaţiilor dintre variabilele economice, acordând rolul de obiective
esenţiale selectării factorilor şi modelului (Onicescu, O.,. Botez, M);
- măsurarea relaţiilor economice, definind ca obiective majore verificarea teoriilor
economice, evaluarea şi implementarea politicilor macro şi microeconomice
(Chow, G. C, Pesaran, M.H, Wootdridge, J.M.);
- reuniunea sau unificarea obiectului de studiu şi a obiectivelor teoriei economice,
statisticii şi matematicii, privind natura relaţiilor cantitative din economie (Frisch,
R, Malinvaud, E, Samuelson, PA, Koopmans, TC, Stone, JRN,);
- formularea şi investigarea de ipoteze, utile în luarea deciziilor (Walters, A.A.,);
- obiectul de studiu şi obiectivele unei economii de intenţie ştiinţifică (Perroux F.);
Limitându-ne la conceptualizările şcolilor româneşti, unde matematica studiază
relaţiile calitative şi cantitative, precum şi structurile care se pot imagina între
obiectele lumii reale, în cadrul modelelor sale specifice, după cum afirma Caius
Iacob, iar statistica se conturează prin cercetarea variaţiei datelor şi informaţiilor,
cu accent pe observarea, prelucrarea, testarea, analiza şi interpretarea, inferenţa şi
decizia statistică, conform semnificaţiei atribuite de către Nicolae Georgescu –
Roegen seriei statistice, ca exprimare a unei variabile în raport cu variaţia alteia,
dar se şi redefineşte drept concept reprezentativ al informaţiei, adeverind cuvintele
lui Octav Onicescu, econometria nu poate decât reuni obiectele de studiu ale
economiei cu cele ale matematicii şi statisticii, prin modelare multidimensională,
asemeni unei adevărate orchestre în care fiecare instrument, test, metodă îşi
interpretează distinct partitura şi toate împreună reuşesc să creeze modelul real
pentru desluşirea unor sensuri ascunse în date şi informaţii, necesare cunoaşterii şi
previziunii prompte şi eficiente.
Delimitarea concretă a obiectului Econometriei creează o întreagă tipologie a
unor subdiscipline, ca în cazul macro şi microeconometriei, econometriei
financiare, econometriei datelor de panel şi econometriei datelor calitative,
econometriei teritoriale, econometriei deciziei manageriale în condiţii de risc şi
incertitudine etc. O concluzie generală ce se desprinde de aici este că econometria
oferă modele econometrice de măsurare, testare şi decizie, dar şi previziuni
prompte, riguroase şi în planul evoluţiei fenomenelor economice în ansamblu şi al
disciplinelor parţiale, ce constituie prin reunificare arealul extins al obiectului de
studiu economic. Dacă în cazul particular al econometriei seriilor de timp obiectul
de studiu al acesteia derivă direct din tipologia modelului, respectiv este constituit
23
din estimarea parametrilor unor ecuaţii diferenţiale care conţin componente
stohastice (aleatoare, perturbatoare etc.) în econometria teritorială conform
specificităţii modelelor acesteia accentul se mută din timp în spaţiu, ca variabilă
definitorie în obiectul de studiu. Distribuţia de probabilitate a variabilei aleatoare,
impactul integrării metodelor moderne în modelele econometrice sunt accente care
separă econometriile moderne în bayesiene şi non-bayesiene.
Econometria, prezentă acolo unde testele şi metodele statistico - matematice
sunt aplicate pentru analiza fenomenelor economice îşi delimitează obiectul de
studiu şi obiectivele de natură empirică şi teoretică, tocmai prin cercetările ce o
definesc. Econometria este şi va rămâne o disciplină de graniţă a economiei şi face
parte din marea categorie a „metriilor“. Ca atare, orice s-ar întâmpla prin detalieri
la nivel de subdomenii şi subdiscipline, econometria va avea în continuare drept
principal obiect de studiu înţelegerea, modelarea, testarea şi previziunea proceselor
şi interdependenţele cantitative din economie. Econometria va studia în continuare
fenomenele economice (extinse către social, politic, demografic, ecologic etc.) pe
baza datelor, metodelor şi testelor statistice şi cu ajutorul modelelor matematicii, la
nivel macro, mezo şi microeconomic sau chiar la nivel individual.
Tendinţa de unificare specifică econometriei va continua însă într-o direcţie
nouă, reunind modelele de prognoză, cu modelele privind luarea de decizii, cu
metodologiile de evaluarea şi testare a modelului şi alăturându-le noi tehnici şi
modele de învăţare într-un proces interactiv şi repetitiv, ceea ce va transforma
econometria clasică modelatoare post – factum într-o econometrie „în timp real”.
24
pe cât a fost posibil prezentarea terminologiei în această limbă (alături de forma
românească). Lista pachetelor de programe pentru econometrie cuprinde alfabetic
următoarele software 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 [19]. Din păcate, până în prezent există doar trei pachete de programe cu
utilizare econometrică, care permit un acces liber (gratuit): Gretl, JmulTi, X12-
ARIMA. Principalele trei pachete de programe (exceptând Excel), folosite în
domeniul econometriei, cu aplicaţii semnificative şi în România, în domeniul
economic, industrial şi social sunt succint prezentate în caseta de mai jos, cu o
exemplificare deosebit de sumară a suportului lor grafic.
Caseta nr. 1.4
EViews (http://www.eviews.com/) este un software pentru statistică pentru sistemul de
operare Microsoft Windows, folosit cu precădere în econometrie [20,21]. Software-ul
este dezvoltat de firma Quantitative Micro Software (USA).Versiunea 1.0 a fost lansată
în martie 1994, iar cea curentă este 7.0. lansată în decembrie 2009. 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 (scatter-ul) evoluţiei
indicelui câştigului salarial real şi ratei şomajului în România (date anuale 1991-2006):
Figura nr. 1.1
Sursa datelor: Colecţia Anuarul statistic al României, 1991–2008, Ed. INS, Bucureşti
MatLab (http://www.mathworks.com) reprezintă un produs de generaţia a patra în
domeniul limbajelor de programare,dezvoltat de MathWorks, care permite manipularea
matriceală, realizarea de grafice ale funcţiilor şi seriilor de date, aplicarea algoritmilor,
crearea de interfeţe între utilizatori şi de legături cu programe în alte limbi. Asigură
toate modulele matematicii de la algebră la statistică matematică, implicit analiză şi
modelare econometrică. Încă din anul 2004, MathWorks MatLab era folosit de un
milion de oameni din întreaga lume academică şi industrială. Un dublu exemplu grafic
25
redă seria de date zilnice, cuprinsă între anii 1928 şi 2008, a indicelui Dow-Jones
Industrial Average (DJIA) în SUA, definită prin funcţiile log [y(t)] în parte de sus şi
R=100log[y(t +1)/Y(t)] în cea de jos. [22] MatLab reprezintă cel mai important
program statistic matematic utilizat în domeniul tehnic în special şi mai rar economic.
Figura nr.1.2
200,00
$
RATA $
INFLAŢIEI $
100,00
$
$
$ $ $ $
$
$ $
$ $
0,00
4,00 6,00 8,00 10,00 12,00
RATA
ŞOMAJULUI
Sursa datelor: Colecţia Anuarul statistic al României, 1991–2008, Ed. INS, Bucureşti
26
1.5. Econometrie versus econofizică şi sociofizică
27
- întotdeauna economia încurajază punerea în aplicare a metodelor cantitative
şi formale, conferă legitimitate intelectuală, asociată cu virtuţi de precizie şi
obiectivitate;
- subiectele agregatelor economice sunt cumva realizate din acelaşi material
simplu, din elemente, atomi ai activităţilor, unităţi care sunt şi entităţi fizice:
gospodării, corporaţii şi agenţii financiare sau non financiare, piaţa muncii şi alte
pieţe;
- sistemele economice se află în creştere, zi de zi, în medii naturale şi umane, la
fel ca şi celelalte tipuri de sisteme fizice, biologice şi sociale.
Toate aceste aspecte relevă motive întemeiate de concurenţă în cunoaşterea şi
cuantificarea, în modelarea şi prognozarea lumii reale, simultan economică, fizică,
sociologică etc. Fizica poate contribui într-un mod mai mult sau mai puţin
neaşteptat la înţelegerea problemelor economice, a proceselor sau a deciziilor:
- prin metodologia sa, care poate fi descrisă ca fiind una de tip analitic;
- prin soluţiile sale de a descompune un sistem în piesele sale şi cu maniera sa
de înţelegere finală a cunoscută ca esenţă prin formularea „întregul este mai
mare decât suma părţilor sale” (Gestalt phenomenon);
- prin scara de măsurare sau prin punctul său de vedere cantitativ, relevant, în
care descrie calităţile unui sistem economic sau fenomenele sale constituente şi
determinante;
- prin modul său specific de a vedea şi de a face referiri, întotdeauna în termeni
de părţi ale universului care trebuie să fie studiate în cadrul marii ierarhii
structurale a realităţii: de la o scară micro la o perspectivă macro, ocupându-se
de acestea prin cele două mari discipline extreme ale sale (fizica nucleară la
sub-nivelul particulelor atomice si astrofizica la nivel agregat de tip cosmic şi
universal), conexând o mare varietate de discipline de la chimie, biologie
moleculară, biologie organică, psihologie, până la economie, ştiinţe politice şi
sociologie, ecologie, geologie şi climatologie şi, la final, astrofizica);
- 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 etc.
Interesul fizicienilor în domeniile sistemelor financiare şi economice are şi el
rădăcini relativ vechi şi o scurtă istorie a apariţiei econofizicii poate fi edificatoare
în acest sens:
Caseta nr.1.5
În teza sa de doctorat intitulată Teoria speculaţiei, susţinută la Academia din Paris, la
29 martie 1900, Louis Bachelier a determinat probabilitatea de apariţie a unor
modificări de preţ. Probabil acest lucru a fost într-adevăr, începutul a ceea ce se
numeşte azi Econofizică. Propunerea originală a lui Bachelier distribuia în mod normal
sau gaussian modificările de preţ, dar a fost foarte curând înlocuită de o mulţime de
modele alternative, dintre care cel mai apreciat a fost modelul bazat pe o mişcare de tip
geometric browniană, în cazul în care diferenţele dintre logaritmii preţurilor sunt şi el
distribuite normal sau gaussian [25]. Interesul fizicienilor în domeniile sistemelor
financiare şi economice are şi el rădăcini relativ vechi, în 1936, când 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. Mulţi ani mai târziu, un alt fizician Elliott Montroll
28
devenea coautor cu Badger W.W., în 1974, la cartea Introducere în aspectele
cantitative ale fenomene sociale. Din anii 1970, o serie de modificări semnificative au
avut loc în lumea finanţelor, care în final a născut noul domeniu ştiinţifice al
Econofizicii. Un an cheie a fost anul 1973, când au început să se comercializeze în
pieţele financiare valutele, şi a fost publicată prima lucrare care a prezentat o opţiune
raţional formulă a preţurilor acestora [26], şi imediat după anii 1990, când are loc o
creştere a numărului de fizicieni care au încercat să analizeze modelul pieţelor
financiare şi, în general, al sistemelor economice. „Astăzi fizicienii privesc aplicarea
mecanicii statistice în fenomenele sociale, ca o nouă şi riscantă aventură. Puţini, se
pare, îşi reamintesc modul în care a avut loc procesul original, în zilele când ştiinţa
fizică şi ştiinţele sociale au fost gemenele filozofiei mecaniciste...” [27]. Neologizarea
termenului de econofizică de către Rosario Mantegna si de către H. Eugene Stanley la
cea de-a doua conferinţă de fizică statistică de la Kolkata, din anul 1995, constituie
actul oficial de naştere al acestei noi ştiinţe inter, multi şi transdisciplinare. Fizica a
avut probabil un efect anterior dominant în evoluţia teoriei economice formale, totuşi
interdisciplinaritatea istorică dintre fizică şi economie, consacrată prin econofizică,
pare să fie un model de abordare pentru viitorul ştiinţelor multidisciplinare.
Transdisciplinaritatea sugerează o sinteză mai aprofundată, pe termen scurt şi mediu, a
abordărilor şi ideilor din cele două discipline ştiinţifice implicate in econofizică.
Rosario Mantegna şi H. Eugene Stanley au propus prima definiţie a econofizicii ca
domeniu sau ştiinţă multidisciplinară ce reuneşte „activităţile fizicienilor care lucrează
în probleme de economie, pentru a testa o varietate de noi abordări conceptuale
derivând din ştiinţele fizice”[25]. O altă definiţie mai relevantă şi mai sintetică a
econofizicii consideră că aceasta este o „cercetare interdisciplinară din domeniul de
aplicare a metodelor fizicii statistice la probleme din economie şi finanţe”.[28]. Stadiul
actual de dezvoltare, dar mai ales dinamica econofizicii sunt realmente unele de
excepţie. După unii istorici ai ştiinţei, statistica mecanică sau fizica statistică a fost
dezvoltată în partea a doua a secolului al XIX-lea, de către James Clerk Maxwell,
Ludwig Boltzmann şi Josiah Willard Gibbs, în vreme ce alţii afirmă că rolul modelelor
fizice în fundamentarea modelului actual al econofizicii pare a fi mai vechi de două
secole, argumentând prin opera lui Canard N-F, în care din 1801, cererea şi oferta erau
descrise asemeni forţelor diametral opuse din mecanica de tip clasic, ori prin conceptul
de echilibru general al teoriei economice, concept dezvoltat de către Léon Walras sub
influenţa fizicianului Louis Poinsot dar, mai ales, prin simplul fapt că părintele
matematicii aplicate în economie, Irving Fisher, a fost unul din studenţii lui Josiah
Willard Gibbs, nimeni altul decât părintele mecanicii statistice. Toţi aceştia rămân însă
unanimi în a recunoaşte primordialitatea lui Ettore Majorana în domeniul abordării prin
fizica statistică a proceselor economice. În primul rând, aplicarea unor concepte ca
acelea de lege de repartiţie sau distribuţie, corelaţie, scalare, impredictibilitate a seriilor
cronologice şi a proceselor aleatoare specifice pieţelor financiare, a devenit posibilă
numai după ce fizicienii au obţinut rezultate remarcabile în mecanica statistică prin
contribuţia investigaţiei statistice şi a formalizării matematice. Cel mai vechi exemplu
de adecvare a unei legi sau repartiţii matematice în repartiţia bunăstării, într-o
economie stabilă, aparţine unui statistician şi matematician italian, cunoscut sub
numele de Vilfredo Pareto.În al doilea rând sunt importante progresele matematicii
financiare realizate de către Louis Bachelier, care cuantifica probabilitatea apariţiei
unei modificări de preţ şi anticipa în acest sens cercetările lui Albert Einstein sau
Norbert Wiener. Trei evenimente subliniază evoluţia econofizicii, mai întâi in 1973,
apariţia formulelor de evaluarea a opţiunii raţionale în cazul unui preţ, respectiv
29
formula Black & Scholes, apoi după 1980, imensa cantitate de date electronice prompt
disponibile, stocate în piaţa financiară şi, în final, din anul 1990 un număr tot mai mare
de fizicieni au încercat să analizeze şi să modeleze pieţele financiare şi, în general,
sistemul economic, noi publicaţii interdisciplinare au fost publicate, noi conferinţe au
fost organizate şi noi domenii, areale şi teme potenţiale de aplicare au fost identificate.
Cercetările econofizicii s-au ocupat de distribuţiile profiturilor din piaţa financiara, de
corelaţia temporală în seriile de date financiare, de analogiile şi diferenţele dintre
dinamica preţului în piaţa financiară şi procesele fizice, de turbulenţa, distribuţia
stocurilor economice şi creşterea ratelor de variaţie, de distribuţia dimensiunii firmelor
şi a ratelor de creştere, de distribuţia dimensiunii urbane, de distribuţia descoperirilor
ştiinţifice, de prezenţa unei corelaţii puternice în schimbarea de preţ, motivate de
reconsiderarea unor opinii sau păreri, de distribuţia venitului şi a bunăstării, de studiile
despre proprietăţile statistice ale ratelor de creştere. Proprietăţile statistice ale
performanţelor economice ale organizaţiilor complexe ca universităţile, regiunile sau
chiar ţările au fost şi ele investigate de econofizică. O nouă caracteristică a econofizicii
pe termen mediu si lung va rezulta din noile cercetări despre migraţia rural-urban şi
despre creşterea oraşelor. Critica reală adusă econofizicii este dată de lipsa variabilei
vârstă, deoarece modelele econofizicii consideră agenţii economici ca şi 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 (Paul
Anglin). Primele modele publicate de către fizicieni într-o revistă de fizică sunt cele ale
lui Mantegna (1991) si Takayasu (1992), deşi ultimul a fost dezvoltat cu câţiva ani
înainte. Chiar si o simulare Monte Carlo a pieţei fusese deja publicata in 1964 de către
Stigler, ca reprezentant al şcolii economice din Chicago. [26]. Laureatul premiului
Nobel în economie Markowitz H.M. a publicat cu Kim, un prim model economic
similar celor econofizice încă din 1987, după crah-ul de pe Wall Street. După anul
2000, econofizicienii s-au maturizat suficient pentru a putea sa-si permită aplicaţii
generalizate, domeniul acestora fiind denumit econo-inginerie. De la naşterea oficială a
econofizicii, cercetători ştiinţifici români în cadrul acestui domeniu multidisciplinar au
publicat o mulţime de lucrări importante. Printre aceşti pionieri este necesar să fie
amintiţi Adrian Drăgulescu, Radu Chişleag, Mircea Gligor, Ion Spinulescu, Mircea
Bulinski, Carmen Costea, Margareta Ignat, Anca Gheorghiu etc. Din anul 2003, când
prima carte intitulată Econofizica a fost publicată în România, de către Mircea Gligor şi
Margareta Ignat, carte care a fost urmată în 2007 de lucrarea Econofizica investiţională
scrisă de către Anca Gheorghiu şi Ion Spinulescu, econofizica este şi în România o
disciplină cu bibliografie recunoscută în plan autohton, o disciplină de masterat în
Universitatea Politehnică din Bucureşti şi la Măgurele la Facultatea de fizică.
În comparaţie cu gândirea statisticii matematice şi econometriei de tip clasic,
gândirea modelatoare a econofizicii şi modelele sale au relevat faptul că
heterogenitatea datelor observate şi prelucrate din realitatea economică trebuie să
fie explicate printr-o abordare teoretică axată pe omogenizare. Şi, de fapt acesta
este rolul principal al metodei fizicii statistice de a unifica şi simplifica economia
prin gândirea metodică a fizicii. Ştiinţă finanţelor, a investiţiilor economice sau a
pieţelor financiare reprezintă doar o mică parte din teoria economică, dar o parte în
care datele statistice există din abundenţă. În econofizică, activităţile de cercetare
axate pe fenomenele economice sunt precedate de formularea de noi concepte
preluate din fizică în economie, de noi metode aplicate şi în spectrul economic şi,
30
mai ales de utilizarea cu succes a unor modele de cercetare din fizică în fenomenele
şi procesele economice ce prezintă similitudini conform datelor oferite.
Trei dintre modelele remarcabile econofizice, devenite deja istorice pot
exemplifica cu uşurinţă cele afirmate, iar aceste sunt modelul difuziei, modelul
legilor putere şi modelul fractal, toate trei aplicabile în spaţiul economic, financiar
şi bancar investiţional.
a) Modelul difuziei din ştiinţa fizicii aplicat în mediu economic constă din
derivarea unui preţ de distribuţie în piaţa hârtiilor de valoare (schimbarea în preţul
„x” a stocului de pe piaţa economică ar putea fi considerată o variabilă aleatore sau
întâmplătoare printre dealeri, ceea ce permite prin derivare construirea unui model
de difuzie în piaţa respectivă, model supus regulilor unei ecuaţii de tipul mişcării
Browniene, în cazul unei distribuţii în funcţie de timp f (x, t), şi pornind de la
∂ ƒ ( x, t ) 1 ∂ ƒ ( x , t ) . [29]
2
preţul de piaţă în stoc): = ×
∂t k ∂x 2
Viabilitatea modelului constă în variabilitatea coeficientului “k” în raport cu
specificitatea mediului pieţei, respective o difuzie distinctă prin preturi în pieţe
complet diferite, asemeni “apei în soluri complet diferite ca structură şi
compoziţie”. Aplicabilitatea modelului istoric este deja dovedită iar principala lui
caracteristică spre deosebire de legile fizice constă în recunoaşterea specificităţii
pieţelor financiare sau bancare investiţionale, ceea ce dezvoltă o gândire
relativizată de valorile lui”k”.
b) Distribuţiile de tipul legilor - putere, numite distribuţii independente de scală, de
forma: ln p( x) = −α ln x + C sau prin exponenţiala ambelor părţi p ( x ) = C x − α ,
definesc acele distribuţii de tip lege-putere, în care α, aparent nesemnificativă,
reprezintă exponentul legii-putere, iar în mod efectiv pentru o valoare α deja fixată,
constanta C se determină din condiţia de normalizarea cu 1 (normalizare unitară), a
funcţiei de distribuţie. Legea-putere este singura distribuţie care rămâne
neschimbată indiferent la ce scară este privită (ceea ce înseamnă că, dacă se
măreşte scara unităţilor de măsură a lui x printr-un factor oarecare, forma
distribuţiei p(x) rămâne neschimbată). Aplicarea distribuţiilor de tip lege-putere în
finanţe şi în macroeconomie constituie deja o realitate evidentă şi este recunoscută
prin calitatea interpretărilor specificităţii pieţelor financiare moderne (variabila α
generatoarea constantei C, asigurând individualizarea pieţei).
c) Modelul fractal are la bază o analiză fractală şi haosul originar, subliniat de către
Benoite Mandelbrot prin faptul că o schimbare în preţul de pe piaţa hârtiilor de
valoare are o structura fractală pentru un anumit interval de timp [30,31], fiind
caracterizat de o ecuaţie de tip fractal, exprimată astfel: x (t) = ctD , unde D este o
dimensiune fractală, calculată prin metoda box counting. Structura fractală este un
caz special de haos şi de comportament haotic foarte comun într-un sistem non-
liniar similar multora dintre procesele monetare şi financiare din economie (se
poate determina dacă procesul este sau nu haotic, prin semnul indexului Lyapunov
λ, definit astfel: λ = 1 / N Σ timp | F '(t) |, λ respectiv, atunci când semnul este
pozitiv (negativ), atunci procesul este haotic (non-haotic).
Econofizica modernă a dezvoltat un nou sistem de învăţare pentru econofizicieni,
un sistem compus din mai multe părţi metodologice:
1) Metode matematice de bază,
31
2) Metode econofizice de bază,
3) Metode axate pe teoria haosului şi metode fractale,
4) Metode specifice pieţelor virtuale.
Metodele clasice de examinare şi conceptele referitoare la fiecare parte întregesc
pregătirea unui econofizician contemporan, devenit după econometrician şi
înaintea sociofizicianului o importantă profesie în lumea contemporană.
Sociofizica a devenit un domeniu atractiv de cercetare tot în ultimele două
sau trei decenii, în ciuda controverselor dintre sociologi şi sociofizicieni, totul se
datorează potenţialului ei extraordinar de a permite înţelegerea unui principiu
simplu conform căruia întotdeauna fenomenele sociale vor fi cele care înving şi nu
teoriile ştiinţifice ce le explică. Utilizând fizica statistică pe scară largă, modelând
fenomenele sociale relevante cum sunt cele ale formării opiniilor culturale,
economice sau politic, dinamica şi diseminarea opiniilor, originea şi 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 să ofere noi soluţii în modelarea unor fenomene ca
interconexiunea dintre dinamica unor indicatori sociali sau demografici (speranţa
de viaţă, natalitate, fertilitate etc) şi distribuţia bunăstării, religia, ecosistemele,
prietenia, reţelele sociale şi de trafic etc.
Caseta nr.1.6
Originile Sociofizicii se disting ca aparţinând anilor ’70 şi ’80, unul dintre autorii cei
mai des citaţi fiind Serge Galam, care şi-a publicat lucrările sale în Journal of
Mathematical Sociology şi în European Journal of Social Psychology [33,34]. Natura
aparent conflictuală a noii discipline denumită Sociofizică în raport cu comunităţile
fizicienilor clasici este cel mai bine descrisă în lucrarea sa Sociophysics: a personal
testimony (2004). Fizicianul Elliott Montroll a fost coautorul primei cărţi ce a
anticipat evoluţia acestei noi ştiinţe denumită Sociofizică, alături de Badger W.W, în
1974, carte intitulată Introduction to Quantitative Aspects of Social Phenomena.
Sociofizica a fost definită, prin asociere cu econofizica, drept fenomenul specific de
utilizare a modelelor fizicii în sociologie, primul obiectiv al acestei ştiinţe fiind acela
de a trata în modelările sale individul uman asemenea particulei în fizica statistica şi în
fizica sau mecanica de tip cuantic. Fizica se concentrează şi astăzi asupra aspectelor
ştiinţifice şi tehnologice ale societăţii umane şi acceptă ideile lui Alfred Lotka,
referitoare la populaţiile umane ca deţinând veritabile soluţii de transformare a
energiilor proprii în dinamici specifice (migraţii demografice, schimbări culturale,
educaţionale, religioase, comportamentale). Modelările sociofizice pot schimba
posibilităţile populaţiei umane de autocunoaştere, fizica dinamizând efortul de
investigaţie prin modelele sale tradiţionale de analiză sau prin gândirea cuantică, prin
metoda fizicii statistice, alături de logica fuzzy, prin ştiinţa complexităţii sau prin
metodele specifice sociologiei îmbogăţind arsenalul metodologic al Sociofizicii, al
cărei nume iniţial s-a dorit a fi Psihofizica. Începând cu secolul XXI Sociofizica este
într-adevăr o nouă ştiinţă şi nu doar un simplu slogan multidisciplinar sau
transdisciplinar. Dintre cei mai importanţi sau remarcabili pioneri ai noii ştiinţe a
Sociofizicii se pot aminti alături de Serge Galam (Sociophysics: a personal testimony)
şi Dietrich Stauffer (Sociophysics Simulations I:Language Competition), Paris
Arnopoulos (Sociophysics: Chaos and Cosmos in Nature and Culture) etc.
32
Delimitarea obiectului de studiu, obiectivelor, descrierea modelelor specifice,
dezbaterea rolului si potenţialului econometriei versus econofizică şi sociofizică, în
învăţământul superior şi în cercetarea ştiinţifică românească este acum, nu numai o
oportunitate, dar şi o necesitate pentru evoluţia normală a procesului de predare şi a
celui de cercetare, în procesele educaţionale economice, tehnice şi sociale.
Gândirea statistică modelatoare, redenumită azi econometrică deţine similitudini
remarcabile cu gândirea econofizică şi sociofizică dar şi unele diferenţe importante,
ceea ce indică perspective de reală competiţie, dar şi de reunire într-o modelare
multidisciplinară cu mult superioară a realităţii, care trebuie să includă firesc şi
fizica statistică precum şi fizica de tip cuantic sau statistica de tip cuantic,
sociologia, psihologia etc.
1.6.1. Întrebări
33
a) realizarea de măsurări empirice şi verificarea teoriei economice; b) colectări de date,
prelucrări, testări şi decizii de validare a modelelor; c) măsurări cantitative, modelări şi
prognoze.
4.Care dintre disciplinele de mai jos nu fac parte din tipologia econometriilor
contemporane ?
a) microeconometrie; b) macroeconometrie; c) econometrie bayesiană; d) econometrie
financiară; e) data mining; f) econometria datelor de panel; g) econometrie teritorială;
h) econometria datelor calitative.
5. Care dintre pachetele de programe cu aplicaţii în econometrie permit să fie
accesate şi folosite liber sau gratuit?
a) EViews; b) SPSS; c) MatLab; d) JmulTi,; e) Stata; f) X12-ARIMA; g) Gretl.
[1] Termenul de econometrie are doi părinţi adoptivi, respectiv pe Pawel Ciompa (1867-1913),
economist şi profesor polonez care, în anul 1910, l-a utilizat pentru prima oară cu un sens mult prea
general, de contabilitate (bookkeeping) şi pe Ragnar Frisch (1895-1973), statistician şi economist
norvegian devenit econometrician, unul dintre fondatorii Societăţi de Econometrie, în anul 1930, care
a scris mai multe studii importante pe această temă şi care l-a folosit încă de la prima sa citare, cu
semnificaţia modernă de cuantificare şi modelare în economie.
[2] http://www.encyclopedia.com/
[3] Semnificaţia istorică a econometriei, aşa cum a fost ea formulată, în primul editorial al revistei
Econometrica, este următoarea:“Experienţa a arătat că fiecare din următoarele puncte de vedere, al
statisticii, al teoriei economice şi al matematicii, este o condiţie necesară, dar nu şi suficientă, pentru o
înţelegere efectivă a realităţilor cantitative din economia modernă; unificarea lor este aceea care
asigură eficienţa. Econometria este tocmai această unificare” (Ragnar Frisch, 1933, Editor's Note.
Econometrica 1,pag.1-4).
[4] http://www.econometricsociety.org/
[5] Brătianu,C, (2005), Gândirea deterministă, Revista de Management şi Inginerie Economică,
Vol.4, nr.1(13), pag.7-15
[6] Ekelund, RB,Jr, Hebert,RF,(1991),Dupuit's Characteristics-Based Theory of Consumer Behavior
and Entrepreneurship, Kyklos, Blackwell Publishing, vol. 44(1), pag. 19.
[7]Jolink,A.J.(2003),Jan Tinbergen. The Statistical Turn in Economics:1903-1955, Chimes,
Rotterdam.
[8] Granger, C. W. J (1986), Developments in the Study of Cointeraction Economic Variables. Oxford
Buletin of Economics and Statistics, 48.
[9] Granger, C. W. J (1989), Testing for Causality and Feedback, Econometrica, 37.
[10] Granger, C. W. J.,Terasvirta T.(1993), Modeling Nonlinear Dynamic Relationships, Oxford
University Press.
[11] Engle, R. (1982), Autoregressive Conditional Heteroskedasticity with Estimates of the Variance
of U.K. Inflation, Econometrica 50, pag. 987-1008.
[12] Engle, R., Lilien D., Robins, R. (1987), Estimation of Time Varying Risk Premia in the Term
Structure: the ARCH-M Model, Econometrica 55, pag. 391-407.
[13]Engle,R.,Granger,C.W.J.(1987),Co-integration and Error Correction: Representation, Estimation
and Testing, Econometrica 55, pag. 251-276.
[14]Engle, R., Ng, V., Rothschild M(1990), Asset Pricing with a Factor ARCH Covariance
Structure:Empirical Estimates for Treasury Bills, Journal of Econometrics 45,pag.213-237.
[15] Engle, R. (2002), Dynamic Conditional Correlation - A Simple Class of Multivariate GARCH
Models, Journal of Business and Economic Statistics (July 2002), V20N3.
34
[16] Bachelier, L., (1964) Théorie de la Spéculation, Annales Scientifiques de l'Ecole Normale
Superieure,III-17,21-86, 1900.English Translation; -Cootner (ed.).
[17] Gorunescu, F., (2006), Data mining. Concepte, modele şi tehnici, Ed. Albastră, Cluj-Napoca,
pag. 7-22.
[18]Pecican, E.Ş, (2007), Econometrie pentru...economişti, Ed. Economică, Bucureşti, pag.16-20
[19] Dodz R.,SAS (2004), Statistica asistată de calculator, Editura Tipotrib Sibiu,
[20] Vogelvang, B., (2005), Econometrics:Theory and Applications with Eviews, Publisher: Financial
Times Press, Vrije Universiteit, Amsterdam.
[21] Andrei, T, Stancu, S, Iacob, AI, Tuşa E, (2008), Introducere în econometrie utilizând Eviews,
Ed. Economică, Bucureşti.
[22]Andronache C, Săvoiu G, (2009), Exploratory Domains of Econophysics.News EDEN I &II, Ed.
Universitară, Bucureşti, pag. 136-149
[23] Jaba E, Grama A, (2004),Analiza statistica cu SPSS sub Windows,Ed.Polirom,Bucureşti
[24]Becker,G.,(1976),The Economic Approach to Human Behavior, University of Chicago Press.
[25] Mantegna RN,Stanley HE,(2000), An Introduction to Econofizica:Correlations and Complexity
in Finance. Cambridge University Press, Cambridge pag. VIII-IX.
[26] Fischer J, Scholes M.(1973), The Pricing of Options and Corporate Liabilities, Journal of
Political Economy, pag. 637-654.
[27]Ball P(2004)Critical Mass:How One Thing Leads to Another.Farrar,Straus and Giroux,New York
[28]Yakovenko,VM,(2007), Econofizica, Statistical Mechanics Approach to, Encyclopedia of
Complexity and System Science, Springer http://refworks.springer.
[29] Cui,L, Yamada,K, Kaburagi,M, Kang,M, (2005),WEB Based Learning System for Econophysics,
Juan Dolio, Dominican Republic, IEEE, 0-7803-9141-1/05, pag. 1-2.
[30]Mandelbrot B.B., (1963), The Variation of Certain Speculative Prices, Journal of Business, 36,
pag. 394-419.
[31]Mandelbrot B.B, (1983), The Fractal Geometry of Nature, W.H. Freeman and Co..
[32]Mandelbrot B.B., (1997), Fractals and Scaling in Finance, Springer -Verlag.
[33]Galam, S.(1986), Majority rule, hierarchical structure and democratic totalitarianism, Journal of
Mathematical Psychology 30,.
[34]Galam, S. (1990), Social paradoxes of majority rule voting and renormalization group, Journal of
Statistical. Physics, 61.
35
CAPITOLUL II
MODELUL ŞI MODELAREA ECONOMETRICĂ
„Gândirea logică şi viaţa reală nu sunt două orbite separate. Logica este singurul
mijloc al omului pentru a stăpâni problemele realităţii.” – Ludwig von Mieses –
36
2.1. Modelul şi modelarea uni, inter, trans şi multidisciplinară
„Modelul are nevoie de trei facultăţi mari intelectuale, percepţie, motivaţie, dar
mai ales imaginaţie, pentru a intui şi conexa direcţia unor evenimente care sunt la
mare distanţă sau care se află sub o suprafaţă perceptibilă, cu cauze şi efecte, care
sunt situate la o distanţă similară sau sub aceeaşi suprafaţă.” – Alfred Marshall –
Ştiinţa apare atunci când cel puţin trei elemente esenţiale sunt reunite: o
teorie distinctă, un segment de realitate ca obiect de studiu şi un model de
interpunere între investigaţia teoretică şi acel obiect de studiu. Un proces de
modelare este unul inovativ şi de tip continuu. În prezent, modelul este recunoscut
simultan drept metodă şi componentă a triadei constitutive a ştiinţelor (teorie-
model-obiect de studiu).
Principiul continuităţii modelării ştiinţifice
Figura nr.2.1
Realitatea
reprezentată Model
Teoria
ştiinţifică
37
procesului dinamic de apropiere intelectuală şi afectivă a diverselor fenomene şi
procese , în concordanţă cu structuri cognitive date.
Într-un mod relevant, modelul şi modelarea, prin utilizările lor practice
iniţiale, s-au situat mai aproape de geometrie[1] decât de oricare alt domeniu
ştiinţific. Apariţia termenului în sine este legată de anul 1868, anul în care
matematicianul Eugenio Beltrami a reuşit să construiască un model euclidian
pentru geometria neeuclidiană, conceptualizând astfel pentru prima dată modelul,
ca instrument de studiu al “unui domeniu, unui fenomen, unui obiect inaccesibil
cercetării directe”. Modelul de inspiraţie geometrică a devenit, un coagulant al
gândirii ştiinţifice, o continuă cugetare reprezentată, simbolizată şi comunicată, tot
aşa cum tetragramele au constituit pentru Gottfried von Leibniz soluţia inductivă a
sistemului mecanic al maşinăriei sale mecanice de calcul. La un nivel superior de
elaborare, modelele se transformă în reprezentări ştiinţifice sau ale unor teorii
ştiinţifice.
Ştiinţa teoretică, sursă continuă de sugestii experimentale devine simultan
remodelare şi previziune, context în care, condiţiile de bază ale oricărui model se
pot sintetiza astfel:
- o primă condiţie a unui model este relaţia sa directă cu gândirea („o pasăre este
un instrument care funcţionează în concordanţă cu legile matematice, instrument
pe care omul, îl poate reproduce cu toate mişcările lui”, aşa cum afirma Leonardo
da Vinci în lucrarea Machine per volare);
- o a doua este identificarea aspectelor esenţiale şi formularea corectă a întrebărilor;
- profunzimea, intensitatea şi adâncimea constituie o a treia condiţie a reprezentării
prin model (oscilaţie între analogie şi convenţie-simbol);
- eficienţa traducerii sau transpunerii teoriei în realitatea lumii studiate pare să fie o
altă condiţie, modelele superioare devenind ele însele obiecte de cercetare şi
remodelare[2].
Conform raţionamentului modelului, ca traducere sau transpunere de maximă
fidelitate a realităţii, orice teorie corespunde unui model şi orice model validat prin
intermediul obiectului de studiu al ştiinţei respective va corespunde cu realitatea.
Cu cât însă modelul se va afla la intersecţia mai multor ştiinţe transpunerea va fi
mai corectă.
A identifica un singur răspuns la întrebarea ce este un model, constituie un
demers dificil şi necesită abordări multiple. Se pot enumera câteva variante:
- în opţiunea fizicii, modelul este un instrument de calcul cu care putem determina
răspunsul la orice întrebare despre comportamentul fizic al sistemului respectiv sau
un tipar exact al unui anumit segment al realităţii fizice (două exemple
arhicunoscute sunt modelul sistemului de referinţă inerţial şi modelul atomic);
- în viziunea chimiei, modelul devine un concept structural care încearcă să explice
proprietăţile constatate experimental sau un suport, în deducţia de la general la
particular, instrument de cunoaştere care prevede faptele şi “indică numerele” (ca
în exemplul clasic al tabelului lui Mendeleev sau al periodicităţii elementelor);
- în abordarea biologică (genetică), modelul este considerat o modalitate naturală,
reprodusă experimental, de diferenţiere genetică a populaţiilor (modelul ADN fiind
o expresie prozaică edificatoare);
- în opinia economică modelul rămâne instrumentul de rezolvare a unor probleme
generale, iar modelarea reprezintă fie o suită de mijloace de dezvăluire a naturii
38
reale a problemelor teoriei economice, de la cele ale avuţiei naţionale la cele legate
de alocarea de resurse insuficiente, fie o imagine simplificată a relaţiilor dintre
variabilele economice, apropiată de reprezentarea structural-anatomică a proceselor
economice (definirea variabilelor) şi de descrierea fiziologică (relaţii, condiţionări,
mecanisme de funcţionare);
- în optica matematică, modelul se suprapune cu un anumit tip de metode de
măsurare specifice cercetării matematice, în vederea explicării obiective a
“modalităţii în care componentele micro şi interacţiunile dintre ele interpretate
individual sau grupate în subsisteme, generează şi explică sistemul întreg” (Octav
Onicescu şi modelul energiei informaţionale) sau o “definire şi descriere
necontradictorie a unor procese şi fenomene”, a tezelor, postulatelor şi axiomelor,
precum şi a corespondenţei lor logico-matematice;
- din punct de vedere logic, în model cauzele egalează efectul (Anton Dumitriu);
- comportamental (behaviourist), modelul presupune participanţi reuniţi formal
care îşi “maximizează utilitatea pornind de la un set stabil de preferinţe şi
acumulează o cantitate optimă de informaţii într-o varietate de pieţe”(modelul
comportamental beckerian);
- prin prisma dominantei semantice, lingvistice şi explicative, modelul este un
sistem teoretic sau material cu ajutorul căruia pot fi studiate indirect proprietăţile şi
transformările altui sistem, mai complex, cu care primul sistem prezintă o analogie
(conform dicţionarului explicativ);
- în înţelesul său statistic sensul etapizat al conceptului de model este acela de
verigă într-un proces integrat de cunoaştere, fiind alcătuit din ipoteză, reprezentare
schematică a unui proces (fenomen), testare statistică a ipotezelor formulate asupra
realităţii şi reluare a procesului într-o teorie generală;
Conform ştiinţelor moderne de graniţă sau interstiţiale, modelele au evoluat
către soluţiile inter, trans şi multidisciplinare transformându-se în instrumente
optime de rezolvare a unor probleme generale complexe, iar modelarea se
transformă într-o suită de mijloace de dezvăluire a naturii reale a problemelor, unde
viziunea unui model unidisciplinar este izolată şi nu permite formularea de legităţi
caracteristice.
Caseta nr. 2.1
Termenii interdisciplinar, transdisciplinar şi multidisciplinar (pluridisciplinar) au o
origine comună şi reprezintă iniţial un antonim al conceptului disciplinei unice sau
unidisciplinarităţii. În ordinea apariţiei şi utilizării, primul termen este interdisciplinar
şi defineşte stabilirea unor relaţii între mai multe ştiinţe. Ceilalţi termeni, respectiv
pluridisciplinar şi multidisciplinar au debutat ca sinonimi, presupunând simultaneitatea
mai multor ştiinţe sau discipline, iar transdisciplinar apare între discipline, de-a lungul
lor şi mai presus de ele. Noţiunile multidisciplinar sau pluridisciplinar semnifică
studierea şi cercetarea realizate nu numai din punctul de vedere al unei singure
discipline, ci din punctul de vedere al mai multor discipline în acelaşi timp. Subiectul
în această cercetare multidisciplinară, în funcţie de rezultatul cercetării va ieşi mult
îmbogăţit. Multidisciplinaritatea ca formă de întrepătrundere a disciplinelor, constând
în alăturarea anumitor elemente ale diverselor discipline, evidenţiază aspectele lor
comune, şi presupune o comunicare simetrică între diverşi specialişti şi diverse
discipline, în axiometrie proprie. Interdisciplinaritatea are un scop mai nuanţat şi
diferit de cel al multidisciplinatităţii, ea presupune fenomene, concepte şi legi generale
comune mai multor discipline ce analizează în contexte cât mai variat posibile, pentru a
39
evidenţia faţetele multiple şi posibilităţile de aplicare a conceptelor şi legilor în sfera
diverselor discipline. Prin interdisciplinaritate se favorizează transferul orizontal al
cunoştinţelor dintr-o disciplină în alta. În teoria interdisciplinarităţii apare un transfer
de metode de la o disciplină la alta, dar se pot detalia trei grade de transfer, pe domenii
învecinate, prin metode şi concepte din alte discipline. Cele trei grade ale
interdisciplinaritaţii sunt[3]: transfer aplicativ, transfer epistemologic sau cognitiv şi
transfer generator de noi discipline (transferul metodelor statistico–matematice în
economie a dus la apariţia econometriei) Interdisciplinaritatea reprezintă şi un proces
de focalizare sau concentrare asupra problemelor globale de mediu, salarizare, impactul
ştiinţei şi tehnologiei etc. Întrepătrunderea disciplinelor şi coordonarea cercetării pot
sfârşi prin adoptarea aceluiaşi ansamblu de concepte fundamentale sau elemente
metodice generale, adică prin delimitarea unui nou domeniu de cunoaştere sau a unei
alte discipline. Transdisciplinaritatea poate fi considerată o formă superioară a
interdisciplinarităţii ce presupune concepte, metodologie şi un limbaj care tind să
devină universale generate dinamic prin acţiunea numeroaselor nivele de realitate
(teoria sistemelor, teoria informaţiei, econofizica, sociofizica, ştiinţa complexităţii,
modelarea ştiinţifică etc.).
Un exemplu deja clasic al inter, trans şi multidisciplinarităţii modelatoare
este acela al modelelor statistico-matematice[3] sau fizico-matematice care nu sunt
altceva decât transcrieri matematice ale unor ipoteze simplificate despre starea sau
evoluţia unor fenomene socio - economic ori a unor sisteme fizice sub influenţa
factorială a unor variabile sociale, economice, fizice sau asimilabile acestora.
Modelul econometric depăşeşte relativ inter şi transdisciplinaritatea şi deschide
orizontul colaborărilor disciplinare multiple către modelul multidisciplinar.
Modelul inter, trans şi multidisciplinar valorifică limbajul şi metodele
matematicii, testarea şi decizia statistică, tiparul sistemului fizic în aprecierea
realităţii (cuantic, termodinamic, acustic etc.), comportamentul sociologic al
elementelor din sistem (comportamentul uman în sociologie, comportamentul
subiectelor economice în Sistemul Contabilităţii Naţionale etc.) şi variabilele reale
ale segmentului cercetat (flux monetar în economie, comportament uman în
sociologie etc.). Modelul inter, trans şi multidisciplinar este superior celui
unidisciplinar şi ştiinţa complexităţii devine o dovadă vie a acestor încercări
concrete de modelare ştiinţifică de mare diversitate şi universalitate.
Cum se ajunge practic la construirea unui model? Punctul de plecare este
experienţa nemijlocită sau contactul nemijlocit cu realitatea. Pentru a se transforma
în experiment sau în “contact organizat cu realitatea”, se formulează o teorie
reprezentată apoi de un model material, intuitiv sau simbolic, ca reflectare filtrată a
realităţii. În construcţia modelului se remarcă:
- primatul teoriei, aşa cum sublinia cu eleganţă Louis Pasteur, prin intermediul
cunoscutei formule: “norocul favorizează numai minţile pregătite”;
- “dogmatica izolării” modelului odată construit, în raport cu realitatea iniţială ce
l-a născut, după cum sintetiza Tiberiu Schatteles asemănarea dintre construcţia
teoriei ştiinţifice şi modelarea în sine (pentru a exemplifica un fenomen, teoria
ştiinţifică îl izolează de realitate sau contingent, tot astfel cum experimentul are la
bază o izolare materială sau de laborator);
- definirea cadrului izolării modelatoare prin postulate sau axiome ca “ceva de la
sine înţeles” completează studierea unui fenomen în stare de izolare;
40
- opţiunea pentru un proces iterativ complex de modelare oscilează între variante
simplificate de tipul “triadei” (formularea unei ipoteze, colectarea materialului
experimental şi verificarea ipotezei) şi variante detaliate excesiv (formularea
modelului iniţial cu formarea de clase de repartiţii, culegerea materialului
experimental sau a datelor, alegerea unei repartiţii particulare, verificarea gradului
de concordanţă a repartiţiei alese cu situaţia reală şi formularea ipotezelor ce
explică mecanismele aleatoare care au generat datele).
Pentru o descriere succintă a modelărilor inter, trans şi multidisciplinare se
impun precizări legate de etape, arhitectura şi paradoxurile sale. Etapele concrete
ale unei modelări moderne sunt următoarele:
a) definirea structurală a 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),
culegerea datelor empirice (relevante),
c) estimarea parametrilor şi a formelor funcţionale,
d) testarea statistică preliminară (brută),
e) testarea suplimentară (pe baza noilor date),
f) decizia-acceptarea sau respingere a setului de ipoteze (în condiţii de conformitate
sau nonconformitate a predicţiilor cu probele empirice disponibile),
g) validarea sau invalidarea modelului prin generalizări teoretice, metode de
prognoză sau simulări ulterioare.
Arhitectura modelării inter, trans şi multidisciplinare valorifică:
• minima simplificare prin ipoteze[4] 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)”;
• alternativa simplă (modelele foarte complicate nu au dat rezultate categoric mai
bune decât formulele simple de extrapolare);
• valoarea certificată prin raţionament dialectic(modelul uşurează discuţia, clarifică
rezultatele şi limitează erorile de raţionament);
• 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);
• tranzitarea de la uni la trans şi multidisciplinaritate prin modele succesive
(perfecţionarea prin imitaţie, analogie şi prin tranzitivitate de la un tip la altul).
Modelarea inter, trans şi multidisciplinară sunt procese cu conţinut
paradoxal. Paradoxul infinităţii sistemului multivariabil este relevat de numărul
infinit de factori, care nu pot fi clasificaţi în mod direct, în raport cu modelul
particular construit dintr-un număr finit de factori esenţiali. Paradoxul “reducerii
relative a unui sistem la altul” pleacă de la reductibilitatea relativă axată pe
traductibilitatea limbajelor despre diferite sfere ale realităţii şi se manifestă ca
antiteză între funcţional şi substanţial. Paradoxul “comunităţii unice” se traduce
prin antinomia dintre corelarea acţiunii mai multor modele şi construirea unui
model unic pentru o problemă dată. Paradoxul “dublei idealizări” are în vedere
fazele simulării respectiv atribuirii şi interpretării informaţiei în model.
41
Multiplicată, informaţia nu se pierde din model, tot aşa cum fragmentată nu
rămâne altceva decât tot informaţie. “Dubla idealizare” constă şi în tratarea ca
“semnificaţie” a informaţiei în modelul de atribuire, iar în modelul de interpretare
atât ca semnificaţie cât şi ca sens. Sintetic, raportul între completitudine şi precizie
generează modele trans şi multidisciplinare specifice:
Tabel nr. 2.1
Gradul de completitudine a Gradul de precizie a Tipologia
datelor 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 inter, trans şi
multidisciplinară prezintă trei căi principale de analiză:
- utilizarea ecuaţiilor de echilibru între factori (de la balanţa input -output a lui
Leontief[5], la fuzzy[6], la cele ale fizicii cuantice, termodinamicii etc) ,
- identificarea valorilor extreme ca şi modelul “catastrofelor” sau al “punctelor
critice” al lui Thom R., este exemplul des citat în acest sens.
- construcţia (simularea) unor situaţii conflictuale prin “jocuri strategice cu
informaţie incompletă (concurenţiale) sau completă (deschise).
Riscul omniprezent contemporan şi incertitudinea deciziei impun fie modelul
Wald (prudent sau pesimist), cu alegerea variantei cu profit maxim sau pierdere
minimă, în cea mai defavorabilă situaţie, fie modelul Laplace, selectând varianta cu
profitul mediu cel mai mare sau pierderea medie cea mai mică, în ipoteza că stările
deţin aceeaşi probabilitate de apariţie, fie modelul Savage, optând pentru varianta
cu cel mai mic regret posibil (regretul fiind utilitatea pierdută ca urmare a selectării
altei variante decât cea optimă, în condiţii de informaţie completă), fie modelul
Hurwicz, al cărui coeficient de optimism prin intervalul său de valori reale reintră
în vasta lume a probabilităţilor, respectiv [ 0,1].
Ca exemplificare, modelările trans şi multidisciplinare majorează capacitatea
de a reduce gradul de inexactitate şi de a evalua inexactitatea prin testare statistică
în termenii teoriei probabilităţilor, în timp ce modelarea unidisciplinară fie exclusiv
matematică, fie exclusiv economică, aproximează dar nu exprimă exact realitatea,
pentru că realitatea nu este “exactă”, ci supusă legilor stohastice sau acţiunii legii
numerelor mari. Acesta impune completarea statistică a modelului unidisciplinar,
prin statistica matematică, statistică economică, fizică statistică etc.
A exprima inter, trans şi mutidisciplinar cât de inexact este un model devine
o acţiune cu mult mai importantă decât a modela unidisciplinar oricât de sofisticat,
izolat şi nespecificat s-ar realiza ultimul proces descris. Perspectivele domeniului
construirii modelelor surprind prin rigoarea unui nou concept, respectiv acela al
sistemului de modele inter, trans şi multidisciplinare care presupun respectarea
următoarelor principii:
• decizia umană deţine rolul esenţial în funcţionare;
42
• construcţia este o succesiune logică şi o eşalonare în timp, conform principiului
economiei sau legii parcimoniei;
• separarea şi combinarea modelelor individuale are loc în lanţuri procedurale;
• sistemul rămâne deschis, facilitând adăugarea/ ştergerea de restricţii şi variabile;
• structura fizico-matematică este independentă de modul de utilizare;
• arhitectura este modulară, ierarhică şi dinamică;
• legăturile informaţionale şi logice fac parte şi ele din modele cooperante,
ierarhizate, mixte;
• deşi cuprinde tipuri diferite de modele, baza de date este unică.
În armonia firească a abordării inter, trans şi multidisciplinare a modelării[7],
contribuţia adusă prin descoperirea unui model original de această factură este
considerată cu mult mai mare decât cunoaşterea unidisciplinară a unui nou
fenomen sau proces.
Limitele modelării unidisciplinare sunt şi ele destul de vizibile:
• nici un model unidisciplinar nu poate încorpora consistent variabilele şi zonele
reziduale (uneori apreciabile ca proporţii şi semnificaţii);
• atât comportamentul uman cât şi alte variabile aleatoare cum sunt clima,
evoluţiile politice radicale de tipul revoluţiilor, de îndată ce sunt modelate trans şi
multidisciplinar conferă un grad sporit de nesiguranţă modelului unidisciplinar;
• modelul a evoluat credibil pe coordonatele seriilor cronologice şi mai puţin totuşi
pe cele ale seriilor teritoriale, ale seriilor asociate / corelate, în situaţiile specifice
de optimizări valorice sau legate de ţinte veridice în programe de dezvoltare.
Principalul dezavantaj al modelului unidisciplinar, luând drept exemplu chiar
pe cel statistic sau matematic clasic, este dezvăluit de imprecizia prognozei lor, de
către reprezentanţii şcolii austriece neoclasice de economie Ludwig von Mises şi
Friedrich von Hayek. Gradul de precizie al modelului creşte proporţional cu trans
şi multidisciplinaritatea acestuia, dar nu poate fi infailibil în faţa diversităţii
factoriale a lumii reale. Chiar tristul bilanţ al previziunilor pe termen mediu sau
lung al multora dintre modelele econometrice din ultimii ani, cu întregul
echipament de calcul modern, adăugat pachetelor de programe informatice
specifice, constituie de fapt o confirmare în plus a relativităţii cunoaşterii [8,9].
Orice disciplină ştiinţifică realistă recunoaşte socratic imposibilitatea
cunoaşterii modelatoare absolute. Celebrul “ignoramus et ignorabis” (nu ştim şi nu
vom şti ... totul - n.a.) al lui Emil du Bois-Reymond, este o constatare ce conţine un
adevăr relativ. Dar cum adevărului îi prinde întotdeauna bine libertatea exprimării,
se pot enumera câteva dintre principiile modelării inter, trans şi multidisciplinare,
desprinse din studiul atent al modelelor contemporane econometrice, econofizice,
sociofizice şi din previziunile cercetătorilor, bazate pe aceste modele ce depăşesc
stadiul unidisciplinarităţii:
Caseta nr. 2.2
1.Există o armonie a modelării dezacordurilor, o consonanţă a disonanţelor, o
diversitate revelatoare a unităţii modelului.
2.Ciclul dezvoltării este axa dezvoltării ciclice în model.
3.Mişcarea prin repaus aparent şi repausul mişcării sunt realităţile tuturor modelărilor.
4.Identificarea saltului sau a transformării imprevizibile, în sensul paradoxului săgeţii,
reprezintă spiritul modelării.
43
5.Comunicarea ca scop al ieşirii din izolarea informaţională devine mesajul modelării.
6.Relativitatea interdependenţelor globale şi a celor locale derivă din logica sistemelor
modelate, respectiv din suma părţilor este mai mare decât întregul.
7.Infinitul ca parte a finitului şi finitul, parte a infinitului descriu structurile modelului.
8.Finalitatea inductivului prin deducţie şi validarea deductivului prin inducţie
delimitează raţionamentele celui ce modelează.
9.Cunoaşterea este limita ignoranţei modelării, după cum ignoranţa se transformă la
final în rezultatul cunoaşterii.
10.Renaşterea teoriei prin experiment aduce cu sine decesul experimentului în teoria
modelării.
11.Credinţa în ştiinţa critică devine similară neutralităţii ignoranţei în modelare.
12.Suprapunerea coerentă agregă amplitudinile asemenea limitelor, iar suprapunerea
incoerentă reuneşte doar intensităţile prin modelare.
13.Nuanţarea este o soluţie a gândirii probabiliste dar şi a celei bazate pe posibilităţile
modelării.
14.Convergenţa prin divergenţa concură la emergenţa modelelor.
15.Incompletitudinea completitudinii întregeşte completitudinea incompletitudinii în
modelare.
16.Compensarea reacţiilor conferă echilibru oricărui dezechilibru.
17.Dualitatea modelărilor este un reflex al echivalenţei cauze-efecte.
18.O metodă fixă de modelare inter, trans şi multidisciplinară nu este o metodă.
19.Un model conţine propriul non-model, în interiorul său.
20.Ştiinţa nu este nimic altceva decât o lungă succesiune de modele.
În concluzie, un model constituie o imagine a unei părţi special selectate a
realităţii cu ajutorul căruia se poate răspunde la diferite întrebări sau se pot
soluţiona, cu un anumit grad de realism şi o anumită limită de eroare, problemele
unor variate domenii ale cunoaşterii ştiinţifice. Modelarea reprezintă un proces de
cunoaştere ştiinţifică mijlocită a realităţii obiective, având ca scop construirea de
reprezentări (modele) care să permită înţelegerea mai bună, mai profundă,
ştiinţifică a realităţii. Esenţa modelării constă în înlocuirea unui sistem real cu un
mod mai accesibil studiului.
În cazul sistemelor reale complexe (economice, sociale, demografice,
politice, ecologice), modelarea este de neînlocuit, prezentând două mari avantaje:
reprezentarea în stare pură a fenomenului, procesului, obiectului supus
cercetării, fără a fi denaturat de fenomene străine sau de detalii de prisos;
efectuarea experimentelor sau derularea scenariilor acolo unde acest lucru
ar fi imposibil din cauza inaccesibilităţii obiectului real sau a costului
ridicat de efectuare a experimentului sau scenariului.
Inter, trans şi multidisciplinaritatea sunt procese unificatoare şi modelarea
axată pe ele beneficiază de armonia diversităţii, în timp ce modelarea
unidisciplinară izolează. Cultura modelărilor inter, trans şi multidisciplinare
rămâne o problemă practică a prezentului dar, mai ales, a viitorului, desigur că nu
este vorba aici de cultura (inter, trans şi multidisciplinarităţii) privită doar ca un
produs al vieţii (realităţii), ci de viaţa devenită în acest sens o consecinţă sau o
amprentă a acestei culturi ...
44
2.2. Modelul şi modelarea econometrică
„Educaţia nu măsoară cât de mult ai memorat sau cat de multe cunoşti. Educaţia
reprezintă capacitatea de a face diferenţa între lucrurile pe care le cunoşti şi cele
pe care nu le cunoşti.” – Anatole France –
45
Modelul econometric reuneşte trei tipuri de gândire, favorizând un tip de
înţelegere şi previziune mult mai extins al fenomenului economic.
Gândirea statistică impune modelului econometric o selecţie prealabilă a
variabilelor ce-1 vor constitui, un enunţ al ipotezelor sale statistice, testarea şi
decizia axată pe testarea statistică, dar şi preocuparea atentă de a se obţine o
reprezentare simplificată, dar nu deformată. Gândirea statistică reduce în model,
prin lipsa de excese, specifică statisticii: „capcana suprasimplificării şi mlaştina
supracomplicării”, respectiv cele două mari pericole matematice, care ameninţă
potenţial orice model econometric, sugestiv caracterizate de către Bellman,R.[11].
Gândirea matematică contribuie cu transcrierea matematică a ipotezelor
statistice simplificate despre starea sau evoluţia unui fenomen economic sub
influenţa anumitor variabile special selectate pentru determinaţia lor în variaţia
totală a stării sau evoluţiei fenomenului economic respectiv.Raţiunea matematică
are în principal o contribuţie metodologică la identificarea şi alcătuirea modelului
(estimări, inferenţieri în intervale de variaţie, parametrizări etc.) dar şi teoretice
esenţiale dacă se face o simplă referire doar la metoda celor mai mici pătrate. Ca
exemplificare se poate apela astfel la definiţia dată de către matematicianul român
Solomon Marcus:
„Fiind dat un obiect A, un alt obiect B este un model al lui A, dacă următoarele
condiţii sunt îndeplinite:
a) există o analogie între B şi A; cu alte cuvinte, B îndeplineşte o funcţie iconică în
raport cu A;
b) obiectul B poate fi investigat prin cel puţin o metodă care nu e compatibilă cu
natura lui A, fapt care impune o anumită eterogenitate a lui B în raport cu A;
c) există cel puţin o metodă de tipul afirmat la punctul b), în raport cu care
investigarea lui B conduce la concluzii netriviale;cu alte cuvinte, există o
deosebire netrivială între elementele de intrare şi cele de ieşire în investigarea lui
B prin metoda considerată;
d) concluziile relative la B au o anumită relevanţă în raport cu A;
e) obiectul B are o capacitate de autonomizare şi deschidere; el poate fi conceput
independent, poate părăsi funcţiile a), b), c) şi d) relativ la A, pentru a dobândi
funcţii similare în raport cu un alt obiect A.
Cea mai bună şansă de a satisface cererile c) şi d) se obţine prin constituirea
obiectului B în contextul unei teorii cât mai avansate, bogată în concepte, metode
şi rezultate aflate într-un stadiu avansat de elaborare.” [12]
Gândirea economică oferă modelării econometrice spiritul ei specific al
abordării eficiente, axat pe utilizarea maximală prin efecte, dar şi minimală prin
eforturi, a resurselor permanent limitate, într-un context aparent nelimitat al cererii
potenţiale. Totodată prin teoria ei specifică şi prin realitatea ei specifică, raţiunea
economică oferă obiect modelării, acceptând transformarea într-o modalitate de
gândire mai precisă, mai riguroasă, mai bine specificată şi corelată în context
fenomenologic.
Demersul ştiinţific al modelării econometrice deţine o dinamică specifică a
gândirii astfel reunite, care asimilează o introspecţie circulară de la realitatea
economică, spre model, prin efect de undă absorbantă sau condensatoare, iniţial, şi
extensivă sau corectiv – aplicativă, de la model înapoi către realitate, la final.
46
Figura nr.2.2
Modelul definit ca nucleu al gândirii econometrice asupra realităţii economice
Model
econometric
Gândire
econometrică
Teorie
ştiinţifică
Realitate
economică
47
simplificate despre fenomenul economic, în lipsa acestuia neexistând modelul
econometric în sine. Un model econometric reprezintă o serie de concepte,
instrumente, tehnici şi metode folosite pentru a reproduce şi simula principalele
mecanisme ale unui fenomen economic relativ simplu sau ale unui sistem
economic regional, naţional sau internaţional. Modelele econometrice sunt definite
de faptul că datele joacă un rol esenţial în identificarea, structura şi utilizarea lor, în
mod concret pentru a parametriza modelul printr-o varietate de metode de estimare
posibilă. Cele mai multe modele econometrice, nu sunt de obicei un amestec
exclusiv al acestor coeficienţi (parametri ai modelului) estimaţi în mod liber prin
date, ci includ şi unele restricţii, limitări sau ipoteze, rezultate ale teoriei
economice, privind datele cantitative sau calitative.
Modelul econometric 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 în fiecare pas al modelării. Modelarea econometrică se transformă într-
un proces etapizat de aplicare a modelelor şi metodelor statistice şi matematice în
domeniul economiei, pentru a testa şi a cuantifica teoriile economice şi soluţiile
date problemelor economice.
Modelul statistic impune un proces iterativ care presupune utilizarea unor
date experimentale în vederea alegerii unei anumite repartiţii statistice şi, în acelaşi
timp, examinarea validităţii acestei repartiţii, formularea unei ipoteze, colectarea
materialului experimental, verificarea ipotezei sau mai extins prin etape şi subetape
formularea iniţială a modelului statistic (tipul de repartiţie), axată pe subetapele
culegerii materialului (date statistice) şi alegerii unei repartiţii particulare, validarea
modelului statistic prin confruntarea cu situaţia reală a gradului de concordanţă a
repartiţiei selectate şi formularea finală a modelului bazat pe ipotezele ce explică
mecanismele aleatoare ce au generat datele statistice[13].
Modelul matematic nu prezintă, aşa cum pare la prima vedere, o construcţie
simplă şi uşor accesibilă. Istoria evoluţiei economiei este dominată de utilizarea
matematicii de o perioadă relativ scurtă de timp. Fie o viziune mult simplificată
asupra fenomenului economic nu a impus folosirea matematicii, fie faptul că nici
chiar ea, matematica nu era în măsură să facă faţă unor cerinţe complet diferite faţă
de cele curente ori calculele necesare ar fi fost imposibil de realizat în timp util, în
lipsa şi a informaticii şi pachetelor de programe specializate contemporane.
Cercetarea operaţională din perioada războiului a fost aceea care a asigurat
condiţiile tehnice necesare apariţiei modelului matematic competitiv, dar avea
drept domeniu de aplicare cercetarea, decizia şi practica economică. Modelele
matematice au fost treptat preferate deoarece au oferit posibilitatea de a aplica
simultan echilibrul şi optimul economic, precum şi datorită promptitudinii şi
acurateţei strategiilor, previziunilor lor. În câteva decenii postbelice, nu mai exista
practic nici un singur capitol al ştiinţei economice care să nu poată fi tradus în
termenii unui model matematic, logico-matematic, statistico-matematic, iar o
mulţime de probleme de natură economică puteau fi formulate şi modelate exclusiv
matematic. După cum modelul trebuie să reflecte într-o cât mai mare măsură
proprietăţile originalului, cel puţin acele proprietăţi şi particularităţi care sunt direct
legate de scopul cercetării, modelul matematic nu complică, ci din contră
simplifică transformarea şi sinteza.
48
Modul de elaborare şi de utilizare a unui model matematic clasic distinge etapele:
I. Etapa formulării matematice a problemei, identificarea şi elaborarea modelului
- formularea problemei economice;
- analiza structurii informaţionale a fenomenului economic problematic;
- identificarea şi selectarea factorilor esenţiali şi secundari;
- obţinerea primului model descriptiv de lucru (modelul matematic brut);
- validarea prin seturi de date suplimentare a modelul matematic brut;
II. Cercetarea valabilităţii modelului matematic prin aplicarea lui în timp
- testarea continuă a modelului matematic conform gradului de aplicabilitate;
- reflectarea originalului cu destulă aproximaţie (fenomenul economic);
- păstrarea sau abandonarea modelului deteriorat de timp.
Aşa a apărut mai întâi modelul lui Gregory King care cuantifica prin calcul
diferenţial legătura dintre recolta obţinută şi preţul cerealelor. Introducerea în
model a variabilelor necontrolabile şi conflictuale a condus la modelele de joc şi a
apărut teoria jocurilor. Modelele de minimizare sau maximizare a unei funcţii
numită funcţie obiectiv au fost impuse de maximizarea profiturilor şi minimizarea
costurilor. Fenomenele economice din activităţile de transport au generat modelul
matematic clasic de optimizare, denumit graf şi exemplele ar putea continua. [14]
Modelul economic este cel care a constituit fundamentarea teoretică a
modelului econometric şi este expresia etapizată a observaţiei, prelucrării şi
analizei unor date economice, care permit o formulare generală a unor relaţii,
interdependenţe sau asocieri în lumea economică.
Procesul de modelare econometric, cu scopul declarat de a ilustra
complexitatea unui asemenea demers, dar şi fascinaţia exercitată asupra celui ce-l
realizează impune o trecere în revistă a etapelor sale extinse ca şi a principalelor
aspecte privind procesul concret de construcţie:
Caseta nr.2.3
Etapele modelării econometrice clasice Etapele modelării econometrice moderne
49
Detalierea unei etape este mult mai extinsă în modelul econometric modern. Un
exemplu în acest sens poate fi edificator. Iată o descriere a subetapelor ce întregesc
asigurarea seriilor de date statistice:
3.1 Selectarea şi operaţionalizarea variabilelor
3.2 Selectarea şi operaţionalizarea scalelor de măsurare
3.3 Definirea populaţiei statistice (implicit a unităţilor, definirea şi concretizarea
accesului la unităţile statistice purtătoare de informaţii)
3.4 Definirea eşantionului statistic (rareori cercetarea poate fi exhaustivă)
3.5 Construirea şi validarea teoretică a instrumentului de cercetare (chestionar,
interviu etc.)
3.6 Asigurare cel puţin a unui test pilot privind instrumentul de cercetare
3.7 Validarea finală a instrumentului de cercetare
3.8 Aplicarea instrumentului de cercetare asupra eşantionului statistic
3.9 Analiza datelor de sondaj şi formularea concluziilor etapei
Procesul de modelare econometrică poate fi însă detaliat în exces, pornind de
la investigarea tot mai complicată a ansamblurilor de date de dimensiuni tot mai
mari, rezultate din dezvoltarea pieţei informaţionale, a reţelelor de comunicaţie, a
bazelor de date decizionale, a exploziei informaţionale generale.[15]
Pornind de la teoria economică anterioară modelului, de la asigurarea şi
explorarea bazelor de date cu ajutorul cărora se va construi modelul, trecând apoi
printr-un riguros proces de construire statistico-matematică a modelului ce va fi
validat în competiţie cu altele deja existente în teoria şi practica fenomenului
investigat, urmând mai apoi traseul sinuos al validării de către realitatea economică
sau punerea în aplicare a modelului pe o nouă bază de date, implicit prin previziune
economică şi încheind şi impactul asupra teoriei anterioare modelării se pot analiza
multe aspecte incluse în practica recentă a modelărilor econometrice.
(A) Repertorierea literaturii economice, inventarierea principalelor teorii,
definirea teoretică, practică, temporală teritorială şi structurală a sistemului
economic cercetat sub forma de fenomen sau proces economic bine delimitat
(cunoaşterea principalelor teorii, izolarea teoretică a fenomenului în planul unei
subsistem teoretic propriu, formularea întrebărilor premodelatoare, identificarea
variabilelor potenţiale de interes etc.), constituie debutul real al unei activităţi de
modelare riguros etapizate.
(B) Prezentarea teoriei ce fundamentează noul model econometric, în fapt o
sinteză şi o contribuţie a modelatorului la confirmarea unei teorii existente sau la
apariţia unei alternative la aceasta, este o consecinţă firească a demersului original
al oricărei modelări.
Caseta nr. 2.4
Atunci când se solicită modelarea sau remodelarea unui fenomen economic este natural
să se aloce de la bun început o mare parte din timp referinţelor teoretice esenţiale
privind domeniul economic respectiv, în măsura posibilităţilor chiar o cercetare a
literaturii de specialitate extinsă, pentru a obţine informaţia necesară înţelegerii iniţiale
şi aprofundării proceselor specifice. Revenind la exemplul în aceeaşi măsură relevant şi
captivant al ipotezei pieţei eficiente (Efficient Market Hypothesis sau abreviat EMH), o
ipoteză cu vârsta venerabilă de peste 110 ani, a cărui prim investigator Louis Bachelier
(1900) este astăzi considerat simultan şi părinte al matematicii financiare, dar şi unul
dintre bunicii econometriei şi econofizicii. Piaţa eficientă este o construcţie
50
transdisciplinară axată pe o nouă teorie plasată în interstiţiul dintre teoria economică,
teoria informaţională şi teoria comunicării, generatoarea unui şir de modelări
multiplicate continuu în plan econometric. 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, atunci piaţa nu va mai fi, nimeni nu va mai
cumpăra acţiuni, neputând câştiga mai mult. Eficienţa unei pieţe depinde 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.În lumea modernă
globalizată se pot distinge trei tipuri de eficienţă a pieţei:
- alocaţională sau caracteristică pieţei cu beneficii alocate participanţilor şi care apare
când organizaţiile din sectorul public şi privat pot obţine finanţarea pentru proiectele
care vor fi mai profitabile, promovând creşterea economică;
- operaţională, definită de condiţia existentă pe o piaţă de a primi servicii la un preţ
care echivalează cu costurile reale necesare pentru a le oferi, atunci când participanţii
execută tranzacţii şi permite investitorilor să realizeze acele tranzacţii pentru care
modificările pieţei pot reduce riscul / recompensa proful din tranzacţii, cu respectarea
obiectivului general al alocării prudente de capital, fără costuri excesive;
- informaţională sau piaţa perfect eficientă (în grade diferite, de la puternică, la
semiputernică şi la slabă) este piaţa unde preţurile cotaţiilor reflectă toate informaţiile
disponibile, iar diferitele niveluri sugerează că preţurile acţiunilor variază ca reacţie la
informaţiile relevante.
Există trei tipuri de pieţe eficiente. 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 semi-puternic eficientă se caracterizează 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 (aflate la dispoziţia publicului şi private).Ipoteza pieţei eficiente (EMH) se
axează pe un principiu controversat, derivat din teoria pieţei eficiente, respectiv că pe o
piaţă toate preţurile acţiunilor nu pot fi depăşite, pentru că toate informaţiile disponibile
sunt cele care le delimitează. Exemplul anterior poate fi dezvoltat şi acest fapt
subliniază dezvoltarea sectorială a modelelor econometrice. Astfel apar cronologic
puncte de vedere considerate semnificative de către practicieni şi cercetători cu privire
la ipoteza pieţei eficiente generatoare de ipoteze de modelare:
1. Bachelier L. (în Théorie de la Spéculation, 1900) consideră că trecutul, prezentul şi
chiar evenimentele viitoare se reflectă în preţul pieţei, dar de multe ori nu se identifică
o legătură clară prin modificările de preţ. [16]
2. Samuelson P.A. (în Proof That Properly Discounted Present Values of Assets
Vibrate Randomly, 1965) consideră că EMH constituie dovada că preţurile corect
anticipate, fluctuează la întâmplare... Prin urmare, modificările de preţ nu trebuie să fie
previzibile, dacă acestea sunt corect anticipate.
3. Fama E. (în The Adjustment of Stock Prices to New Information, International
Economic Review,1969 şi Efficient Capital Markets:A Review of Theory and Empirical
Work,1970) defineşte piaţa eficientă drept piaţa care se adaptează rapid la noile
informaţii sau ca o piaţă în care preţurile întotdeauna reflectă pe deplin informaţiile
disponibile. Fama a reuşit să convingă prin argumentul că un activ pe o piaţă eficientă
include multe informaţii corecte şi mulţi investitori inteligenţi, iar titlurile de valoare
vor fi adecvate preţurilor şi vor reflecta toate informaţiile disponibile. Cu alte cuvinte,
51
într-o piaţă eficientă în orice moment preţul real al unui titlu va fi o bună estimare a
valorii sale intrinseci. [17,18]
4. 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.
5. Jensen M.C. (în 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.
6. Malkiel B. G. (în The Efficient Market Hypothesis and Its Critics, 1992) a definit
piaţa de capital eficientă, în cazul în care aceasta reflectă 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 ar fi afectat prin
dezvăluirea de informaţii, tuturor participanţilor. Mai mult decât atât, eficienţa cu
privire la un set de informaţii, echivalează cu imposibilitatea de a face profit economic
de comercializare, pe baza unui set informaţional de preţuri.
După anii 1976, referitor la ipoteza pieţei eficiente se desprinde concluzia că a
crescut numărul contestărilor şi criticilor majore, de la definire la testare:
1. Grossman S. (în On the Efficiency of Competitive Stock Markets Where Traders
Have Diverse Information, 1976) şi Grossman S. şi Stiglitz J.S. (în On the Impossibility
of Informationally Efficient Markets,1980) susţin că pieţele informaţionale perfect
eficiente sunt o imposibilitate, pentru că, dacă pieţele sunt perfect eficiente, revenirea
la culegerea de informaţii este nulă, caz în care ar apare un eventual colaps pentru
comerţ şi pieţe.
2. Campbell J., Lo A. şi MacKinlay C. (în The Econometrics of Financial Markets,
1997) împărtăşesc aceeaşi opinie, fiind în favoarea noţiunii de eficienţă relativă,
măsurată faţă de altă eficienţă a pieţei.
3. Lo şi MacKinlay (în A Non-Random Walk Down Wall Street, 1999) susţin că 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.
4. Fama E. (în Market efficiency, long-term returns, and behavioral finance, 1998)
susţine că eficienţa în sine nu este testabilă. 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.
5. Zhang Y. C. (în Toward a Theory of Marginally Efficient Markets,1999) arată că
dovezile 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.
6. Beechey (2000) subliniază că EMH este aproape sigur debutul, atunci când se
explică 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 ca obiect al neconcordanţelor substanţiale, care pot persista în timp.
7.Blakey (2006) arată că dacă mediul academic a prezentat o piaţă eficientă
aproximativă, mai degrabă decât o ipoteză a pieţei eficiente, iar dezbatere conduce la o
52
schismă între mediul academic şi cel al practicienilor.
Acest exemplu al demersului de investigare teretică generală însoţit de contribuţii
modelatoare ce au generat noi abordări[19,20] subliniază importanţă documentării
economice prealabile, cunoaşterea fenomenului economic în esenţa şi evoluţia sa, dar
şi în cele mai recente conceptualizări şi sistematizări din domeniul ce urmează a fi
modelat, documentară ce asigură succesul sau insuccesul modelării într-o proporţie
deloc neglijabilă, chiar greu de imaginat la o primă vedere.
(C) Asigurarea şi explorarea datelor, incluzând culegerea, „curăţarea” datelor
de „intruşi” şi a informaţiilor de valori afectate de erori de măsurare, transformarea
elementară a datelor prin agregări, dezagregări sau alte procedee, selectarea de
submulţimi de date sau determinarea datelor relevante, selectarea caracteristicilor
cu impact major în modelarea fenomenului, acolo unde există un număr mare de
variabile etc. sunt rezultatul abilităţii sau experienţei dobândite treptat în activităţile
de modelare econometrică.
Caseta nr. 2.5
Tipologia variabilelor modelului este plină de diversitate ca şi aceea a datelor. Analiza
empirică distinge multe categorii de serii de date: serii de variabile dependente şi
independente, unde devine semnificativă relaţia dintre variabile şi intensitatea acestei
relaţii, serii de date ale unor variabile discrete sau ale unor variabile de tip continuu,
unde abordarea matematică este diferită, serii de date temporale longitudinale,
observate la diferite momente de timp, unde interesul modelării econometrice
accentuează importanţa staţionarităţii, respectiv o variaţie minimă şi nesistematică în
timp, a indicatorilor esenţiali (media şi varianţa), serii de date despre una sau mai multe
variabile transversale sau de moment, unde accentul se mută pe homogenitatea sau pe
heterogenitatea seriilor generatoare de indicatori ai tendinţei centrale, ce vor fi
reprezentativi sau nu, serii de date mixte (tip panel sau simultan şi serii de date
temporale longitudinale, dar şi serii de date transversale sau de moment), serii de date
ale unor variabile calitative, sau cantitative, unde diferă procedurile de calcul ale
statisticilor descriptive etc.[21] Gradul maxim de multiplicare şi complexitate aparţine
seriilor mixte sau de tip panel care sunt în fapt compromisuri simultan temporale şi
spaţiale în construirea seriei de date. O de serie de date de tip panel cuprinde în
România informaţii referitoare la o anumită variabilă de interes multiplicată în funcţie
de numărul intervalelor sau anilor analizaţi (k) şi, respectiv, de un număr de 42 de
observaţii (corespunzător celor 41 de judeţe plus municipiul Bucureşti), deci un total de
42k observaţii mixte, unde dacă variabila k se referă la un interval de 10 ani de
exemplu seria de date panel va avea 420 de termeni, dispuşi simultan temporal şi
spaţial. Modul cum se accede, procură sau culege informaţia necesară, alături de
criteriile de ierarhizare şi selectare a datelor importante sau relevante detaliază
atitutidini diferite faţă de baze de date diferite, în construcţia a diferite modele
econometrice. Paşii rămân însă în linii mari aceiaşi. La început are loc clarificarea
variabilelor de interes pentru modelare. În momentul conceperii mentale a modelului
există tentaţia de a reţine mai multe variabile care, într-un fel sau altul, să şi intre în
componenţa modelului. Alegerea variabilelor constituie o problemă delicată, iar
tehnicile statistice de evaluare a determinaţiilor, asocierilor, ale ierarhizării prin prisma
unor coeficienţi de corelaţie pot uşura selecţia. Ulterior se clarifică domeniile în care
aceste variabile pot lua valori (constrângerile sau restricţiile impuse variabilelor),
precum şi anumite relaţii derivate ale acestor domenii (decalaje între domenii, lipsa
unor intersecţii, relaţia între valori paralele sau succesive, dacă aceasta există sub forme
matematice consacrate, de la inegalităţi simple, la funcţii matematice mai speciale etc.).
53
Tot în această etapă se conturează şi volumul minim necesar de date, limitele erorilor
de măsurare, transformarea datelor (prin agregare şi dezagregare, prin raportare şi
construcţie de indici şi ritmuri, prin logaritmare etc.). Exemplul 1- Modelarea unor date
judeţene, în cazul unui bazin hidrografic transjudeţean impune o agregare parţială a
9
datelor selectate: variabila xi, cu i = 1, 42 se va agrega parţial sub formă ( ∑ x ), pentru
i
i=1
un număr limitat de judeţe (să presupunem de numai 9 judeţe din 42). Exemplul 2 –
utilizarea variabilei creştere economică exprimată procentual presupune transformarea
unei serii de date absolute prin raportări în indici, mai întâi nominali ai PIB-ului iar
aceştia tr-o împărţire ulterioară la un indice de preţ, pot genera un indice real al PIB-
ului. De aici, pasul rămas al transformării indicelui în ritm este la fel de simplu:
creşterea economică este: R PIB real =[(PIB1/PIB0): IPC] × 1 0 0 − 1 0 0 . Un alt aspect este
cel al selectării datelor relevante, altfel modelul ce va fi propus va fi lipsit de o valoare
practică. Seriile de date legate de modelul econometric, impun şi clarificări privind
informaţii despre sursele şi credibilitatea acestora, despre erorile şi nivelul relativ al
acestora, erori ce pot intra în procesul de modelare, în achiziţia şi transferul datelor,
precum şi tipologia variabilelor aleatoare ce vor fi modelate.
(D) Estimarea modelelor econometrice şi primele lor rezultate empirice apar
ca răspunsuri pertinente ale multor întrebări practice semnificative: Au fost
selectate în modelul econometric corect şi complet variabilele cu cea mai mare
determinaţie în variabilitatea fenomenului economic investigat?Este modelul
econometric structurat pe (co)relaţiile dintre mai multe variabile, optim selectate?
Variabilele specificate în cadrul modelului econometric sunt valide?Care este
precizia estimării parametrilor sau coeficienţilor modelului econometric? Modelul
econometric este validat pe întreaga serie longitudinală temporală, ca perioadă
analizată cu ajutorul său? Există stabilitate şi la nivelul parametrilor? Cât de
apropiate sunt soluţiile modelului econometric de datele reale? Etc.
(E)Deciziile bazate pe testarea unor ipoteze statistice decurg conform unor
reguli şi secvenţe de derulare precise, astfel principalele etapele 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).
Caseta nr. 2.6
Demersul general al deciziei bazate pe ipoteze statistice presupune parcurgerea unor
etape şi rezolvarea problemelor pe care acestea le implică, descrise succint mai jos:
1. Se formulează ipotezele statistice admisibile;
2. Se alege şi se calculează un test statistic în funcţie de distribuţia statisticii cercetate
(legea de probabilitate a populaţiei cercetate);
3. Se alege un prag de semnificaţie (α) pentru test;
4. Se compară valoarea calculată a testului cu valoarea teoretică;
5. Se stabilesc regulile de decizie statistică;
6. Se ia decizia de acceptare sau de respingere a ipotezei nule etc. şi se formulează în
termeni economici finali.
(F) Validarea sau invalidarea modelului reprezintă un proces dependent de
scopurile modelului. Astfel un model destinat înţelegerii unui proces sau fenomen
economic, beneficiază de un proces de validare la fel de riguros dar nu atât de
extins ca al unui model destinat confirmării unei teorii economice sau al unuia
construit cu scop de previziune pe termen scurt sau mediu. Validarea reprezintă
54
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. Aplicarea modelului la date noi, în
vederea producerii de prognoze/previziuni sau estimaţii corecte pentru problemele
economice analizate prin modelul econometric este procesul care a generat multe
discuţii privind calitatea modelului econometric realizat în particular dar şi în
general. Modelul econometric validat va prelua un rol instrumental, care îi va
permite să confirme sau să infirme teoriile economice ce l-au fundamentat sau
inspirat. Modelul econometric va rămâne postvalidare şi un instrument de analiză
econometrică subliniind (co)relaţiile dintre anumite variabile cu caracter economic,
conturând comportamentul unor populaţii economice, monitorizând anumite
schimbări, evoluţii sau aşteptări, simulând decizii în plan economic şi mai ales
strict managerial. Acurateţea modelului sau puterea acestuia de a oferi date corecte,
credibile, atunci când este utilizat în condiţii reale, inteligibilitatea modelului sau
caracteristica unui model de a fi relativ simplu şi inteligibil fără discriminări legate
de pregătire, dar şi accesibil, lipsit de ermetism şi dogmatism în aceeaşi măsură,
performanţa unui model sau viteza de construire a lui şi viteza de obţinere a
rezultatului prin aplicarea sa şi pragul de toleranţă la zgomotele din datele
modelului sunt criterii finale de validare relevante pentru practica modelării.
Metodologia privind validarea unui model pe baza datelor existente se
extinde continuu şi relevă preocuparea pentru calitatea modelului econometric. Se
pot enumera ca metode de validare cu conţinut simultan informatic, statistic şi
matematic următoarele: holdout, random subsampling, cross-validation, stratified
sampling, bootstrap etc. Alegerea finală prin competiţie a unui model va urma
criteriul de selecţie einsteinian: „toate modelele trebuie să fie cât mai simple
posibil, dar nu mai simple decât este necesar.”
Valoarea unui model econometric poate fi testată şi prin confruntarea input-
urilor cu output-urile sale. Dacă diferenţa dintre ele este nebanală, modelul are
multe şanse să se dovedească util. Dar această diferenţă substanţială între intrări şi
ieşiri presupune o prelucrare a datelor de intrare cu ajutorul unor metode, concepte,
instrumente şi rezultate evoluate, care nu pot proveni decât din teorii aflate într-o
fază ridicată de maturitate. Astfel de teorii există din abundenţă în matematica
modernă: teoria jocurilor şi deciziei, ecuaţiilor diferenţiale, probabilităţilor,
informaţiei, teoria categoriilor, algebra omologică etc.
În paralel cu dezvoltarea tot mai accentuată a modelării econometrice
tradiţionale a crescut şi volumul criticilor aduse acesteia din partea utilizatorilor.
Conform unor critici îndreptăţite, modelarea econometrică prezintă limitări
esenţiale, pornind de la folosirea unor metode economice simpliste în unele cazuri,
de la imposibilitatea modelului cantitativ de a se încadra într-o teorie sau alta, până
la ecartul ridicat al erorilor de previziune şi simulare ori până la lipsa din modelul
econometric a unor variabile explicative legate de reacţia autorităţilor şi politicile
economice care pot denatura uneori şi pe termen scurt raţionalitatea în economie.
Modelarea econometrică, în accepţiunea sa modernă, prezintă o degradare continuă
în timp a primei forme a modelului, fapt recunoscut prin frecvenţa afirmaţiei “în
afaceri puţine (co)relaţii îşi păstrează în timp precizia matematică iniţială”.
Succesul modelului econometric nu este unul acceptat în unanimitate nici în rândul
economiştilor, respectiv al celor care ar trebui să se bucure de aplicabilitatea lui în
55
cea mai mare măsură. Astfel, Ludwig von Mises ca reprezentant major al şcolii
austriece de economie în a contestat formalizarea prin modelare econometrică a
comportamentului economic. Aceste contestări au contribuit la multiplicarea
disciplinelor economice adăugând recent, economia experimentală, ramură a
economiei care constă în efectuarea de experimente de laborator pentru a testa
micro-modele economice, concurând econometria în evaluarea teoriilor formulate
de economie şi chiar invalidând unele modele validate econometric.
(G) Concluziile şi impactul asupra teoriei existente anterior modelării readuc
în discuţie pragmatismul modelării. Nu trebuie uitat că scopul permanent al
modelării econometrice este reprezentat de găsirea modelului adecvat rezolvării
unei anumite probleme reale din economie. Practic, nu găsirea de modele în sine
este importantă aici, cu toate că şi această activitate are farmecul ei, ci găsirea
acelor modele care se dovedesc a confirma sau infirma teorii, a previziona cu erori
foarte mici, a simula cu un impact sporit decizional.
În concluzie, atunci când se descriu relaţii în cadrul proceselor economice
rezultă modelul economic, baza descrierii fenomenelor economice. În cazurile în
care construcţia teoretică este redată prin relaţii matematice, se ajunge la modelul
matematic al fenomenului analizat. Când modelul este structurat pe decizii privind
testarea unor ipoteze statistice, dominantă devine latura sa statistică. Când modelul
reuneşte toate cele trei caracteristici acesta este deja unul econometric şi are
întotdeauna o finalitate practică, operaţională, devenind instrument de monitorizare
şi experimentare, de simulare şi de previziune a fenomenelor economice.
Proliferarea metodei modelării econometrice în ultima jumătate de secol se explică
prin neutralitatea acesteia, cu sensul de capacitate de a permite studierea unui
fenomen (economic, social, demografic, politic, ecologic) cu metode incompatibile
cu natura acestuia, în timp ce alte metode se dovedesc uneori insuficiente în
încercarea de a explica fenomenul respectiv, de a-i înţelege modul de funcţionare
din interiorul teoriei proprii sau metodologiei de cunoaştere proprii.
Modelul econometric - expresie formală, inductivă a unei legităţi economice
- rămâne un mijloc de cunoaştere a unui obiect vast cum este economia, iar
modelarea econometrică este o metodă care conduce la obţinerea de cunoştinţe sau
informaţii noi privind starea, structura (conexiunile dintre elemente) şi evoluţia
unui sistem economic.
56
Diversitatea tipologică a modelelor rezultă şi din dominanta teoriilor
ştiinţifice pe care le reproduc. Unele modele sunt predominant matematice, la
altele prevalează componenta statistică şi într-o a treia categorie definitorie este
componenta economică.
Intermedierea prin modelare este şi urmarea inaccesibilităţii cercetării
directe. Componentele abstracte ale teoriei nu pot fi reproduse material, nemijlocit,
la fel ca şi fenomenul (procesul) real din care au fost extrase, care rareori permite o
izolare completă necesară investigaţiei 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 mijloacele prin care se
reproduc simplificat obiectele studiate se disting:modele fizice (materiale, tehnice),
modele abstracte (cantitative şi calitative) şi modele hibride. Modelul econometric
este inclus în categoria celor de tip abstract, reprezentând imagini ale obiectului
economic 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) 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
modelele simplifică, descriu 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 obiectului de studiu sau
fenomenului cercetat, modelele econometrice sunt fie normative, fie 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.
57
Numărul factorilor preluaţi din variabilele explicative determinante şi
integraţi în modelul econometric le separă în:
- 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 .
- multifactoriale, unde determinaţia reunită a factorilor explicativi 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 cele explicative ale modelului
din punct de vedere al funcţiei lor matematice ce definesc modelul semnificativ
diferenţiază modelele econometrice în liniare dacă funcţia matematică şi imaginea
grafică descriu o dreaptă şi neliniare când se identifică orice fel de curbă (parabolă,
hiperbolă etc.)
Prin modalitatea de integrare a variabilei timp, în sensul de includere sau nu
în forma finală a modelului, acesta poate deveni static, definită prin dependenţa
variabilei rezultative sau endogene yi faţă de valorile variabilei explicative sau
exogene xi 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 identificat în varianta autoregresivă caracterizată de
prezenţa printre variabilele explicative sau exogene ale variabilei rezultative sau
endogene (yt-k) cu valori decalate: yt = f(xt, yt-k)+ut sau yt = f(xt, yt-k)+εt unde t = 1, n
sau în varianta modelului cu decalaj (lag) unde variabila explicativă xi îşi exercită
influenţa asupra variaţiei variabilei rezultative sau endogene 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 sau nu, respectiv tendinţă şi sezonalitate ori 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
econometrie 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 se grupează şi în funcţie de tipul ecuaţiilor majore conţinute în:
- modele dominant economice şi sociologice specificate matematic prin intermediul
unor ecuaţii de comportament;
- modele dominant matematice şi logice axate pe ecuaţii de definiţie;
- modele care deţin un suport dominant matematic şi economic concretizat în ecuaţii
bilanţiere sau de echilibru;
58
- modele limitative determinate de inegalităţi algebrice (derivate din normative sau
previziuni cu valori limitative).
Modelele econometrice 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 deterministe, probabiliste,
vagi (fuzzy) sau incerte, intuitive sau bazat pe experienţă, indeterministe etc.
Primele două categorii modelele deterministe (descriind cantitativ evoluţia
fenomenelor, determinată numai de variabilele mecanice sau simplu cauzale) şi
cele probabiliste (care conţin variabile perturbatoare, corespunzător efectului
probabil al unor factori necontrolaţi şi al unor variabilele nespecificate) sunt cele
mai importante ca aplicabilitate istorică. Demersul axat pe modelele statistico-
matematice deterministe este recomandat atunci când generează aceleaşi soluţii,
când valorifică aceeaşi teorie economică, când se impun aceleaşi condiţii restrictive
sau limitative şi când există aceleaşi ipoteze şi condiţionări iniţiale. Modelele
econometrice ale gândirii deterministe sunt uşor de folosit atunci când se cunosc
toate datele despre fenomenele şi procesele economice, iar ipotezele considerate se
realizează cu certitudine. Aceste modele econometrice operează cu evenimente
controlabile prin certitudinea lor şi conduc la soluţii predictibile. De aici şi tendinţa
de a idealiza modelele econometrice ale gândirii deterministe şi de a le aplica
eronat în cazul unor fenomene şi procese economice care în majoritatea lor nu sunt
deterministe. Prin idealizare excesivă, modelele deterministe vin în contradicţie cu
rezultatele cercetării empirice, generând o stare contradictorie între cauzal şi
stohastic. Pentru a putea înţelege ce se întâmplă în lumea economică reală este
nevoie de o gândire modelatoare mai flexibilă, gândirea probabilistă, şi derivat
demersul constructiv axat pe modelele statistico-matematice probabiliste care
acceptă dinamismul şi natura întâmplătoare sau haotică a evenimentelor
determinante pentru fenomenele şi procesele derulate în condiţii de incertitudine şi
de incompletitudine a informaţiilor şi chiar ale teoriilor economice. Gândirea
deterministă devine astfel un caz particular al gândirii probabiliste în toate
procesele de modelare econometrică. În multe cazuri practice, se admit ipoteze
probabilistice asupra legăturii dintre variabilele modelului pentru că se recunoaşte
ignoranţa în relaţiile cauzale complete, ceea ce naşte o contradicţie evidentă între
structural şi fenomenologic.
Tipologia modelării coboară sub nivelul claselor la modelare informaţională
şi informatică, procedurală şi conceptuală etc. Clasificarea generată de modalitatea
de expresie a informaţiilor deţinute detaliază următoarele tipuri de 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 (1-5 ani) şi lung (peste 5 ani).
Una dintre cele mai pragmatice clasificări a modelelor econometrice este o
mixtură 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
59
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 modelele plasării sau promovării produselor), precum şi modele euristice sau
modele unde numărul variantelor/alternativelor de decizie fiind uriaş, se apelează
la selectarea finală numai a acelora care satisfac principii bine definite pentru
situaţii neanticipate sau în care nu există nici un model formal încă (pentru
exemplificare se pot detalia câteva tipuri de modele normative de marketing,
privind selectarea unui nou suport de publicitate sau stabilirea preţului unui produs
nou, modele privind determinarea necesarului de depozite etc.).
În concluzie tipologia modelării econometrice privind desfăşurarea unui
anumit fenomen economic, redată schematic sau într-o formă simplificată denumită
model, a permis înţelegerea aspectelor esenţiale şi diversitatea lumii economice,
diversitate care s-a adâncit continuu, prin apariţia de noi parametri, de noi mărimi
statistice sintetizatoare (indicatori speciali, indici, coeficienţi etc) sau printr-o
determinare cât mai precis posibilă a nivelului fenomenului în viitorul apropiat,
prin previziuni, simulări etc. Modelele econometrice se multiplică şi în prezent,
prin detalierea funcţiilor (descriptive, explicative, predictive), prin diversificarea
structurală (iconice, analogice şi simbolice), prin modificări de refereţial temporal
dinamice accelerative, decelerative, alternative sau staţionare) sau pur şi simplu
prin gradul lor de generalitate (generale şi specializate).
Practica economică a oferit şi ea informaţii care au completat descrierea
universului economic, transformat prin modelare econometrică într-un şir de
simboluri statistico-matematice reunite într-o ecuaţie finală descriptivă şi care s-au
dovedit deja a fi modelele clasice în noua ştiinţă numită econometrie. Nicolae
Georgescu-Roegen a subliniat într-un mod relevant dinamica de excepţie a
modelării ca proces de validare a unei teorii economice, rezultat din multiplicarea
modelelor econometrice clasică, prin afirmaţia: „meritul său [al modelului - n.a.]
este de a scoate la lumină erori importante din lucrările unor economişti„
afirmaţie la care se impune o exemplificare semnificativă.
60
dominate de comportamentul consumatorului, ce susţin primatul cererii asupra
ofertei şi analize ale strategiei de piaţă a producătorului, care definesc oferta ca
prioritară şi pun sub un mare semn de întrebare suveranitatea consumului. “Nevoile
individului, deşi spontane, sunt finalmente sub controlul producătorilor” este o
afirmaţie celebră a lui Galbraith J.K., pe termen lung plină de obiectivitate, firmele
producătoare deţinând în permanenţă modalităţi şi mijloace de persuasiune
adecvate. Cererea este conceptualizată şi prin cuantificare, respectiv conexare a
cantităţilor ce se achiziţionează cu sacrificiile impuse de obţinerea lor. Această
optică este una alternativă sau de oportunitate. Cererea individuală sau colectivă,
curentă, periodică sau rară, descrescândă, constantă sau crescândă, de bază sau
complementară, efectivă sau potenţială, fermă sau spontană, parţial sau complet
satisfăcută (nesatisfăcută), internă sau externă, de bunuri intermediare sau finale
reprezintă tot atâtea soluţii ale delimitării conţinutului cererii reale în raport cu
diverse criterii. Strategia producătorului oferă cea mai detaliată tipologie privind
oferta de echilibrare, respectiv după Kotler P. variantele sunt următoarele: cerere
negativă ce impune conversiune, cerere absentă ce conduce la un act inovativ sau la
creaţie, cerere latentă ce se soluţionează prin dezvoltare, cerere în declin ce obligă
la revitalizare, cerere fluctuantă ce constrânge la regularizare, cerere completă ce
pretinde menţinere, cerere excesivă ce sileşte la reducere, cerere indezirabilă ce
trimite la distrugere etc.
În literatura economică apar patru semnificaţii majore ale cererii, respectiv:
volumul total de mărfuri şi servicii cumpărate, categoria de clientelă, zona, spaţiul
sau teritoriul descris geografic şi perioada de timp avută în vedere[23]. Gradul
maxim de precizie semantică se poate atinge prin utilizarea simultană a celor patru
semnificaţii, segmentarea atingând maxima detaliere. Cererea globală reprezintă
relaţia completă între nivelele generale ale preţurilor şi cele ale cantităţilor
solicitate de bunuri de consum şi de investiţii (inclusiv servicii) la dimensiunea
unei pieţe, activităţi, economii locale, regionale, naţionale etc.Factorii independenţi
care influenţează cererea globală producând variaţia acesteia sunt economici
(veniturile, preţurile, investiţiile, oferta etc), demografici (numărul şi structura
populaţiei, statutul ocupaţional, nivelul şcolii absolvite etc), psihologici (înclinaţiile
personale, gusturile, preferinţele etc.), sociologici (moda, mediul social, mobilitatea
socială şi ocupaţională etc.) şi alţi factori (biologici, organizatorici, sezonieri,
conjuncturali, etc.). Cuantificarea influenţei diferiţilor factori asupra cererii se
realizează prin metode statistice urmărind formularea matematică a legăturii cu
ajutorul corelaţiei simple sau multiple (liniară sau neliniară). Corelaţia poate fi
sincronă sau asincronă (cu decalaj) după cum influenţa factorilor este concomitentă
şi în avans sau în devans. În esenţă toţi factorii, exceptând venitul şi preţul,
determină tipologia specifică a cererii, dar nu cuantifică nemijlocit volumul şi
semnificativ variaţia cererii solvabile. În condiţii statistice de comparabilitate
asigurate (timp, spaţiu, structură şi organizare), dar şi de izolare a celorlalţi factori
cu o determinaţie ceva mai redusă în variaţia cererii, factori ce figurează în lista
celor ce configurează comportamentul consumatorului, volumul cererii este
determinat de veniturile (câştigurile salariale, pensiile, ajutoarele de şomaj etc) şi
preţurile existente. Volumul cererii (Cji ) pentru un anumit produs-într-un sortiment
dat şi în condiţii statistice unitare asigurate-este o funcţie matematică a doi
factori: nivelul venitului populaţiei (vj) şi a preţului produsului (pi): Cji = f (vj , pi),
61
unde: i = 1, n şi j = 1, m . Dacă se iau în calcul preţurile tuturor celor “n” produse,
care există pe piaţă la un moment dat, atunci: Cji = f (vj,pi1,pi2,...,pin). Funcţia cererii
este dependentă atât de nivelul venitului cât şi de preţurile celor “n” produse. În
acest caz se studiază efectul variaţiei preţurilor diverselor produse asupra cererii
produsului “i”. Dacă se iau în calcul toate cele “m” tipuri de venituri şi preţul
produsului, atunci: Cji = f (vj1,vj2,...,vjm; pi), funcţia cererii este dependentă atât de
nivelul preţului produsului, cât şi de toate cele “m” tipuri de venituri existente. În
acest caz se cercetează efectul variaţiei tipurilor veniturilor (salarii, pensii, ajutor
social, alocaţie de sprijin etc) sau diverselor nivele ale aceluiaşi tip de venit (al
aceleiaşi categorii de statut ocupaţional: salariat, şomer, pensionar, copil). Dacă se
iau în calcul simultan “m” venituri şi “n” produse se poate ajunge la o funcţie
matematică a cererii globale (Cji). Volumul cererii globale (Cji) pentru cele toate
“n” produse şi respectiv “m” venituri - în condiţii de dublă stabilitate atât a
structurii sortimentale cât şi a deţinătorilor de venituri - este o funcţie matematică
atât a nivelelor de venituri ale populaţiei (vjm ), unde j = 1, m cât şi a nivelurilor de
preţ ale produselor (pin), unde i = 1, n : Cji = f (vjm,pin), cu i = 1, n şi j = 1, m .
Variaţia cererii a fost urmărită atât prin funcţii liniare cât şi prin cele
neliniare. Exemplificând prin studiul relaţiei venit-cerere sau preţ-cerere, funcţiile
matematice au o formă liniară (c = a + bv sau c = a + bp) sau neliniară de tip
parabolic (c = avbsau c = apb), logaritmic (ln c = α + βv sau log c = α + βp),
semilogaritmic (c = α + β logv sau c = α + β logp) etc.
Cererea globală constituită din nevoile globale solvabilizate în funcţie de
preferinţele globale, prin intermediul puterii de cumpărare globale acţionează în
condiţii de abundenţă, echilibru relativ sau penurie. Exprimarea funcţiei cererii
globale conduce la o funcţie cu mult mai multe variabile. Exemplificând prin
principalele variabile explicative (factori independenţi), cererea globală a luat o
formă generală descrisă astfel: C = f (v, vt/t-1, p, pt/t-1, π, s, ϕ, γ), unde: v = venituri
şi vt/t-1 = modificarea veniturilor, p = preţuri şi pt/t-1 = modificarea preţurilor, π =
populaţia (factorul sau multiplicatorul de bază al cererii), s = inventarul sau stocul
de bunuri aflat asupra populaţiei (bunuri de folosinţă îndelungată, îmbrăcăminte,
stocuri de alimente etc), ϕ = factori financiari (vânzările speciale “pe credit”,
economiile etc), γ = gusturile şi preferinţele consumatorilor (populaţiei).
Pe termen scurt (sub 1 an) şi mediu (1-5 ani) ecuaţia cererii globale a fost
redusă la elementele venit, preţ şi populaţie: C = f(v,p,π). La nivel macroeconomic,
reunificarea studiilor privind analiza cererii a constituit mai mult decât o simplă
agregare, respectiv stabilirea unor relaţii funcţionale între cererea globală şi
evoluţia veniturilor globale.
Teoria keynesiană a cererii globale a introdus noi elemente de echilibrare
profundă a evoluţiei economiei şi a subliniat astfel lipsa de proporţionalitate a
creşterii cererii globale în raport cu creşterea venitului global (nivelul global al
preţurilor fiind implicat în asigurarea comparabilităţii veniturilor) ceea ce a separat
lumea cererii în două componente: cererea de bunuri de consum şi cererea de
bunuri de capital (echipamente), multiplicatorul de investiţii devenind un factor
important al modelărilor cererii globale. Modelul econometric keynesian a fost şi el
infirmat pe termen lung de studiul lui Kuznets S., privind Produsul naţional de la
1869, ce analiza procesul de creştere economică a economiei de piaţă americane.
62
Includerea acţiunii unor factori consideraţi secundari pe termen lung, cum sunt
variaţia preţurilor relative, rata de interes, repartiţia veniturilor, nivelul avuţiei,
structura patrimoniului în ceea ce priveşte existenţa lichidităţilor a modificat major
modelul econometric al cererii globale. În analiza cererii globale s-au întrepătruns
modele clasice axate pe o suită de funcţii matematice, expresii convingătoare ale
dinamicii modelului econometric prin introspecţie şi multiplicare:
• 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.)
• 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)
• modele pluriecuaţionale (Friedman M.)
v ' = v p + v t unde: “xp” = componenta permanentă rezultată din
' cauze curente; “xt”= componenta tranzitorie rezultată
c = c p + c t din cauze imprevizibile, iar: g = gustul, preferinţele,
i = rata de interes (dobânda), p =nivelul patrimoniului
c p = k(g, i, p)v p
• modele periodice (Fischer G.H.) unde:vt=Cheltuielit+α(1+β)vt-1-αβvt-2,
unde:Cheltuielit = cheltuieli guvernamentale la timpul t; α = rata marginală a
consumului şi β = accelerator etc.
Simplǎ sau multiplǎ, parţialǎ sau totalǎ, directǎ sau inversǎ, instantanee sau
diacronicǎ, realǎ sau virtuală, certǎ sau aleatoare, elasticitatea a devenit în
limbajul obişnuit sinonimǎ cu sensibilitatea, supleţea posibilitatea de adaptare,
marja disponibilǎ pentru acţiunile spontane sau dirijate. Gândirea statisticǎ a
identificat elasticitatea cu un instrument de mǎsurǎ, iar la limitǎ cu o
caracteristicǎ sau cu un parametru reflectat într-un coeficient. Sensul major
statistic al elasticitǎţii a oscilat astfel între raport şi mǎsurǎ. Acest concept este
definit succesiv şi succint de către Derycke P.H., ca un raport de variaţii relative
ce prezintǎ modificarea unei variabile economice (venitul sau preţul) ca o acţiune
concomitentǎ sau anterioarǎ a altei variabile economice (cantitatea). Tinbergen J.
a redefinit prin gândire econometrică elasticitatea drept mǎsurǎ a mobilitǎţii
absolute şi relative a unui fenomen prin raportare la un altul cu care se aflǎ în
legǎturǎ naturalǎ. Elasticitatea în gândirea economică, nǎscutǎ din noţiuni ca
proporţionalitate /neproporţionalitate aflate într-o antimonie perpetuǎ, devine un
concept operaţional în formulǎrile clasice, fiind intuitǎ de Cournot A.-A. încă din
1838 şi autentificatǎ instrumental de Marshall A. în 1885, prin intermediul
coeficientului de elasticitate. Prin semnificaţia sa generalizată, elasticitatea a
exprimat sensibilitatea, flexibilitatea, reactivitatea unei variabile rezultative sau
dependente (cererea) faţǎ 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).
O altă direcţie ce atestă profunzimea introspecţiei modelării econometrice şi
multiplicarea instrumentală o constituie coeficientul de elasticitate.
63
Caseta nr. 2.7
Coeficientul de elasticitate se referǎ, restricitv, la elasticitatea calculatǎ într-un punct
sau într-o porţiune a curbei funcţiei de elasticitate y=f(x). Elasticitatea este, în general,
un fenomen de nonechivalenţă între modificările relative a două variabile: rezultativă
(y) şi explicativă (x). Nonechivalenţa este exprimată prin modalitatea de determinare a
unui coeficient de elasticitate diferit de |±1|. Determinarea lui este relativ simplă.
∆y ∆x ∆y ∆x
Cum ∆y / y ≠ ∆x / x ,atunci = λ (y / x ) × , de unde: λ ( y / x ) = : .
y x y x
Coeficientul de elasticitate măsoară raportul dintre variaţia variabilei 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 se valorifică preţul şi venitul în calitate de 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:.
∆c ∆p ∆c ∆v
Varianta 1: λ ( c / p ) = c : p şi λ
( c / v )= :
c v (unde: ∆p → 0 şi ∆v → 0 )
dc c dc c ∆c c ∆c c
Varianta 2: λ
( c/p )= dp : p şi λ
( c/ v )= dv : v sau λ
( c/p )= ∆p : p şi λ
( c/ v )= ∆v : v .
(unde: ∆p → 0 şi ∆v → 0 )
d ( log c ) dc dp dc p dc p
Varianta 3: λ (unde: dp → 0 ) şi
( c / p ) = d ( log p ) = c : p = c ⋅ dp = dp ⋅ c
d ( log c ) dc dv dc v dc v
λ (c / v) = = : = ⋅ = ⋅ (unde: dv → 0 )
d ( log v ) c v c dv dv c
Prin teoria seriilor cronologice, relaţia de calcul a coeficientului de elasticitate se
transformă în: λ y x respectiv devine un raport de ritmuri[22].
=R
( y/ x ) ( % ) ( % )
/R
64
de date conduce la concluzia că şi trendul importului va fi unul de tip ascendent,
importul de aparate frigorifice ecologice pe aceeaşi piaţa a regiunii Y urmând să
crească cu 25,0%. În condiţiile în care studii privind predicţia referitoare la
cererea europeană de bunuri de folosinţă îndelungată identifică o creştere între
2010 şi 2011 cu aproximativ 15,0 %, o cercetare atentă de birou efectuată asupra
pieţei specifice, estimează o tendinţă de majorare a cererii de aparate frigorifice
ecologice în aceeaşi perioadă cu 21,0%. Care sunt implicaţiile decizionale
rezultate din informaţiile prezentate?
Modelul statistico-matematic de cercetare şi decizie bazat pe metoda coeficientului
de elasticitate permite o detaliere promptă şi mai ales destul de simplă a analizei:
∆y ∆ x y1 − y0 x1 − x0 R y 5,6−4,0
E= : = : = =1,6 unde:Rx=25,0% şi Ry= x100= 40%
y0 x0 y0 x0 Rx 4,0
La fiecare procent de creştere a cererii de aparate frigorifice ecologice pe piaţa
europeană oferta firmei specializate răspunde cu 1,6%,iar ∆ =y1-y2=5,6-4,0=1,6
milioane €. Din informaţiile studiului se disting trei ritmuri de creştere a cererii:
R
I. R1=15,0% × ∆∗Y iar ∆ Y = y0 1 , respectiv efectul absorbţiei generale a pieţei
∗
100
∗
europene asupra activităţii societăţii ( ∆ y = 4,0×0,15 = 0,6 milioane €). Sub
impactul creşterii generale a cererii europene, exportul firmei ar putea creşte
(ipotetic) la 4,0+0,6=4,6 milioane €, suma de 0,6 milioane €, exprimând efectul de
absorbţie al pieţei europene Y.
R2
II. R 2 =21,0% × ∆∗∗
y = y0 × , respectiv efectul absorbţiei exportului firmei ca
100
∗∗ 21
urmare a specializării în aparate frigorifice ( ∆y = 4,0× = 0,84milioane €).Sub
100
impactul pozitiv al specializării în producţia de aparate frigorifice ( ∆∗∗ 〉 0),
exportul firmei ar putea creşte (ipotetic) la 4,0+0,84=4,84 milioane €.
R3
III. R 3 =25,0 % × ∆∗∗∗
y =y 0 = 4, 0 × 0, 25 = 1 milion €. Acest 1 milion € este
100
expresia efectului atracţiei pentru exportul de aparate frigorifice ecologice pe piaţa
regiunii „Y”(orientarea geografică este bună ∆∗∗∗ ∗∗
y 〉∆ y )
65
procentul cu care se modifică cererea, atunci când are loc o variaţie de un procent a
venitului (transcrierea este precedată de “plus”).Într-un mod sintetic, tabelul
următor prezintă elasticitatea cererii şi domeniile limită ale coeficientului specific
pentru variabilele explicative preţ şi venit.
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 bunului y. Formula de calcul se modifică succesiv şi devine:
∆q x q x ∆q x p y ∆q x ∆p y sau λ = R q x : R py
λ
=
q x /p y
: =
∆p y p y
×
∆p y
=
qx
:
qx py
(q x / p y )
I. 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).
II. Dacă λ < 0 , atunci se diminuează cererea pentru x, ca urmare a majorării
preţului lui y, produsele fiind complementare sau solidare (autoturism şi benzina,
DVD player şi DVD-uri).
III. Dacă λ < 0 , produsele sunt independente (situaţie de inelasticitate).
Un al doilea exemplu concret redefineşte practic afirmaţiile teoretice anterioare.
O firmă specializată în producţia şi vânzarea de carne proaspătă (x) şi de
preparate din carne (y) constatând că informaţiile oferite de ancheta bugetelor de
familie permit compararea celor două categorii de produse prin studii de birou,
bazate pe modelul statistico-matematic clasic de analiză al coeficienţilor de
elasticitate transversali. Ritmurile de creştere publicate, pentru cererea cantitativă
a celor două tipuri de produse au fost de 10,2% şi 8,2%,iar ritmurile de creştere a
preţurilor conform indicelui preţurilor produselor industriale specifice de 6,64% şi
11,54%. Evaluaţi care ar putea fi impactul relaţiei generale existente între preţuri
şi cantităţi prin compararea cu programul livrărilor în etapa următoare utilizând
modelul elementar al coeficienţilor transversali (pornind de la datele programului
de vânzări al firmei, unde sunt prevăzute creşteri cantitative de 20 % şi respectiv
diminuări de 10 %, pentru primul trimestru, iar limitele de creştere a preţurilor de
livrare prevăzute pentru negocieri sunt de 140% şi 130%). Menţionăm că firma
deţine prima poziţie în piaţa internă.
Prima constatare este aceea a rivalităţii produselor pe piaţa internă, conform valorii
coeficienţilor de elasticitate transversală determinaţi pentru x şi y:
λ = R qx : R py =10,2:11,54=0,884 şi λ = R qy : R px =8,2:6,64= 1,235.
(q x / p y ) (q y / px )
66
Valoarea de 0,884 arată o creştere a cererii pentru x, datorită majorării preţului lui
y, produsele fiind rivale sau substituibile. Faptul este confirmat şi de valoarea 1,235
cu precizarea că cererea lui y, este mai mare în cazul majorării preţului lui x.
Pornind de la datele din programul firmei coeficienţii de elasticitate transversală
sunt: λ = R qx : R py =20/30=0,67 şi λ = R qy : R px = - 10/40= - 0,25.
(q x / p y ) (q y / px )
Programul de vânzări trebuie refăcut, altfel va fi complet infirmat de piaţă. De
altfel cele două categorii de produse conform programului au un caracter
contradictoriu prin valorile determinate ale coeficienţilor. Esenţial este însă să se
stabilească variabila explicativă ce nu se va modifica substanţial. În ipoteza că
aceasta ar fi cantitatea programată a fi produsă conform contract şi negocierile de
preţ nu sunt încă definitivate, atunci noile limite de creşteri sau diminuări de preţuri
qx
sunt: px R qy = - 10:1,235= - 8,1% şi R py = R = 20:0,884 = 22,6 %.
R =
λ λ
q y/px q x /py
67
calitatea bunului sau serviciului, venitul real sau raportul între venit şi preţ,
asigurarea minimală a nevoilor reale, nivelul cultural, informaţional economic
(asimetria informaţională a pieţei), norma de onestitate a pieţei, timpul analizei etc.
Modelarea econometrică bazată pe coeficienţii de elasticitate, deşi considerată
clasică, este departe de a se considera încheiată, modele pot explica şi multe alte
fenomene economice complexe.
O modelare econometrică, simplă, diversă şi multiplicatoare prin sensuri şi
concluzii valorifică modelele de elasticitate ale diferitelor tipuri de venituri, pentru
a identifica, grada şi ierarhiza senzitivitatea ridicată a veniturilor bugetare la
evoluţia Produsului Intern Brut, fie că se referă la impozitele directe, indirecte sau
la impozitul pe profit asigurând o înţelegere a universului fiscalităţii în România, în
perioada 1992-2006. Modelarea econometrică a influenţei evoluţiei PIB asupra
veniturilor obţinute din impozitele pe venituri şi salarii identifică o sensibilitate mai
scăzută a acestora la dinamica PIB, în timp ce influenţa modelată a evoluţiei PIB
asupra veniturilor bugetare totale, indirecte şi pe profit subliniază o sensibilitate
generală mult mai ridicată[24]:
Tabel nr. 2.3
Descrierea succintă a modelului econometric utilizat pe seria de date Senzitivitate
disponibile în anuarele statistice ale României (1992-2006) (elasticitate)
Modelul elasticităţii impozitului pe profit în funcţie de PIB β *=1,36
ln IP = α +βPIB + ε
Modelul elasticităţii impozitelor directe în funcţie de PIB β *=1,25
ln ID = α +βPIB + ε
Modelul elasticităţii impozitelor indirecte în funcţie de PIB β *=1,46
ln II = α +βPIB + ε
Modelul elasticităţii impozitelor pe venit în funcţie de PIB β *=0,91
ln ISV = α +βPIB + ε
Modelul elasticităţii veniturilor bugetare în funcţie de PIB β *=1,44
ln VTB = α +βPIB + ε
Modelul elasticităţii veniturilor din impozite indirecte în funcţie de β *=1,17
veniturile din impozitele directe ln II = α +βln ID + ε
O realitate economică sintetizată în fiscalitatea contemporană poate fi riguros
fundamentată în vederea previziunii şi estimării cu impact decizional şi de politică
fiscală, modelată cu ajutorul clasicului model al coeficientului de elasticitate (β).
La fel de captivante, detaliate şi variate sunt multe alte modele econometrice
clasice, de la modelele de schimb pentru comerţul internaţional, la modelele de
echilibru economic general (de la von Neumann, J. la cele ale lui Arrow–Debrew şi
Mc’Kenzie), de la modelul optimului economic (Horovitz, M.), până la modelul
macroeconometric axat pe Sistemul Conturilor Naţionale (Klein, L.) etc.
La rândul lui, fiecare tip de model se multiplică prin validare, aplicare şi
întreţinere în timp în spaţiu şi structural. Spre exemplificare, modelul economic al
echilibrului general dezvoltă diverse formule de modelare, în funcţie de accentul
caracteristic pus pe egalitatea dintre economii şi investiţii (celebra ecuaţie
keynesiană: E=I), pe realizarea echilibrului în urma schimbării structurilor
(Schumpeter, J.), pe echilibrul impus de firma dominantă, care ia macrodecizii,
generând căi de dezechilibrare (Perroux, F.), dar şi în raport cu parţializarea sa într-
un anumit susbsistem şi sintetizează situaţia unor pieţe specifice (piaţa bunurilor şi
serviciilor, piaţa monetară, piaţa muncii etc.) sau a unor activităţi bine delimitate
68
(activităţi de producţie industrială, agricolă etc.) în care confruntarea ofertei şi a
cererii a determinat simultan evoluţii ale factorilor dominanţi (preţ, cantitate,
resurse, număr consumatori, comportament de consum etc.)
69
economie naţională [26]. În economia de piaţă unde prevalează schimbul, priorităţile
sunt generate de raportul cerere-ofertă şi rezultatele sunt formarea, nivelul şi dinamica
preţurilor. SCN prezintă predecesori încă din prima jumătate a secolului al XVIII-lea,
în tabloul economic al lui Quesnay, dominat de ideea de coerenţă, simplificare şi
comparabilitate a informaţiilor economice, la nivel naţional. În anul 1947, Richard
Stone, în baza rezultatelor cercetărilor întreprinse sub egida Societăţii Naţiunilor Unite,
defineşte şi descrie cuantificarea Venitul naţional şi a totalurilor legate de acesta. Un
prim sistem standardizat de conturi naţionale a fost publicat prima dată în 1952, iar
varianta operaţională actuală datează din 1993 şi armonizează SCN cu balanţa de plăţi
externe, statistica financiară a statului, statistica monetară şi bancară, cu clasificarea
internaţională standard ONU şi cu metodologia în domeniul forţei de muncă elaborate
de Biroul Internaţional al Muncii. În paralel, Comunitatea Economică Europeană a
renunţat la Sistemul simplificat de contabilitate naţională şi a creat o versiune
comunitară a SCN (SEC-Sistemul European de Conturi) reglementată la începutul lui
1996 (abreviată SEC 1995). Principalii indicatori de rezultate macroeconomice sunt:
Tabel nr. 2.4
Indicatorii cu caracter brut Indicatorii cu caracter net
Produsul Intern Brut - PIB Produsul Intern Net - PIN
(Gross Domestic Product - GDP) (Net Domestic Product - NDP)
Produsul Naţional Brut - PNB Produsul Naţional Net - PNN
(Gross National Product - GNP) (Net National Product - NNP)
La interfaţa dintre subiectele economice, veniturile unora nu sunt altceva decât
cheltuielile altora ceea ce egalizează producţia finală cu suma veniturilor realizate şi cu
suma cheltuielilor pentru cumpărarea bunurilor şi serviciilor. Caracterul estimativ al
indicatorilor îşi găseşte explicaţia în metodele diferite, în sursele de date statistice
variate, în diversele tehnici de prelucrare. O analiză paralelă a metodelor de calcul
subliniază specificitatea lor, aşa cum transpare din tabelul sintetic următor:
Tabel nr. 2.5
Metode în SCN (obiectul agregărilor Indicatori macroeconomici – Mod de calcul
şi localizarea subiectelor economice)
I. Metoda de producţie Produs global brut PGB=∑Bunuri şi servicii
-fluxurile reale de bunuri şi servicii Produs intern brut la preţurile pieţei
-subiectele economice din sfera de PIBpp=∑VABpp sau PIBpp=PGB - CI
producere a valorii adăugate brute PIBpp=∑VABpf +(IP+TV) - Sv, unde:
(VAB) IIN=impozitele indirecte nete, IP = impozite
pe produs, TV = taxe vamale, Sv = subvenţii
Produs intern net la preţurile pieţei
PINPP = PIBpp - A, unde A= amortizarea
II.Metoda de consum Produs intern brut la preţurile pieţei
-fluxurile reale de mărfuri şi servicii CF= consum final (privat şi public)
nefinanciare FBCF=formarea brută de capital fix
-subiectele economice din sfera ∆S = variaţia stocurilor şi (X - M)=export net
distribuţiei PIBpp= CF + FBCF + ∆S + (X-M)
Produs naţional net la preţurile pieţei
PNNpp = PINpp + ∆VFS, unde: ∆VFS=soldul
veniturilor factorilor în raport cu străinătatea
III.Metoda veniturilor Produs intern brut la preţurile pieţei
-fluxurile financiare PIBpp=CFM+ENE+A+IIN, unde:CFM = com-
-factorii de producţie recompensaţi în pensarea forţei de muncă şi ENE=excedent net
70
sfera repartiţiei de exploatare şi IIN=impozitele indirecte nete
Produs intern net la preţurile pieţei
PINPP = CFM+ENE+IIN
IV.Metoda cheltuielilor Produs intern brut la preţurile pieţei
-fluxurile financiare (cheltuieli sau PIBpp=Cpr+EN+ID+IIN+A, (unde Cpr=cheltuieli
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 agregate macroeconomice, cum sunt formarea brută de capital
(fix), venitului disponibil, economii etc., utili în modelările macroeconometrice
Metodele cel mai frecvent utilizate şi publicate, atât în România cât şi în U.E.
pentru estimarea PIB-ului rămân metoda de producţie şi metoda de consum.
I. Metoda de producţie: PIBpp = ∑VABpf + (IP + TV) - Sv
Datele privind valorile macroagregatelor sunt extrase din colecţia Anuarul statistic
al României, Ed.INS, Bucureşti,1991-2008 şi prezentate după metoda de producţie:
Tabel nr. 2.6
Anul PIBpp ∑VABpf IP TV Sv
- miliarde lei (ROL) preţuri curente -
1990 857,9 788,1 102,0 1,6 -33,8
1991 2203,9 2066,1 193,2 24,7 -80,1
1992 6029,2 5915,2 484,8 86,9 -457,7
1993 20035,7 18579,2 1857,5 303,5 -704,5
1994 49773,2 45954,7 3848,2 648,9 -678,6
1995 72135,5 66598,5 5579,4 1189,0 -1231,4
1996 108919,6 101854,2 7458,7 1852,3 -2245,6
1997 252925,7 232817,6 18569,1 3808,2 -2269,2
1998* 373798,2 331547,6 39806,6 5859,4 -3415,4
1999 545730,2 480475,1 61605,7 7242,5 -3593,1
- milioane lei (RON) preţuri curente -
2000 80377,3 71132,5 8806,3 905,2 -466,7
2001 116768,7 104283,7 12185,8 903,8 -604,6
2002 151475,1 135619,2 15769,5 936,1 -849,7
2003 197564,8 175401,8 22072,0 1329,7 -1238,7
2004 246468,8 219975,9 26278,2 1632,5 -1417,8
2005 288047,8 254388,8 33715,5 2033,4 -2089,9
2006 344535,5 304154,7 39506,9 2443,4 -1569,5
2007 404708,8 359601,2 45107,6 ** -**
2008 503958,7 449868,9 54089,8 ** -**
*Din anul 1998 s-a aplicat metodologia SEC 1995 (anterior metodologia SEC 1979);
** date provizorii/semidefinitive - Buletin statistic lunar nr.1 /2008 şi 1/2009 INS, Bucureşti.
II. Metoda de consum: PIBpp= CF + FBCF + ∆S + (X-M)
Componentele PIB după metoda consumului sunt următoarele:
Tabel nr. 2.7
Anul PIBpp CF FBCF ∆S (X-M)
- miliarde lei (ROL) preţuri curente -
1990 857,9 679,5 169,8 89,7 -81,1
1991 2203,9 1672,5 317,0 301,1 -86,7
71
1992 6029,2 4642,5 1156,8 736,7 -506,8
1993 20035,7 15235,8 3583,7 2212,2 -996,0
1994 49773,2 38452,4 10095,7 2252,6 -1027,5
1995 72135,5 58662,4 15424,9 2085,1 -4036,9
1996 108919,6 89939,4 24998,5 3161,4 -9179,7
1997 252925,7 218619,8 53540,1 -1368,7 -17865,5
1998* 373798,2 337468,6 67919,9 -1586,4 -30003,9
1999 545730,2 484361,5 96630,4 -8889,9 -26371,8
- milioane lei (RON) preţuri curente -
2000 80377,3 69253,3 15194,7 454,4 -4525,1
2001 116768,7 99473,7 24115,4 2229,5 -9049,9
2002 151475,1 127269,2 32283,6 556,1 -8633,8
2003 197564,8 169233,4 42293,0 873,8 -14835,4
2004 246468,8 210155,4 53850,3 4792,6 -22329,5
2005 288047,8 252431,8 66503,8 -1096,3 -29791,5
2006 344535,5 294752,7 88272,0 3013,6 -41502,8
2007 404708,8 342785,5 123299,1 -3545,7 -57830,1
2008 503958,7 409226,7 167941,6 -9660,4 -63549,2
*Din anul 1998 s-a aplicat metodologia SEC 1995 (anterior metodologia SEC 1979); ** date
provizorii/semidefinitive-Buletin statistic lunar nr.1 /2008 şi 1/2009 INS, Bucureşti.
Anul
Ritmul
-12,9
- 4,8
- 5,6
- 8,8
- 7,6
-6,1
-1,2
IPIB real
1,5
3,9
7,1
3,9
2,1
5,7
5,1
5,2
8,5
4,2
7,9
6,2
7,1
(%)
Surse: Anuarul statistic al României, 1990–2008 şi Buletin statistic lunar, nr.1/2009,INS,Bucureşti
72
Evoluţia ciclică a economiei naţionale după anul 1990
Grafic nr.2.1
15
10
5
0
-5
-10
-15
-20
-25
-30
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
Sursa: Principalii indicatori statistici privind dezvoltarea economico-socială, Conferinţa INS, 2009
Principiile alcătuirii unor sisteme de indicatori statistici care să fie capabili să
sintetizeze cu uşurinţă fenomenele economice majore, 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 de împrejurări, situaţii influenţând
pozitiv sau negativ o economie) 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 cele minime, cunoscut sub denumirea de indice
de coeziune se obţine pentagonul magic.[27] Se pot enumera şi alţi indicatori
alternativi grupaţi în cadrul a cinci clase (domenii), oferind informaţii despre
principalele fenomene şi echilibre economice, ce delimitează pentagonul magic.
Figura nr. 2.3.
73
Întreprinzătorul contemporan, preocupat de un management fundamentat pe
modele microeconometrice sau omul de afaceri abil fac apel în procesul decizional
în condiţii de risc şi incertitudine, dar şi din lipsă de resurse (timp şi bani pentru
propriile cercetări) la indicatori vectoriali cu calităţi de senzori (indicatori
reprezentativi) pentru a stabili cu aproximaţie starea actuală şi perspectivele,
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 diverşi alţi indici specializaţi), în raport cu declinul economic
(numărul de falimente, dinamica arieratelor, stocurilor, productivităţii, veniturilor
şi câştigurilor orare, evoluţia conflictelor sociale de orice natură şi a grevelor etc.)
Indicatorii pe termen scurt concentrează fenomene şi devin astfel factori ai
modelului microeconometric curent decizional, al realizării, evaluării, prognozării
principalelor fenomene printr-un un set minimal, dar şi funcţional 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 investiţii)
aproximând profitabilitatea prin excedentul brut de exploatare;
5. aproximarea profitabilităţii se realizează prin evidenţierea indicatorilor: 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 şi descris în continuare:
Tabel nr. 2.8
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 ∆S
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
74
Prin intermediul contului de producţie se determină indicatorii valorici de rezultate.
Producţia brută a firmei (PBi), cuprinde bunurile şi serviciile vândute altor firme şi
pe acelea care au rămas în stoc, care au contribuit la creşterea capitalului firmei:
PBi=Vzi+∆Si+BCPPi sau PBi=CIi+Ai+(II-Sv)i+RMi+Di+Ri+Pri.
Valoarea adăugată brută a firmei (VABi) reprezintă valoarea brută a bunurilor şi
serviciilor finale produse într-o perioadă de timp. Se exprimă la preţul pieţei când
se includ impozitele indirecte nete şi la preţul factorilor când nu se includ aceleaşi
impozite.Se pot utiliza metoda producţiei ∪VABpp=PBi-CIi şi metoda veniturilor
∪ VABpp = Ai+(II-Sv)i+RMi+Di+Ri+Pri.
Valoarea adăugată netă la preţul factorilor (VANpf) exprimă valoarea nou creată
de către firmă în perioada de calcul la preţul factorilor: VANpf =VABpp-Ai-(II-v)i.
Excedentul brut de exploatare al firmei la preţul factorilor (EBEpfi) este un
indicator al cărui conţinut exprimă ceea ce rămâne la dispoziţia firmei după ce se
elimină din valoarea adăugată brută, impozitele indirecte şi elementele care
reprezintă remunerarea muncii: EBEpfi = VABpp-RMi-(II-Sv)i.
Excedentul net de exploatare al firmei la preţul factorilor (ENEpfi) anticipează
profitul întreprinzătorului, fiind un indicator preferat al statisticilor europene
conjuncturale pe şi termen scurt: ENEpfi = EBEi-Ai
La nivel macro şi microeconomic, conceptul de resurse umane se exprimă
prin populaţia ocupată şi sintetic, mai ales, prin forţa de muncă. Pentru analiza
statistică a volumului forţei de muncă la nivelul firmei se utilizează indicatorul
numărul salariaţilor, în variantele sale de efectiv al salariaţilor (reprezentând
numărul total de angajaţi existent la un anumit moment - indicator de stoc) şi de
număr mediu al salariaţilor (calculat ca o medie, respectiv ca valoare mai puţin
volatilă - indicator de flux). Productivitatea sau eficienţa sunt cazuri particulare ale
eficienţei ca relaţie directă, respectiv inversă, între efecte şi eforturi.
Determinarea eficienţei activităţii în economie
Tabel nr. 2.9
Metoda directă (Efect / Efort) Metoda indirectă (Efort / Efect)
Efect E1 E2 … En Efort C1j C2j … Cnj
Efort Efect
C1j E1
C2j, E2 ,
… e = (En / Cnj)x 100 … e = (Cnj / En )x 100
Cnj En
75
CAi
1. cota de piaţă globală: Cp = ×100 , unde CAi este cifra de afaceri a
i ∑ CA
i
firmei analizate, iar ΣCAi descrie cifra de afaceri a tuturor firmelor prezente pe
piaţă
2. relativă (CAi firma X : CAi firma Y) x 100, unde CAi firma X este cifra de
afaceri a firmei analizate, iar CAi firma Y defineşte cifra de afaceri a concurentului
cel mai important (lider, colider, outsider, specialist etc.).
3.specifică (CAi firma X : ΣCAi sector specific) x 100, unde CAi firma X este cifra
de afaceri a firmei analizate, iar ΣCAi sector specific delimitează cifra de afaceri a
tuturor firmelor existente în sectorul analizat al pieţei.
Indicii raportului de schimb fac posibilă analiza activităţii de comercializare
externă şi traduc astfel starea echilibrului extern al economiei naţionale sau al unei
firme moderne, implicate în procesele de internaţionalizare a producţiei, simultan
importatoare şi exportatoare în cadrul aceleiaşi perioade de timp:
Caseta nr.2.9
Premisele teoretice ale determinării indicilor raportului de schimb sunt următoarele:
- fluxurile de export şi import au efecte economice şi financiare opuse;
- fiecare flux poate fi analizat atât distinct, cât şi combinat ca sold (∆= X-M), unde X şi
M = volumul activităţii de export, respectiv import.
- fluxurile pot fi evaluate simultan şi prin indicatorul relativ specific denumit grad de
acoperire a importurilor prin exporturi [GA = (X/M )x100];
- fluxurile pot fi analizate distinct, dar dinamic prin intermediul indicilor valorii, ai
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 analizat 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 (∆), iar în raport cu
valoarea atinsă de cei doi indicatori se disting trei situaţii semnificative:
• ∆ < 0 sau balanţa deficitară (sold pasiv sau deficitar) ⇔ X < M,
• ∆ = 0 sau balanţa echilibrată (fără sold) ⇔ X = M,
• ∆ > 0 sau balanţa excedentară(sold activ sau excedentar)⇔ X > M.
Pentru aprecierea rolului activităţii de comercializare externă, în rezultatul finale brut al
economiei se calculează raportul (∆:PIB) sau în cel al firmei (∆:CA) ori (∆:VAB).
Raportul între soldul balanţei comerciale şi rezultat relevă contribuţia comercializării
externe finale în expresie procentuală.
- 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;
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
76
de calcul a indicelui valorii unitare este aceea a unui indice construit ca o medie
armonică (un indice Paasche):
Ip =
∑ v1 = ∑ p1q1 = I .V .U .
∑ i p ⋅ v1 ∑ p0 q1
1
77
∆RSN = ∆ Xp − ∆ Mp , ∆ Xp = ∑ p1X q1X − ∑ p0X q1X , ∆ Mp = ∑ p1M q1M − ∑ p0M q1M
• indicele puterii de cumpărare a exporturilor (IPC „X”)
I Xp I Xv
IP C " X " = IR S N × I Xq = × I q
X = = I Mq " O B T E N A B IL E "
I Mq I Mp
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).
Sistemul indicilor raportului de schimb constituie un subsistem în care se
intersectează abordarea economică macro, cu aceea micro, economia clasică şi
financiară etc.Macroeconomia financiară îşi are propriile instrumente, concepte,
principii, legi, reguli de funcţionare a căror cunoaştere sau aprofundare este
posibilă şi prin intermediul sistemului de indicatori statistici macrofinanciari, ale
cărui subsisteme sunt: subsistemul indicatorilor financiari ai bugetului de stat, ai
activităţilor privind asigurările de viaţǎ şi de bunuri, ai pieţelor financiare de
capital, ai activităţilor bancare, ai raportului de schimb sau ai echilibrului financiar
extern. Stabilitatea preţurilor este măsurată prin intermediul a trei indicatori
statistici distincţi: 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, 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 şi indicele
preţurilor produselor industriale (IPPI), instrument de măsurare a evoluţiei de
ansamblu a preţurilor produselor indus-triale fabricate şi livrate de producători
interni. Rata inflaţiei devine un element modelator frecvent întâlnit în modelarea
econometrică.
Din scurta prezentare a unor fenomene economice, prin sinteza oferită de
indicatorii ce măsoară principalele lor variabile, se disting câteva concluzii
semnificative. Variabila economică este o mărime din viaţa economică reală, ce
poate lua diferite valori. În cadrul unei teorii economice, variabilele pot fi:
endogene şi exogene. Variabila endogenă (indusă) este o variabilă explicată în
cadrul unei anumite teorii, determinată prin relaţiile funcţionale ale modelului
teoriei respective, iar variabila exogenă (autonomă) este o variabilă ce influenţează
o altă variabilă endogenă. Variabilele economice mai pot fi privite ca fiind
variabile de flux sau de stoc, la nivel macro sau microeconomic (fără a exclude şi
zona mezo sau intermediară) ceea ce are implicaţii practice importante în
construcţia modelului econometric. Variabilele de interes economic ce au fost şi
sunt omniprezente în modelele econometrice sunt derivate din definiţia dată de
Adam Smith economiei 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 (C), producţia (Q), înzestrarea tehnică
(Z), capitalul ( fix, variabil) etc.
Multitudinea factorilor economici ai modelelor econometrice nu pot omite:
preţul, venitul, profitul etc. dar nici dimensiunea sistemică sau corelată a părţilor
(abordarea structurală prin produse, servicii, activităţi etc) precum şi dimensiunea
78
teritorială (macro, mezo, microeconomică). Economia însemnând fluxuri nu numai
materiale (producţie şi consum) dar, mai ales, financiar–bancare (dobânzi, credite,
inflaţie şi depreciere monetară, masă monetară, curs de schimb), toate aceste devin
factori sau variabile de interes în modelare. Din modelul econometric nu pot lipsi
nici obiectivele caracteristice procesului economic în ansamblu sau de tip macro
(creştere economică, inflaţie, şomaj, deficit bugetar), precum nu poate fi absentă
nici firma sau microentitatea cu variabilele sale (cifră de afaceri, excedent brut şi
net de exploatare, profit etc.) şi nici chiar individul, prin atributele sale de
constituent al cererii agregate sau al ofertei forţei de muncă (câştig salarial net şi
real, pensie, grupă de vârstă, ocupare, nivel de pregătire etc.)Anumite variabile de
pilotaj economic sau ale politicilor economice vor fi şi ele prezente în model
(soldul balanţei comerciale, indicii raportului de schimb, fiscalitatea, poziţia
investiţională internaţională, deficitul bugetului consolidat etc.).Conceptele
economice vor fi însoţite de legităţile consacrate ale teoriei economice, legile
cererii şi ofertei, echilibrului generat de volumul investiţiilor şi economiilor etc.,
toate acestea fiind doar câteva exemple în absenţa cunoaşterii cărora niciun model
econometric de piaţă neputând să fie identificat, construit, validat şi aplicat.
79
Pentru a putea rezolva întregul univers de probleme interne modelării se
apelează la conceptele elementare ale teoriei statistico-matematice, care se pot
grupa în următoarele clase semnificative:
a) Concepte recunoscute ca aparţinând statisticii în general
80
valorilor posibile este {x1, x2,…, xn,..}şi evenimentul ( X = xi ) se realizează cu
probabilitatea pi ),
• variabilă aleatoare continuă (poate lua toate valorile într-un interval dat,
reprezentarea ei făcându-se prin funcţia de repartiţie sau prin densitatea de
repartiţie),
• 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),
• 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).
81
normală ocupă un loc central în teoria probabilităţilor şi în statistica matematică,
deoarece prin cumularea unui număr suficient de mare de variabile aleatoare cu
diverse repartiţii, se obţine o variabilă aleatoare normal repartizată. Acţiunea
cumulată a unor factori aleatori într-un proces economic poate fi aproximată ca un
factor unic perturbator, normal distribuit. Statistico - matematic densitatea de
probabilitate este dată de relaţia:
( x−m)2
−
1 2σ 2
p ( x) = e
σ 2π
care devine prin standardizare
z2
1 −2 x−m
p( z ) = e unde z =
2π σ
În general, pachetele de programe specializate determină statisticile
descritive solicitate pentru variabile individuale sau grupuri de variabile. Iată
statistica descriptivă realizată prin intermediul programului EViews pentru datele
referitoare la creşterea economică naţională sau modificarea anuală a indicelui PIB-
ului real, după 1990, date exprimate procentual şi prezentate în tabelul nr. 2.7:
82
Histograma şi statistica descriptivă a creşterii economice,
în România, după 1990
Grafic nr.2.2
7
Series: CRESTERE
6 Sample 1990 2009
Observations 20
5
Mean 1.070000
Median 3.900000
4
Maximum 8.500000
Minimum -12.90000
3
Std. Dev. 6.431591
Skewness -0.731561
2 Kurtosis 2.229684
1 Jarque-Bera 2.278425
Probability 0.320071
0
-15 -10 -5 0 5 10
83
σ02 Dispersia caracteristicii cantitative în populaţia totală
2
σ Dispersia caracteristicii cantitative în eşantion
p Media caracteristicii calitative în populaţia totala
w Media caracteristicii calitative în eşantion
σ 02 Dispersia caracteristicii calitative în populaţia totală
σw2 Dispersia caracteristicii calitative în eşantion
2.7.1. Întrebări
84
e)Care sunt cele mai importante diferenţe între procesele etapizate ale modelării
econometrice clasice şi moderne?
f)Care credeţi că sunt cele mai importante criterii de clasificare a modelelor
econometrice având în vedere practica modelării?
g)În ce constă dinamica unui model econometric de tip clasic şi care este
principalul câştig al multiplicării modelelor?
h) Care noţiuni macro sau microeconomice credeţi că ar fi necesare în procesul de
modelare econometrică?
i)Care sunt contribuţiile statisticii şi matematicii la limbajul şi tehnicile modelării
econometrice?
85
a) forma legăturii; b) modalitatea de integrare a variabilei timp; c) prezenţa printre
variabilele explicative a mai multor momente de timp sau a unei variabile cu valori
decalate.
7.Modelele econometrice se grupează şi în funcţie de tipul ecuaţiilor majore
conţinute în:
a) modele bazate pe ecuaţii de comportament; b) modele axate pe ecuaţii de definiţie;
c) modele concretizate în ecuaţii bilanţiere sau de echilibru; d) modele structurate pe ecuaţii
de randament; f) modele limitative determinate de inegalităţi algebrice.
a) microeconometrie; b) macroeconometrie; c) econometrie bayesiană; d) econometrie
financiară; e) data mining; f) econometria datelor de panel; g) econometrie teritorială;
h) econometria datelor calitative.
8. Care sunt modalităţile eronate de calcul descrise mai jos:
a) PIBpp=∑VABpp sau PIBpp=PGB–CI; b) PIBpp=CF+FBCF+∆S +(X–M);
c) PIBpp = Cpr+EN+ID+IIN+A; d) PIBpp= CFM+ENE+A+IIN;
e) PINpp = PIBpp – A; f) PNNpp = PINpp + ∆VFS;
g) PNBpp = PIBpp + ∆VFS; h) PIBpp = Cpr+EN–ID–IIN+A;
i) PNBpp = PIBpf + ∆VFS +IIN; j) PIBpp = PINpf + ∆VFS – IIN.
9. Restabiliţi corespondenţa corectă între formulele din stânga şi denumirile de
indici ai raportului de schimb din dreapta:
A. IV (X) / IV (M) I. Indicele raportului de schimb brut (IRSB)
B. Iq (X) / Iq (M) II. Indicele gradului de acoperire a importului prin export
(IRSV)
C. Ip (X) / Ip (M) III. Foarfecele de preţuri (FP)
D. [Ip (X) - Ip (M)] IV. Efectul în mărime absolută al deteriorării raportului de
Ip (M) preţuri ( ∆ RSN)
E. p p V. Indicele factorial al raportului de schimb (IFRS)
∆ -∆
(X) (M)
F. IV (X) / Iq (M) VI Indicele puterii de cumpărare a exportului (IPCX)
G. [I (X) /Iq (M) ]x Iw VII. Indicele raportului de schimb net (IRSN)
q
a) Skewness =
(
3 x − Me )
, şi –3< SK <3; b) Skewness =
x − Mo
,şi -1< SK <1
σ σ
µ2 ( Q − Me ) − ( Me − Q1 ) = ( Q3 − Me ) − ( Me − Q1 ) .
c) Skewness = 3 ; d) Skewness = 3
µ22 Q3 − Q1 ( Q3 − Me ) + ( Me − Q1 )
iar pentru un coeficient de boltire sau exces (kurtosis) una dintre variantele:
m
4
a) kurtosis µ4
∑
i =1
( xi − x ) ni 2 ; b) kurtosis = β 2 − 3 .
= β2 = 2 = m
: σ 2
µ2
∑ ni
i =1
86
2.7.3. Aplicaţii
87
Tabel nr. 2. 11. (anul precedent=100)
Anul
t (t+1) (t+2) (t+3) (t+4)
Ritmul indicelui PIB-ului real 5,7 5,0 4,9 1,1 -0,7
Ritmul indicelui PIB-ului nominal 45,3 29,5 25,0 7,3 5,0
Să se determine valoarea deflatorului PIB-ului în anul ( t+2) . Apoi să se detalieze
statisticile descriptive ale ritmului indicelui PIB-ului real şi nominal pentru cei 5 ani.
[1] De la bun început, postulatul al V-lea, conceput de Euclid în cadrul “Elementelor”, a fost privit cu
suspiciune, de către contemporanii eleni. Într-o lucrare nepublicată, ci doar împărtăşită prietenilor, Gauss
sublinia cum, pornind de la afirmaţii ce contraziceau postulatul permanent “inculpat”, se putea dezvolta o
geometrie compatibilă. Lobacevski, Bolyai şi Riemann au creat originale geometrii neeuclidiene compatibile
cu geometria lui Euclid, în care “nu mai exista nici o pereche de drepte paralele”.
[2] Cercetătorul care se limitează la un unic model se împovărează cu un păcat şi mai mare, remarca
N. Georgescu -Roegen:„păcatul ignoranţei complete a factorilor calitativi care provoacă variabilitatea
endogenă”.
[3] Basarab N., (1996), La Transdisciplinarite. Manifeste, Ed. Du Rocher, Paris şi Basarab N., (1999),
The Transdisciplinary Evolution of the University, http:/perso.club-intern, et.fr/nicol/ciret/. În
vocabularul ştiinţific modern al econometriei, prin model statistico-matematic se desemnează şi
ipotezele admisibile explicative (de la modelul de repartiţie, la tipul de testare χ 2, F, t etc.).
[4]Aceasta a fost formulată pentru prima dată de William din Ockham (arhitectura economică sau a
parcimoniei.)
[5] Modelul lui Leontief a fost ulterior generalizat în trei variante distincte, respectiv deterministă, aleatoare şi
informaţională.
[6] Ideea de mulţime fuzzy provine din definirea imprecisă a unor mulţimi, concepte, atribute cu care
trebuie să se opereze de o manieră cantitativă. Analog modelele vagi sau fuzzy deţin parametrii
imprevizibili ca variaţie.
[7]Pecican, E.Ş., (2003), Econometria pentru ... economişti, Ed. Economică, Bucureşti, pag. 46 – 47.
[8] von Mises, L., (1966), Human Action: A Treatise on Economics Ed. Henry Regnery and Co.,
Chicago.
[9] Hayek, F., (1989), The Collected Works of F.A. Hayek, University of Chicago Press
[10] Andrei, T., Bourbonnais, R., (2008), Econometrie , Ed. economică, Bucureşti, pag. 21
[11]Trebici, V., (1985), Mica enciclopedie de statistică, Ed. Ştiinţifică şi Enciclopedică, Bucureşti,
pag. 46-48
[12] Marcus, S.,(1981), De la propoziţie la text, în volumul Semantică şi semiotică, Ed. ştiinţifică şi
enciclopedică, Bucureşti.
[13]Tovissi, L, Vodă, V, (1982), Metode statistice. Aplicaţii in producţie, Ed. ştiinţifică şi
enciclopedică, Bucureşti.
[14]Tamaş, V, Brânzei, D, Smadici, C, Moscovici, J, (1995), Modele matematice în economie, Ed.
Graphix, Iaşi, pag. 10-20 şi 33-46.
[15] Gorunescu, F., (2006), Data mining. Concepte, modele şi tehnici, Ed.Albastră, Cluj-Napoca, pag.
36-47.
[16] Bachelier, L., (1964) Théorie de la Spéculation, Annales Scientifiques de l'Ecole Normale
Superieure,III-17,21-86, 1900.English Translation; -Cootner (ed.)
[17] Fama, E.F, (1965), Random Walks in Stock Market Prices, Financial Analysts Journal, 21(5) pag.
55–59.
[18]Fama,E.F.,(1998) Market efficiency, long-term returns, and behavioral finance, Journal of
Financial Economics 49, pag. 283–306.
88
[19] Andronache, C., Săvoiu, G., (2009), On the efficiency of financial markets, The 33 rd Annual
Congress of the American Romanian Academy of Arts and Sciences (ARA), June 2-7, 2009,
Proceedings, vol. I,Polytechnic International Press Montreal, Quebec, 2009, pag. 214-218.
[20] Andronache, C., Săvoiu, G., (2009), Raţionalitate şi simetrie informaţională: EMH şi DJA,
Revista Română de statistică, nr.12/2009, supliment INS şi SRS, Ed INS. pag. 217 – 222.
[21] Andrei, T, Stancu, S, Iacob, A.I, Tuşa E.,(2008), Introducere în econometrie utilizând Eviews,
Ed. Economică, Bucureşti, pag. 10 -12.
[22] Această definire furnizează cea mai rapidă metodă de calcul a lui λ (y / x). Astfel o creştere a
preţului produsului „A” cu 8 %, ce va genera o scădere cu 10 % a cererii aceluiaşi produs „A”, indică
un coeficient negativ de elasticitate-preţ al cererii de -1,25 rezultat din raportul ritmurilor (-10) şi
respectiv 8.
[23] Săvoiu, G., (2001), Universul preţurilor şi indicii interpret, Ed. Independenţa economică, Piteşti.
[24] Bălţat, V., Crăciuneanu,V.,Săvoiu, G., (2009), 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.
[25] Korka,M. Tuşa,E., (2004), Statistică pentru afaceri internaţionale,Ed.ASE,Bucureşti,pag. 63-78.
[26]Isaic-Maniu,A., Mitruţ,C., Voineagu,V., Săvoiu,G., (2002), Statistica afacerilor, Ed.Independenţa
Economicǎ, Piteşti.
[27] Săvoiu, G., (2007), Analiza statistică a evoluţiei activităţii industriale în contextul aderării
României la Uniunea Europeană şi Economia de piaţă s-a instalat în România -argumente statistice,
Revista română de statistică, INS, Bucureşti nr. 1 şi 4 /2007.
[28]Vasiliu, D.P.,(2007), Bazele matematice ale econometriei, Ed.Univ. Titu Maiorescu Bucureşti
[29] Meşter I. T., (2007), Econometrie, Ed.Universităţii din Oradea, Oradea
[30] Săvoiu, G., (2009), Statistica. Mod de gândire şi metode, Ed. Universitară, Bucureşti, pag. 186-
228.
89
CAPITOLUL III
ASOCIEREA, REGRESIA ŞI CORELAŢIA ÎN GÂNDIREA
STATISTICĂ CLASICĂ
“Legile naturale îmbracă întotdeauna forma enunţării unei legături, fie între
manifestările a două sau mai multe fenomene, fie între prezenţa sau absenţa
anumitor caractere “. – Nicolae Georgescu -Roegen –
Sinteza interogativă şi rezumatul capitolului
De îndată ce a identificat relaţii de dependenţă sau interdependenţă, gândirea
statistică clasică a încercat prin mijloace specifice să şi integreze populaţia
cercetată într-o formă superioară de realitate, aceea a abstractizării şi generalizării,
generând un prim model de natură pur statistică. Reflectarea numerică sau
cantitativă a realităţii în modelul statistic, axat pe procedee statistico-matematice de
cuantificare a dependenţelor sau interdependenţelor descoperite, asocierilor şi
contingenţelor identificate, precum şi o evaluare cât mai exactă a intensităţii
legăturilor, urmată de ierarhizarea variabilelor independente sunt necesare pentru a
identifica şi construi un model statistic cât mai riguros. Principala problemă a
modelului statisticii clasice, un model econometric care astăzi ar fi numit model
brut, cad de altfel şi a teoriei corelaţiei statistice clasice, constă în a descrie legea
de variaţie medie a unei variabile explicate prin intermediul mai multor variabile
independente (problema regresiei), iar aceasta este imposibil de soluţionat fără a
caracterizare intensitatea legăturilor dintre variabile corelate (problema intensităţii
corelaţiei). Corelaţia este termenul statistic ce acoperă în cel mai înalt grad ciclul
interogativ al gândirii statistice şi include, atât în sens larg, istoric, cât şi concret,
conţine şi regresia şi asocierea bazându-se pe abstractizarea succesivă a factorilor
şi pe stabilitatea anumitor elemente ale analizei (caeteribus paribus). În practica
modelării statistice au apărut metode elementare, parametrice şi neparametrice de
cuantificare a regresiei şi corelaţiei, determinarea coeficientului de regresie şi
corelaţie, a raportului de corelaţie permit interpretarea intensităţii corelaţiei
statistice. Subcapitole distincte detaliază răspunsurile la problemele menţionate:
3.1. Gândirea statistică clasică şi conceptul de legătură statistică
3.2. Asocierea statistică şi coeficienţii ei specifici
3.3. Metode elementare de identificare a legăturilor statistice
3.4. Regresia şi corelaţia statistică
3.5. Coeficienţii de corelaţie a rangurilor
3.6. Întrebări, teste tip grilă şi aplicaţii
3.7. Note şi referinţe bibliografice
90
3.1. Gândirea statistică clasică şi conceptul de legătură statistică
„Aşadar, toate lucrurile, având o cauză şi fiind cauză, ajutând şi fiind ajutate,
mijlocind şi fiind mijlocite, fiind toate înlănţuite printr-o legătură firească şi
insesizabilă care le uneşte până şi pe cele mai îndepărtate şi mai diferite, cred că e
cu neputinţă cunoaşterea părţilor fără a cunoaşte întregul, ca şi cunoaşterea
întregului fără cea a fiecăreia din părţi“. – Blaise Pascal –
91
valoarea lui xi), nu apar într-o formă simplă, pură, ci în marea lor majoritate, aceste
legături sunt multiple şi complexe, dificil de identificat în integralitatea lor
explicativă. O legătură de tip statistic, abstractizată într-o lege statistică, aptă să
genereze un model statistic clasic, este esenţializată în formularea: variabila
endogenă yi depinde întotdeauna de mai multe variabile exogene: x1, x2 ,…., xi,
…,xn. Legea de tip statistic este deci caracterizată de o relaţie de multi-
factorialitate, unele variabile explicative sau factori deţinând un caracter esenţial,
altele unul întâmplător.
Legătura dinamică sau conexiunea unicauzală sau unifactorială este o formă
de legătură în care variaţia unui element (variabilă, factor) situat la intrare se
transmite la intrare altui element, modificând nivelul elementului situat la ieşire:
Figura nr.3.1.
Variabila x2 Variabila y
Variabila x3 Variabila y
Variabila x4
92
• descrie un simplu paralelism variaţional între cele două variabile, ce lasă
impresia unei legături statistice (x7 nefiind în realitate un factor al lui y).
Din cele cinci cazuri descrise, numai primele două (legăturile univocă şi
biunivocă) merită şi pot fi caracterizate numeric, pentru a substanţializa gradul de
cunoaştere al variaţiei lui yi, în raport cu factorii x1,x2,….,xi,…,xn. Cazul
interdependenţei false, poate cel mult genera două analize distincte în funcţie de
cauza comună. Situaţia dependenţei de sens contrar, compensată integral de
moment, va putea fi utilă în modele viitoare, constituind un reper important de
multiplicare a variabilelor explicative, de îndată ce compensarea nu va mai fi
integrală. Cazul final este tipic pentru un paralelism variaţional de scurtă sau lungă
durată, lipsit de semnificaţie în aprofundarea variaţiei lui y.
În cazul unui asemenea complex dinamic de factori nu este posibil ca relaţia
dintre variabila exogenă sau cauzală şi variabila de tip endogen sau efect să poată fi
constatată la fiecare manifestare (xi→ yi). Relaţia sau legătura dintre variabila
explicativă şi cea explicată poate fi însă cuantificată ca o tendinţă medie, specifică
unui număr suficient de mare de elemente, indivizi, manifestări.
Practica statistică descrie câteva premise[2], care odată respectate devin
fundamentale în evaluarea corectă a indicatorilor de corelaţie şi în modelul statistic
de cercetare şi previziune a realităţii economice:
a)Natură probabilistă a relaţiilor sau legăturilor statistice le conferă un caracter de
legături imperfecte, ceea ce îngreunează identificarea cauzelor sau variabilelor
independente în multi-corelaţie, creându-se astfel o structură ierarhică de tip cauzal
sau factorial a legăturii ce defineşte modelarea statistică de tip clasic.
b)Necesitatea de a depune eforturi pentru a putea distinge legăturile multi-cauzale
de legăturile simple sau formale şi a le cuantifica, asigură o mare parte din succesul
parametrizărilor finale în modelul statistic clasic.
c)Abstractizarea succesivă şi formalizarea statistico-matematică a legăturilor
identificate sunt legate şi de procesul de simplificare factorială (se reţin pentru
analiză unul sau mai mulţi factori cu influenţă esenţială, iar restul factorilor sunt
reuniţi în cadrul unei variabile aleatoare de tip global).
Notă: Din păcate, modelul clasic nu a fost apt de la bun început să acorde importanţa
cuvenită acestei variabile de excepţie care reunea o mulţime de factori şi influenţele
acestora în modelul statistic şi ulterior în cel statistico-matematic. Această variabilă o
dezvoltă şi o analizează atent noua disciplină denumită econometrie sub denumirea de
reziduu sau de variabilă reziduală (notată cu u sau ε ). Modelul econometric acordă în mod
corect cea mai mare atenţie acestei variabile şi stării ei de normalitate distribuţională.
93
model (cel mai simplu procedeu este corelograma, ca reprezentare grafică a
distribuţiilor statistice corelate).
g) Două condiţii statistice standard se impun şi în teoria corelaţiei, respectiv
omogenitatea datelor şi un număr suficient de mare de observaţii sau crearea
condiţiilor de acţiune a legii numerelor mari.
Analiza legăturilor şi stabilirea unei asocieri, regresii sau corelaţii dă
rezultate mult mai bune atunci când se prelucrează un număr suficient de mare de
cazuri individuale (perechi xi, yi), când distribuţia abaterilor este o distribuţie
normală sau aproximativ normală şi, mai ales, când abstractizarea factorilor se
realizează succesiv. Legătura statistică, în forma ei generic numită corelaţie,
reprezintă deci o reflectare într-o formă numerică adecvată a interdependenţei
dintre fenomenele, procesele, indicatorii domeniului economic cercetate (sau
domeniilor anexe de tip demografic, social, ecologic etc.), în ceea ce priveşte
natura, forma, direcţia (sensul) şi gradul de intensitate.
Tipologia legăturilor statistice este una dintre cele mai diverse, având la bază
o gamă variată de criterii. Principalele clasificări se realizează în raport de:
a) natura relaţiei de cauzalitate,
• legături funcţionale (univoce sau de cauzalitate simplă) de tipul yi=f(xi);
• legături statistice (stocastice sau de multi-cauzalitate) yi=f(x1,x2,...,xi…,,xn );
b) numărul caracteristicilor factori sau al variabilelor luate în analiză,
• legături statistice simple, în care există o singură variabilă rezultativă,
dependentă, explicativă sau efect yi şi se abstractizează sau se izolează din
mulţimea de cauze posibile numai una singură xi, numită şi variabilă
independentă sau explicativă;
• legături statistice multiple, în care efectul yi este rezultatul a două sau mai
multe variabile factoriale, cauzale concomitente sau asincrone;
c) tipul sau natura caracteristicilor,
• corelaţii statistice (referitoare exclusiv la variabilele cantitative);
• asociaţii statistice (nerestricţionate dar specifice variabilelor calitative);
d) forma legăturii dintre variabile,
• legături liniare exprimate prin ecuaţia unei drepte ( yi=a+bxi )
• legături curbilinii exprimate prin ecuaţia unei funcţii exponenţiale ( yi=abx );
1
parabolice ( yi= a+bxi+ cxi2 ), hiperbolice ( yi=a+b ) etc.;
xi
e) direcţia sau sensul în care se produc,
• legături directe sau de acelaşi sens şi legături inverse sau de sens contrar;
f) timpul efectiv în care se realizează,
• legături sincrone sau concomitente şi legături asincrone sau cu decalaj;
g) conţinutul relaţiei dintre variabile
• dependenţe şi interdependenţe.
h) circularitatea şi gradul de anticipare a conexiunii,
• conexiune directă;
• conexiune inversă (feed-back sau retroreacţie,specific sistemelor cibernetice cu
autoreglare) pozitivă, amplificând semnalul de intrare (factorii), sau negativă,
atenuând acest semnal;
94
• conexiune în avans (feed-before), descrisă ca un mecanism de anticipare a
influenţelor şi determinărilor, precum şi de prevenire a perturbărilor.
În lipsa unor serii de date suficient de lungi ca număr de termeni, în practica
statistică dependenţele şi interdependenţele false, compensate sau paralele din
punct de vedere variaţional-cu sensul de legături artificiale-domină spectrul teoriei
corelaţiei, în timp ce interdependenţele stabile se lasă tot mai greu identificate sau
descoperite.
95
enunţată astfel:proporţia unităţilor αiβi este egală cu proporţia unităţilor αi
înmulţită cu proporţia unităţilor βi:
Varianta II
(pe rânduri sau coloane)
αiβi = αi sau αiβi = βi sau αiβi = αi x βi
βi N αi N N N N
Varianta III
(pe rânduri sau coloane)
αiβi = αi (nonβi ) αiβi = (nonαi ) βi αi(nonαi) = αi ( non αi )
(nonαi) βi (nonαi )(nonβi ) αi ( non βi ) (nonαi )(nonβi ) βi non βi
96
Tabel nr. 3.2.
yi y1 nony1 Total
xi
xi a b a+b
nonxi c d c+d
Total a+c b+d a+b+c+d
Criteriul de neasociere completă sau de independenţă, în toate cele trei
variante A,B şi C, în urma prelucrării se rezumă la egalitatea proporţiilor: ad = bc.
Asocierea, ca situaţie opusă independenţei, substituie semnul egal („=“) cu semnul
„diferit” sau „≠“ (fie „strict mai mare”, respectiv „>” fie “strict mai mic” sau „<“),
confirmând apariţia unei diferenţe:ad = bc+∆. De aici rezultă că ∆ = ad-bc
Cât de mare poate fi această diferenţă? Cum a+b+c+d=N (N fiind volumul
populaţiei totale), rezultă că diferenţa maximă se atinge în două situaţii:
c a z u l 1 ⇒ b c m in ş i ⇒ a d − b c 〉 0
∆ m a x im ⇔
cazul 2 ⇒ ad
m in ş i ⇒ a d − b c 〈 0
cazul asocierii maxime pozitive şi negative (complete).
Caseta nr. 3.1
Cazul 1. Numărul unităţilor a,b,c,d ∈ N* şi condiţia de maximizare a diferenţei ad-bc
având ca obiectiv realizarea unui minim pentru bc (bc=0) se transpun în situaţiile: b=0
sau c=0 sau b=c=0, iar ∆ 〉 0 (asociere pozitivă completă)
a b ⇔ a 0 sau a b sau a 0
c d c d 0 d 0 d
Se conturează doi posibili coeficienţi de asociere, prin raportarea diferenţelor ad-bc la
ad sau la ad+bc, coeficienţi care au ca limită valoarea 1 (cu ∆ =1).
ad + bc bc ad − bc 2bc
Q1 = sau 1– şi Q2 = sau 1– .
ad ad ad + bc ad + bc
Cazul2. Numărul unităţilor a, b, c, d ∈ N* şi condiţia de maximizare a diferenţei ad-bc
având ca obiectiv realizarea unui minim pentru ad sau ad = 0 se transpun în situaţiile: a
= 0 sau d = 0 sau a = d = 0, iar ∆ 〈 0 ( asociere negativă completă).
a b ⇔ 0 b sau a b sau 0 b
c d c d c 0 c 0
Se conturează doi posibili coeficienţi de asociere, prin raportarea diferenţei ad-bc la bc
sau la ad+bc , coeficienţi care au ca limită valoarea –1 ( cu ∆ =1) .
ad − bc ad ad − bc 2bc
Q3= sau − 1 şi Q2 = sau 1–
bc bc ad + bc ad + bc
Situaţia de neasociere completă sau independenţă, ce conferă coeficientului de asociere
(Q) o valoare nulă, confirmând practic inexistenţa asocierii. Conform relaţiei (8.1),
această situaţie apare atunci când: ad = bc, a = b = c = d = N/4 (o echirepartiţie după
ambele variabile calitative ), când trei din cele patru valori sunt nule, când două valori
sunt nule, dar din produse diferite (ad şi bc) etc.
a a a 0 0 b 0 0 0 0 a b a 0 0 0
a a 0 0 0 0 c 0 0 d 0 0 c 0 c d
97
Există şi alţi coeficienţi ce pot fi construiţi în aşa fel încât să admită valoarea
0, atunci când cele două variabile calitative sunt independente, valoarea 1, atunci
când sunt asociate pozitiv complet şi valoarea –1, atunci când sunt asociate negativ
complet. O construcţie de acelaşi tip este şi coeficientul de interdependenţă (Y)[4].
În condiţiile notaţiilor din tabelul nr.3.2, relaţia de calcul a acestui coeficient este:
bc
1− ad − bc
Y= ad sau Y = .
bc ad + bc
1+
ad
Cei doi coeficienţi creaţi de Yule G.U., respectiv Q şi Y beneficiază de
aceleaşi proprietăţi şi deficienţe. Coeficientul de asociere ca şi cel de
interdependenţă prezintă dezavantajul major de a nu face distincţie între asociaţie
completă, în formele ei pozitivă şi negativă, detaliat pentru cele trei situaţii
specifice (fie în forma pozitivă b = c, c = 0 sau b = c = 0, fie în forma negativă a
= 0 , d = 0 sau a = d = 0).
Pătratul de contingenţă (ø2) este un coeficient de asociere propus de către
Karl Pearson. Formula de calcul a acestui instrument statistic este generată de
relaţia ø2 = ℵ 2/h. De aici se deduce coeficientul de contingenţă, Qc= Ø:
ø2 = ad − bc
Qc = Ø = Qc Є[-1,1]
(a + d )(a + c)(b + d )(c + d )
Conform formulei sale de calcul Qc = 0, când ad = bc, corespunzător neasocierii
complete sau independenţei şi Qc= ± 1, când a = d = 0 sau b = c = 0 etc. Un alt
indicator caracteristic al asocierii este coeficientul lui Ciuprov notat, de regulă cu
T, a cărui relaţie de calcul este următoarea:
ø2
T2 = ,
(k − 1)(h − 1)
În această formulă de calcul Ø2 este pătratul de contingenţă, k este numărul
rândurilor şi h al coloanelor, ambii parametri aparţin tabelului de contingenţă
(pentru asociere, ca un caz particular al contingenţei k = h = 2 şi T2 = Ø2).
Asocierea se transformă în contingenţă pe măsura creşterii lui k şi h peste valorile
specifice tabelului de asociere (k = h = 2). Tabelul cu dublă intrare, care
beneficiază de mai mult de două rânduri şi două coloane devine tabel de
contingenţă. Pentru aceleaşi date se pot obţine valori diferite ale coeficienţilor
asocierii descrişi anterior (Q,Y,Qc). Simplitatea calculelor asocierii între două
variabile calitative este exemplificată prin asocierea dintre nota obţinută de către
cei 25 de studenţi ai unei grupe de studenţi la proiectul econometric şi nota lor
finală la examenul de econometrie (conform ipotezei după care un proiect atent şi
corect realizat asigură promovarea cu o notă aproape similară în examen):
Tabel nr.3.3
yi y1 non y1 Total
xi
x1 12 2 14
non x1 4 7 11
Total 16 9 25
98
Notă: x1 =studenţi cu un proiect bun (nota individuală ≥ media grupei de 7 puncte), iar
non x1=studenţi cu un proiect slab, nota< 7) şi y1 = studenţi care au promovat
examenul, iar non y1=studenţi care nu au promovat examenul.
ad − bc
Q = = 0,82 (legătură directă de intensitate puternică între pregătirea
ad + bc
proiectului şi promovarea examenului).
Y= ad − bc = 0,53 (legătură directă de intensitate medie).
ad + bc
99
Factbook, se pot calcula asocieri factoriale şi apoi se pot selecta diverse variabile
pentru un număr de 208 de state unde sunt asigurate integral condiţiile statistice de
comparabilitate, în vederea parametrizării lor într-un model. Sinteza asocierilor pe
confruntate prin utilizarea a două concepte materializate aparent numai în unităţi de
măsură diferite ca număr de state şi locuitori arată astfel:
Tabel nr.3.4
Tipul de asociere cu nivelul PIB Coeficient de asociere (Q1)
Număr state Număr locuitori
Variabila religios/non religios sau ateu şi nivel PIB -0,043 0,671
Variabila monoreligios/multireligios şi nivel PIB 0,405 0,138
Variabila creştin/noncreştin şi nivel PIB 0,552 0,851
Variabila creştin ortodox /nonortodox şi nivel PIB -0,487 - 0,562
Variabila creştin catolic /noncatolic şi nivel PIB 0,317 0,503
Variabila creştin protestant/nonprotestant şi nivel PIB 0,317 0,758
Variabila islam/nonislam şi nivel PIB -0,544 -0,796
Variabila hindu/nonhindu şi nivel PIB -0,299 -0,997
Variabila budist/nonbudist şi nivel PIB -0,184 0,389
Variabila grupă de vârstă 0 -14 ani şi nivel PIB -0,867 - 0,774
Variabila grupă de vârstă 15 -64 ani şi nivel PIB 0,853 0,663
Variabila grupă de vârstă ≥ 65 de ani şi nivel PIB 0,882 0,796
Variabila speranţa de viaţă şi nivel PIB 0,844 0,873
De aici se pot selecta speranţa de viaţă, religia creştină, grupa de vârstă peste
65 de ani, ca fiind variabile intens asociate de o manieră directă, dar şi intensa
asociere inversă între hinduism şi rezultatul macroeconomic. Modelarea statistică
de tip clasic nu va valorifica aceste valori decât regândind relaţia sau legătura
statistică (repoziţionând corect variabila explicată şi explicativă). Asocierile
descrise deţin evident un conţinut susceptibil de a descrie mai degrabă
interdependenţe false (iluzorii), mai ales în zona conexiunilor religie-nivel PIB. Se
poate însă reţine pentru construirea unui model validabil, asocierea cea mai
puternică, cuantificată pe baza datelor din raportul CIA, între speranţa de viaţă şi
nivelul dezvoltării economice (nivel PIB), de o manieră greu de contestat.
Tabel nr. 3.5
Asocierea speranţă de viaţă - nivel economic (PIB)
SV≥64,77 SV<64,77 Total
100
3.3. Metode elementare de identificare a legăturilor statistice
„Miezul teoriei economice poate fi privit ca o colecţie de relaţii între variabile”
–Samuelson P.A. –
Identificarea şi caracterizarea sumară a unei posibile legături statistice este
operaţia de început în traseul mai lung sau mai scurt al oricărei regresii sau corelaţii
statistice. Modelarea statistică debutează cu legătura simplă sau unifactorială, de la
cauza cea mai puternică (xi), la efectul anticipat (yi). Atunci când nu se obţine o
descriere statistică satisfăcătoare a lui yi în funcţie de xi se adaugă treptat şi
influenţa unui al doilea factor, urmată de influenţa unui al treilea factor etc.
Principiul expus simplificat poartă denumirea de „caeteribus paribus“ şi se bazează
pe izolarea influenţelor, pe simplificare şi pe o atitudine analitică excesivă. În mod
curent, pentru identificarea şi caracterizarea sumară a legăturilor statistice se
utilizează următoarele patru metode elementare:
A. metoda seriilor paralele interdependente,
B. metoda grupării,
C. metoda tabelului de corelaţie,
D. metoda grafică.
Beneficiind de un caracter mai puţin elementar s-ar putea adăuga celor
enunţate anterior şi metoda balanţelor, metoda analizei dispersionale şi chiar
metoda tabelului de asociere.
Pentru o prezentare paralelă teoretică şi aplicativă a metodelor elementare se
apelează la un exemplu practic. Astfel, o societate comercială cu activitate
principală de servicii turistice deţine despre cele 10 agenţii ale sale, plasate într-un
număr de 10 localităţi, următoarele date statistice referitoare la numărul de
salariaţi (xi reprezentând salariaţii atestaţi ca agenţi de turism) şi cifra de afaceri
(yi) în luna de vârf a sezonului turistic, exprimată în milioane lei, conform
următoarei distribuţii de frecvenţe:
xi 6 7 8 9 10 10 11 12 13 14
yi 1,0 1,1 1,2 1,4 1,3 1,6 1,4 1,6 1,7 1,7
10 10
şi unde : ∑ xi = 100 , respectiv ∑ yi = 14 .
i =1 i =1
Existenţa unei posibile legături statistice între variabilele xi şi yi poate fi
identificată şi caracterizată sumar prin intermediul celor patru metode elementare
anterior prezentate.
A. Metoda seriilor paralele interdependente constă în ordonarea perechilor de
valori x, y), în funcţie de sensul crescător (eventual descrescător) al variabilei
cauzale sau explicative xi, însoţită de observarea comportamentului dominant al
variabilei yi. Se pot distinge trei situaţii distincte:
- Dacă xi creşte şi yi creşte sau dacă xi scade şi yi scade se identifică existenţa unei
legături statistice directe.
- Dacă xi creşte şi yi scade sau dacă xi scade şi yi creşte se identifică existenţa unei
legături statistice indirecte (inverse).
- Dacă xi creşte sau dacă xi scade şi yi este staţionar sau oscilant, întrucât nu se
identifică o legătură statistică se trece la utilizarea altei metode elementare.
101
În exemplul celor 10 agenţii turistice, ordonate crescător, se constată că
există o tendinţă majoritară de creştere a variabilei yi, în 6 cazuri din cele 9
ulterioare primei agenţii, identificându-se astfel o legătură statistică directă.
B. Metoda grupării presupune alcătuirea de grupe egale de variaţie în funcţie de
10
variabila cauzală sau explicativă xi, centralizarea datelor după yi ( ∑ yi = 14 ) şi
i =1
102
3.Dacă frecvenţele cele mai mari nu se grupează pe nici o diagonală ci sunt
dispersate complet formând un nor de frecvenţe compact (puncte), atunci nu se
poate identifica o legătură statistică şi se apelează la o altă metodă elementară.
Conform datelor din exemplul analizat, tabelul de corelaţie devine cel următor:
Tabel nr.3.7
Grupe după yi Subgrupe după xi Total
5-8 8-11 11-14
1,5-1,8 2 2 4
1,2-1,5 2 1 3
0,9-1,2 3 3
Total 3 4 3 10
Tabelul, prin diagonala principală acoperită de frecvenţele cele mai mari
reconfirmă legătura statistică directă, ce pare liniară de tip yi = a+bxi, cu b>0.
D. Metoda grafică presupune constituirea unei diagrame speciale denumită
corelogramă sau diagramă de corelaţie, pornind de la perechile de valori (xiyi) sau
coordonatele unităţilor statistice, identificate în grafic ca puncte P(xi,yi).
Grafic nr. 3.1
yi yi yi
0 xi 0 xi 0 xi
A.Lipsa legăturii B.Legătură liniară directă C.Legătură liniară inversă
În raport cu dispunerea în grafic a punctelor se apreciază forma, sensul (direcţia) şi
uneori intensitatea legăturii dintre xi şi yi (în cele trei cazuri se descriu cele mai
simple trei situaţii posibile într-o regresie liniară).Corelaţia extinde liniaritatea
grafică,spre neliniaritate şi către un veritabil „nor”de puncte:
Grafic nr. 3.2.
103
Grafic nr. 3.4.
104
Grafic nr. 3.10
Pi(xi, yi)
P1 (6;1,0)
P2 (7;1,1)
P3 (8;1,2)
P4 (9;1,4)
P5 (10;1,3)
P6 (10;1,6)
P7 (11;1,4)
P8 (12;1,6)
P9 (13;1,7)
P10 (14;1,7)
105
a propus, în locul termenului de regresie, impropriu utilizat, un altul, respectiv pe acela
de „estimare” sau de „ecuaţie de estimare”. S-a constatat însă, că încercarea era deja
tardivă, termenul de regresie intrase şi se consacrase definitiv în gândirea statistică,
dovadă fiind familia tot mai extinsă de semnificaţii conform expresiilor analiza de
regresie, ecuaţia de regresie, linia de regresie, coeficientul de regresie.
106
Pentru a stabili valoarea parametrilor a şi b care definesc ecuaţia regresiei
liniare, minimul funcţiei „f„ se obţine calculând derivatele (parţiale) de ordinul
întâi în raport cu cei doi parametrii menţionaţi, derivate ce sunt egalate, în final, cu
„zero”:
∂f
= 2∑ ( yi − a − bxi )(−1) = 0
∂a
∂f
= 2∑ ( yi − a − bxi )( −b) = 0
∂b
Apoi, simplificând cu 2, înmulţind cu cei doi coeficienţi (-1) şi (-xi) şi
însumând ecuaţiile pentru toate valorile caracteristicilor xi şi yi se obţine sistemul:
n n n n n
∑ a + ∑ bxi − ∑ yi = 0
i =1 i =1 i =1
na + b∑ xi = ∑ yi
i =1 i =1
n n n
a ∑ xi + b∑ xi 2 = ∑ xi yi
n n n
∑ ax + ∑ bx − ∑ x y
i =1
i
i =1
i
2
i =1
i i =0
i =1 i =1 i =1
detalierea agregatelor ( ∑ x , ∑ y , ∑ x , ∑ x y şi ∑ y
i i
2
i i i xi ):
107
Tabel nr. 3.8.
Nr. Număr de Cifra de afaceri
crt. salariaţi (mil. lei) xi2 xi yi yxi = a + bxi
(xi) (yi)
1 6 1,0 36 6,0 1,04
2 7 1,1 49 7,7 1,13
3 8 1,2 64 9,6 1,22
4 9 1,4 81 12,6 1,31
5 10 1,3 100 13,0 1,40
6 10 1,6 100 16,0 1,40
7 11 1,4 121 15,4 1,49
8 12 1,6 144 19,2 1,58
9 13 1,7 169 22,1 1,67
10 14 1,7 196 23,8 1,76
n=10 ∑ xi =100 ∑
yi =14,0 ∑ xi2 =1060 ∑ xi yi =145,4 ∑Yxi = ∑( a +bxi )
Sistemul devenit între timp:
na + b∑ xi = ∑ yi 10a + 100b = 14
, respectiv
a ∑ xi + b∑ x = ∑ xi yi
2
i 100a + 1060b = 145, 4
are ca soluţii a=0,5 şi b=0,09 iar regresia liniară Yx = a + bx se transformă în
i i
Yx = 0,5 + 0, 09 xi . Se poate apela la relaţia de control
i
∑ yi = ∑ Yx , oricând
i
disponibilă tabelar, pentru a verifica acurateţea calculelor. Suma termenilor reali
sau suma termenilor seriei empirice este egală cu suma termenilor teoretici sau
suma termenilor ajustaţi. Interpretarea coeficientului de regresie b=0,09 va fi
expusă într-un limbaj concret „la fiecare creştere a lui xi cu o unitate (salariat), cifra
de afaceri realizată notată yi, se majorează cu 0,09 milioane lei.
De multe ori, apar diferenţe între valorile reale yi şi valorile teoretice
Yxi = a + bxi , pentru acelaşi nivel al variabilei cauzale xi, diferenţe care exprimă
efectul celorlalţi factori (secundari), ce perturbă relaţia dintre xi şi yi. Ca urmare
funcţia de regresie liniară Yxi = a + bxi sau f(xi)= a + bxi , devenită în exemplul dat
Yxi = 0,5 + 0, 09 xi , exprimă „tendinţa medie de modificare liniară a lui yi în
funcţie de xi. Concluzia este că funcţia de regresie f ( xi ) = 0,5 + 0, 09 xi este
dreapta care se apropie cel mai mult de „norul de puncte” pe care îl traversează în
corelograma sa specifică (graficul nr.3.10).
Pentru a evalua capacitatea unei funcţii liniare de a caracteriza variaţia lui yi
în raport cu xi se utilizează unul din cei doi indicatori specifici de apreciere a
calităţii funcţiei de regresie parametrizate: coeficientul de determinaţie D şi
coeficientul de eroare e.
Coeficientul de determinaţie se calculează astfel:
108
yi − Yxi
∑ ( )
2
Cu cât D este mai apropiat ca valoare de 100%, cu atât funcţia de regresie
liniară Yxi = a + bxi descrie mai fidel variaţia lui yi. Valoarea lui D(%) exprimă
procentual acea parte din variaţia lui yi care este surprinsă sau cuprinsă în funcţia
de regresie liniară Yxi = a + bxi , adică este explicată prin influenţa lui xi.
În exemplul analizat, D = 86,8%, ceea ce traduce o calitate satisfăcătoare
funcţiei de regresie liniară identificate şi parametrizate ( Yxi = a + bxi ), dar şi
existenţa altor variabile factoriale secundare cu determinaţie finală în variaţia
profitului yi de 13,2%.
Coeficientul de eroare se determină conform relaţiei de mai jos,
asemănătoare calculului unui coeficient de variaţie sau omogenitate clasic,
cv sauc0 = ( )
σ 2 / x ×100 , cu referire la dispersia sau împrăştierea dintre punctele
reale şi cele teoretice situate pe dreapta Yxi = a + bxi :
( )
2
∑ yi − Y x
i
ni ,unde e ∈ (0,100%).
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 .În exemplul dat valoarea lui e este egală cu 6,67%.
Faţă de valorile teoretice ale funcţiei de regresie y x = 0,5 + 0, 09 xi , valorile
i
reale sunt în medie mai mari sau mai mici cu 6,7% ceea ce s-ar traduce printr-o
calitate satisfăcătoare a modelului teoretic ajustat, care descrie variaţia cifrei de
afaceri a celor 10 agenţii ale firmei în raport cu numărul salariaţilor. Cu caracter de
constatare finală se menţionează că între e şi D nu există nici o cerinţă de
complementaritate (e + D ≠ 100%).
Tipul de legătură statistică 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 , unde:
1 2 m
a0 –exprimă influenţa altor factori (secundari) cu acţiune constantă în afara celor m
factori analizaţi şi cuprinşi în relaţia de calcul;
a1,a2,…,am –reprezintă coeficienţii de regresie liniară multiplă şi exprimă cu cât a
reacţionat în final variabila yi la modificarea cu o unitate a valorii variabilelor xi
corespondente (x1,x2,…xm) ;
Legătura multiplă liniară se transpune grafic sub forma unei suprafeţe
multidimensionale, determinarea parametrilor a1,a2,…,am realizându-se tot cu
109
ajutorul metodei celor mai mici pătrate, prin condiţia de minim a funcţiei:
( )
n 2
f ( x ) = ∑ yi − Yx , x ,..., x = minim
j =1 1 2 m
şi înlocuind pe Yx , x ,... x = a0 + a1 x1 + a2 x2 + ... + am xm
1 2 m
n
f ( x) = ∑ ( yi − a0 − a1 x1 j − a2 x2 j − ... − am xmj ) = minim
2
j =1
Calculând apoi derivatele de ordinul întâi (parţiale), derivate ce sunt egalate în final
cu „zero”, se obţine sistemul de ecuaţii:
n n n
na0 + a1 ∑ x1 j + K + am ∑ xmj = ∑ y j
j =1 j =1 j =1
n n 2 n n
a0 ∑ x1 j + a1 ∑ x1 j + K + am ∑ xmj ⋅ x1 j = ∑ y j ⋅ x1 j
j =1 j =1 j =1 j =1
M
n n n 2 n
a0 ∑ xmj + a1 ∑ x1 j ⋅ xmj + K + am ∑ xmj = ∑ y j ⋅ xmj
j =1 j =1 j =1 j =1
Sistemul conţine „m+1” ecuaţii normale şi se soluţionează prin diverse metode
clasice (metoda Cramer, metoda simplex etc.)
După identificarea, parametrizarea şi aprecierea calităţii unei funcţii de
regresie liniară se impune evaluarea finală a intensităţii legăturii statistice.
Pentru gândirea de tip statistic a stabili cât de puternică sau cât de
intensă este o legătură statistică este mai ales o problemă de veridicitate sau
verosimilitate a unei funcţii de regresie liniară, în raport cu dependenţa sau
interdependenţa unor fenomene reale. O intensitate puternică este echivalentă cu
un nivel de încredere ridicat în deciziile ulterioare ce vor fi bazate pe funcţia
teoretică identificată şi parametrizată. Pentru a măsura intensitatea legăturii se
determină covarianţa şi coeficientul de corelaţie, iar pentru verificarea liniarităţii se
apelează şi la raportul de corelaţie. Covarianţa, notată cov(x,y), se calculează
practic ca medie aritmetică simplă a produselor abaterilor individuale ale celor
două variabile faţă de media lor:
∑ ( x − x )( y − y )
n n
∑ dxd y i i
cov( x, y ) = i =1
= i =1
n n
Prelucrând relaţia anterioară finală în care:
n n
∑ xi ∑ yi
∑ ( x − x )( y − y ) = ∑ x y −
n n
i =1 i =1
i i i i se ajunge la [7]:
i =1 i =1 n
∑ xi yi
∑ yi ∑ xi
cov( x , y ) = − = xy − x × y ×
n n n
Covarianţa este aşadar egală şi cu diferenţa dintre media produsului celor două
variabile ( xy ) şi produsul celor două medii( x ⋅ y ) şi beneficiază de câteva
proprietăţi importante. Astfel semnul covarianţei arată sensul legăturii, iar valoarea
110
„zero” indică inexistenţa acesteia (independenţa variabilelor). Limitele valorice ale
covarianţei sunt:
-σx σy ≤ cov(x,y) ≤ σx σy , deoarece covarianţa are ca maxim produsul
σx σy (atunci când între cele două variabile există o legătură liniară funcţională).
Aprecierea intensităţii rezultatului obţinut drept covarianţă rămâne însă
dificilă, deoarece valoarea acesteia diferă de la o aplicaţie la alta.
Dacă relaţia anterioară se împarte la produsul σx σy se va obţine:
σ xσ y cov( x, y ) σ xσ y cov( x, y )
− ≤ ≤ sau −1 ≤ ≤1
σ xσ y σ xσ y σ xσ y σ xσ y
Această nouă relaţie stabilizează sau limitează noul indicator obţinut în
intervalul [-1,1]. Parametrul rezultat este denumit coeficient de corelaţie (ry/x):
( )( )
n n n n n
∑ dxdy ∑ xi − x yi − y n ∑ xi yi − ∑ xi ∑ yi
cov( x, y)
r = = i=1 = i=1 = i=1 i=1 i=1
y/ x σ σ
( ) ( )
x y nσxσ y nσxσ y n 2 n 2 n 2 n 2
n ∑ xi − ∑ xi n ∑ yi − ∑ yi
i=1 i=1 i=1 i=1
111
elementar (de ordinul al II-lea )din coeficientul de determinaţie ( Ry2 / x ):
( )
n 2
∑ yi − Yx
Ry/ x = R y / x = 1 − i =1
2 i sau Ry / x = D , iar Ry/x ∈ (0,1].
( )
n 2
∑ yi − y
i =1
∑( y −Y )
n 2
Atunci când i xi tinde către „zero”, raportul de corelaţie tinde şi el spre
i =1
valoarea maximă (Ry/x=1). Dacă ry/x ≠ Ry/x , atunci legătura nu este liniară.
Valorificând exemplul celor 10 agenţii turistice şi tabelând toate agregatele
necesare se determină practic: ry/x = Ry/x =0,9315885.
Concluzia este aceea că între variabila număr de salariaţi şi cifra de afaceri
există o legătură statistică de intensitate puternică, exclusiv liniară de forma:
Y x = 0 , 5 + 0 , 0 9 xi
i
Corelaţia statistică sau conceptul generic al legăturii statistice este reflectarea
într-o formă numerică adecvată a interdependenţelor obiective dintre procese sau
fenomene. Corelaţia include atât asocierea cât şi regresia, atât legătura liniară cât şi
neliniară (curbilinie), atât legătura simplă, cât şi cea multiplă, atât parţială cât şi
totală. Conceptul are o istorie iniţial legată de ştiinţele naturii, aşa cum rezultă din
caseta următoare:
Caseta nr. 3.3.
Termenul corelaţie, în sens larg, exprimă relaţia, legătura reciprocă între două sau mai
multe lucruri sau fenomene. Etimologic provine din cuvântul de origine latină
correlatio = relaţie cu, fiind preluat din ştiinţele naturii, de la principiul corelaţiei aşa
acum a fost el formulat de către naturalistul francez Georges Cuvier (1769-1832):
„Orice fiinţă înzestrată cu organe formează un ansamblu, un sistem unic şi închis, ale
cărui părţi se leagă mutual şi concură la aceeaşi acţiune definitivă printr-o reacţie
reciprocă. Nici una din aceste părţi nu poate să se schimbe fără ca celelalte să nu se
schimbe, şi, prin urmare, fiecare din ele, luată separat, influenţează şi se leagă de
toate celelalte.” (P.Fouquié, R Saint-Jean-Dictionaire de la langue filosofique). O a
două sursă pare să aparţină lui Charles Darwin, care a folosit expresia variabilitate
corelativă înţeleasă ca raporturi reciproce între diversele părţi ale organismului. Galton
F., este ca şi în cazul regresiei cel care a transpus corelaţia în statistica matematică,
conferindu-i semnificaţia de raporturi reciproce între caracteristici sau variabile:
Corelaţiile se observă peste tot unde variaţiile a două fenomene sunt datorate în parte
uneia şi aceleiaşi cauze comune.(Galton F.-Correlations and their measurements). [9]
112
1
Dacă prin corelogramă s-a identificat o hiperbolă: Yxi = a + b (grafic nr.3.4), în
xi
urma aplicării metodei celor mai mici pătrate rezultă:
2
∑( y −Y )
n n
1
= minim ⇔ ∑ yi − a + b
2
i xi = minim
i =1 i =1 xi
iar sistemul de ecuaţii normale util determinării parametrilor a şi b devine:
n n
1
na + b∑ = ∑ yi
i =1 xi i =1
n n n
1 1 1
a∑ + b∑ 2 = ∑ yi
i =1 xi i =1 xi i =1 xi
113
∑( )
n n
∑ y − ab
2 2
yi − Yxi = minim ⇔ i
xi
= minim,
i =1 i =1
conduce la următorul sistem de ecuaţii normale necesar calcului parametrilor a şi b,
prin intermediul valorilor lg a şi lg b :
n n
n lg a + ∑ xi lg b = ∑ lg yi
i =1 i =1
n n n
∑ xi lg a + ∑ xi 2 lg b = ∑ xi lg yi
i =1 i =1 i =1
R
n
∑ yi − ab i
= 1 − i =1
(
x 2
)
y/ x
( )
n 2
∑ yi − y
i =1
114
n n n
a + b∑ xi + c∑ xi2 = ∑ yi
i =1 i =1 i =1
n n n n
a ∑ xi + b∑ xi 2 + c ∑ xi3 = ∑ xi yi
i =1 i =1 i =1 i =1
n n n n
a ∑ xi2 + b∑ xi 3 + c ∑ xi4 = ∑ xi2 yi
i =1 i =1 i =1 i =1
det ∑ xi yi ∑x 2
i ∑x 3
i
det ∑ xi ∑x y
i i ∑x 3
i
∑ xi 2 yi ∑ xi 2 ∑x y ∑ x
∑x ∑ x ,
3 4 2 4
i i
b= i i i
şi
a=
n
∑x i ∑ x 2
i
n
∑x i ∑ x
2
i
det ∑ xi ∑x 2
i ∑x 3
i
det ∑ xi ∑x 2
i ∑x
3
i
∑ xi 2 ∑x 3
∑ x 4 ∑ xi 2 ∑x 3
∑ x
4
i i i i
n
∑x i ∑ y
i
det ∑ xi ∑x 2
i ∑x y
i i
∑ xi 2 ∑x 3
∑ x y
2
c= i i i
n
∑x i ∑ x
2
i
det ∑ xi ∑x 2
i ∑x 3
i
∑ xi 2 ∑x 3
∑ x
4
i i
( )
n 2
2
∑ yi − a − bxi − cxi
R = 1 − i =1
y/ x
( )
n 2
∑ yi − y
i =1
Funcţiile neliniare sau curbilinii nu se reduc la cele prezentate anterior. Se mai pot
identifica prin diagrama de corelaţie şi funcţii putere ( Yxi = a ⋅ b i ) funcţii de tip
x
115
raport de corelaţie de tip generalizat:
( )
n 2
∑ yi − Yx , x ,...x
1 2 n
R = 1 − i =1
y / x , x ,...xn
( )
1 2 n 2
∑ yi − y
i =1
r2 + r2 − 2r ×r ×r
y/ x y/ x y/ x y/ x x /x
R = 1 2 1 2 1 2
y / x ,x 2
1 2 1− r
x /x
1 2
Corelaţia parţială este o formă de izolare a unei legături statistice într-un
context relaţional mai larg. Acest tip de corelaţie caracterizează intensitatea
legăturii într-o ipoteză de menţinere a influenţei unei singure variabile explicative
x1 în raport cu o variabilă rezultativă Yx. În cazul a două variabile independente x1
şi x2 explicative şi a unei singure variabile independente Y, coeficientul de corelaţie
parţială (de ordinul întâi) se calculează astfel:
• între Y şi x1, izolând sau neglijând influenţa lui x2:
rY / x − rY / x × rx / x
r(Y / x ), x = 1 2 2 1
1 2 (1 − r 2 )(1 − r 2 )
Y /x 2 x2 / x1
116
Coeficientul de corelaţie simplă cu decalaj se calculează după relaţia:
n
i=1
( )
∑ xi − x − y
t −h
− y
r = ,
h ( n − h ) σ xσ y
unde: t = numărul de termeni al seriei iniţiale şi h = numărul de termeni cu care se
decalează cea de-a doua serie.
117
• sunt optime în condiţii de asimetrie a distribuţiilor acelor variabile corelate;
• permit obţinerea rapidă a confirmării sau infirmării existenţei legăturii statistice
(inclusiv a intensităţii, dacă se identifică o corelaţie);
• sunt unica soluţie în situaţia concretă a lipsei de date absolute compensată de
existenţa unor clasamente, ierarhii, diferenţe între variante succesive etc. ;
• constituie soluţii practice când una sau ambele variabile corelate sunt variabile
calitative.
Principalii coeficienţi de corelaţie a rangurilor sunt coeficientul de tip
Charles Eduard Spearman (rs sau ρ) şi de tip Maurice Kendall (rk sau τ) după
numele autorilor acestora. Ambele metode presupun în prealabil acordarea de
ranguri sau numere de ordine în funcţie de poziţia deţinută de fiecare unitate
statistică, după ce s-a procedat la ordonarea lor crescătoare după nivelul atins de
caracteristici.
I.Ipoteza logică ce stă la baza coeficientului Spearman este aceea că în cazul unei
legături directe foarte puternice sau aproape funcţionale, există o concordanţă
aproape deplină între rangurile celor două variabile corelate, iar în cazul unei
legături indirecte foarte puternice sau aproape funcţionale există o discordanţă
totală între aceleaşi ranguri. Relaţia de calcul a coeficientului de corelaţie de tip
Spearman (dezvoltat ulterior de Karl Pearson) este următoarea:
n
6∑ d i 2
rs sau ρ = 1 − i =1
, unde :
n3 − n
di = rangul după xi- rangul după yi ( di = rg xi − rg yi ),
n = numărul unităţilor la care s-au studiat cele două caracteristici sau numărul
perechilor de valori corelate.
Coeficientul de corelaţie Spearman se recomandă în cazul anticipării unei regresii
liniare. La stabilirea rangurilor celor două variabile corelate apar situaţii în care
două sau mai multe variante au aceeaşi valoare şi cărora evident li se va acorda
acelaşi rang; se va urmări însă ca pentru valoarea distinctă imediat următoare,
rangul să corespundă cu numărul de unităţi deja analizate.
II. Relaţia de calcul a coeficientului de corelaţie de tip Kendall este cea de mai jos:
n n
S 2S
rk sau τ = =
0,5n(n − 1) n(n − 1)
, unde: S = ∑ Pi − ∑ Qi sau suma algebrică
i =1 i =1
n
între numărul de ranguri superioare fiecărui rang ( ∑ P ) şi numărul de ranguri
i =1
i
n
inferioare fiecărui rang ( ∑ Qi ) calculate pentru caracteristica rezultativă
i =1
118
Tabel nr. 3.9.
di=rgxi--rgyi
yi→Rg yi
Xi→Rgxi
Agenţia
Agenţia
Rg xi
Rg yi
d i2
Qi
Pi
Si
I 6→1 1,0→1 0 0 1 9 I 0 9 1
II 7→2 1,1→2 0 0 2 8 II 0 8 2
III 8→3 1,2→3 0 0 3 7 III 0 7 3
IV 9→4 1,4→5 -1 1 4 4 IV 1 3 5
V 10→5 1,3→4 1 1 5 5 V 0 5 4
VI 10→5 1,6→7 -2 4 5 2 VI 1 1 7
VII 11→7 1,4→5 2 4 7 3 VII 0 3 5
VIII 12→8 1,6→7 1 1 8 2 VIII 0 2 7
IX 13→9 1,7→9 0 0 9 0 IX 0 0 9
X 14→10 1,7→9 1 1 10 0 X 0 0 9
n n 2 n n n
6 ∑ di 2 ∑d 2S ∑P ∑Q ∑S
rs = 1 − i =1 i =1 i rk = =0,844 i =1 i i =1 i i =1 i
= 0,927 n (n−1)
n3 − n =12 =40 =2 =38
Notă: -Pi reprezintă numărul de poziţii următoare cu ranguri mai mari decât poziţia
analizată (agenţii) iar Qi reprezintă numărul de poziţii următoare cu ranguri mai mici
decât poziţia analizată (agenţii).
Ambii coeficienţi de corelaţie a rangurilor rezultaţi (rs sau ρ=0,93 şi rk sau τ = 0,84)
traduc existenţa unei legături puternice şi directe.
III. Coeficientul simplu de covariaţie diferenţială cum este cunoscut coeficientul
propus de Fechner G. T. este un indicator al intensităţii corelaţiei calculat pe baza
concordanţelor sau discordanţelor de semne ale diferenţelor: ∆ xi = xi − xi −1 şi
∆yi = yi − yi −1 sau: ∆ * xi = xi − x şi ∆ * yi = yi − y
prin intermediul relaţiei de calcul următoare:
c−d
k1 = unde:c = concordanţă de semn între ∆xi şi ∆yi sau ∆*xi şi ∆ * yi ,
c+d
d = discordanţe de semn între ∆xi şi ∆yi sau ∆ * xi şi ∆ * yi , iar c + d
reprezintă numărul total de unităţi statistice.
(În situaţia în care una sau mai multe abateri ∆xi sau ∆yi , sau ∆ * xi şi ∆ * yi
devin egale cu zero, perechile (xi, ,yi) ce le-au generat vor fi excluse din calcul).
Atunci când există numai concordanţe de semn k1 = (c/c) = 1, iar când se
constată numai discordanţe, rezultă un k1 = (–d/d) = –1. Aceste valori reprezintă
limita maximă, respectiv minimă a coeficientului Fechner. Coeficientul simplu de
covariaţie diferenţială devine egal cu zero când c = d.
119
Fechner, dacă se doreşte a lua în calcul mărimea abaterilor ∆xi şi ∆yi sau
∆* xi şi ∆ * yi . Relaţia de calcul a coeficientului este următoarea:
C−D
k2 = , unde: C = suma produselor pozitive ∆xi × ∆yi şi ∆*xi × ∆* yi ,
C+D
D = valoarea absolută a sumei produselor negative ∆xi × ∆yi şi ∆*xi × ∆*yi , iar
k∈[-1,1] şi devine egal cu „zero”, atunci când C = D.
n n
∑ ∆xi ∆yi ∑ ∆ * xi ∆ * yi
i=1 sau k = i =1
k = 3
3
( ) i∑=1( ∆ * yi )
n 2n 2 n 2 n 2
( )
∑ ∆xi ∑ ∆yi
i=1 i=1
( ) ∑ ∆ * xi
i =1
Acestuia din urmă i se acordă cel mai mare grad de încredere metodologică, fiind
interpretat ca un coeficient de corelaţie obişnuit, fără rezerve.
Aşa cum s-a constatat atât identificarea şi parametrizarea unei corelaţii
statistice, cât şi calculul unui raport de corelaţie pentru evaluarea intensităţii
legăturii statistice pot conduce la detalieri exagerate, excese analitice, dar mai ales
la calcule numeroase şi deosebit de complicate. Apare destul de frecvent pericolul
intitulat sugestiv al „mlaştinii supracomplicării”. În cazul modelelor neparametrice
şi cu precădere al coeficienţilor de corelaţie a rangurilor poate genera un alt pericol,
denumit la fel de expresiv „capcana suprasimplificării”.
Reflectarea cât mai echilibrată şi purificată de orice elemente capabile să
estompeze influenţa reală a factorului esenţial în corelaţia simplă sau a factorilor
semnificativi în corelaţia multiplă, această reflectare de tip cantitativ a legăturii
dintre fenomene şi procese cu accent pe natura, sensul, forma, dar mai ales gradul
de intensitate constituie esenţa corelaţiei în gândirea statistică.
3.6.1. Întrebări
120
e)Care sunt cei mai importanţi indicatori care măsoară intensitatea unei legături
statistice ?
f)Care credeţi că sunt cele mai importante criterii de clasificare a modelelor
econometrice având în vedere practica modelării?
g) Cum se determină practic şi ce semnificaţie au coeficientul de determinaţie şi
coeficientul de eroare ?
h) Ce reprezintă covarianţa ?
i) Cum se interpretează un coeficient de corelaţie şi un raport de corelaţie ?
j) Cum se verifică liniaritatea unei legături statistice ca fiind cea mai bună soluţie
de comensurare a relaţiei dintre variabile?
k) În ce constau formulele de calcul ale coeficienţilor de tip Spearman şi Kendall,
Fechner şi Bravais-Pearson?
121
3.6.3. Aplicaţii
1.Pe baza unui eşantion alcătuit din 50 de firme s-au obţinut următoarele date
referitoare la productivitatea medie şi la salariul mediu lunar. Informaţiile
rezultate din prelucrare sunt prezentate în tabelul următor:
Tabel nr. 3.10
Productivitatea medie Salariul mediu (2000 lei / salariat)
135 produse / salariat Mai mic decât media Mai mare decât media Total
Mai mică decât media 16 6 22
Mai mare decât media 9 19 28
Total 25 25 50
Coeficientul de asociere de tip Yule este: a) 0,243; b) 0,980; c) 0,901; d) 0,698.
4. În tabelul următor sunt prezentate cele cinci magazine ale firmei S.C.PAN
PROD SRL, ordonate crescător în raport cu preţul practicat:
Tabel nr. 3.13
xi yi
Magazin Preţul practicat Cantitatea vândută
(lei / kg) (mii kg)
ALFA 10,0 9,0
BETA 12,0 8,8
GAMMA 15,0 8,2
DELTA 18,0 8,0
EPSILON 20,0 8,0
TOTAL 75,0 42,0
122
I. Aplicaţi metodele elementare de identificare şi caracterizare a legăturii statistice între
variabilele xi şi yi (metoda seriilor paralele interdependente, metoda grupării, tabelul de
corelaţie, metoda grafică).
II. Calculaţi parametrii a şi b ai modelului de regresie. Interpretaţi semnificaţia
coeficientului de regresie.
III. Analizaţi şi caracterizaţi calitativ funcţia de regresie prin intermediul coeficientului
de determinaţie şi al coeficientului de eroare.
IV. Calculaţi raportul de corelaţie şi coeficientul de corelaţie. Verificaţi liniaritatea
legăturii (Rxy = rxy).
[1] Statisticianul suedez Charlier C. este acela care a folosit pentru prima dată termenul de legi
stocastice, pentru a desemna legile statistice.
[2] Moineagu, C., Negură, I.,Urseanu,V., (1976), Statistica, Ed. ştiinţifică şi enciclopedică, Bucureşti,
pag. 313-320.
[3] Detalierea acestor criterii de independenţă este riguros exemplificată de Yule G.U.şi Kendall
M.G.în lucrarea Introducere în teoria statisticii, Editura ştiinţifică, Bucureşti, 1969, pag. 43-72
[4] Coeficientul de interdependenţă este elaborat de Yule G.U. sub denumirea de coeficient de
coligaţie. Relaţia între cei doi coeficienţi formulaţi de către G.U.Yule este Q = 2Y (1+Y2 )
[5] Săvoiu G., Cruceru G., (2007), Religia şi demografia - factori de risc şi incertitudine ai deciziei şi
ai dezvoltării economice, în vol. III, Progrese în teoria deciziilor economice în condiţii de risc şi
incertitudine, Ed Performantica, Iaşi, pag. 47-60.
[6] Tarcă, M., (1998), Tratat de statistică aplicată,Ed.didactică şi pedagogică,Bucureşti, pag. 403-405
[7] Dacă xi şi yi ar fi independente, atunci x y = x × y şi i cov( xi , yi ) = xy − x × y = 0 . În realitate
variabilele sunt dependente cov (xi,yi) ≠ 0 (cov (xi,yi) > 0 indică existenţa unei legături directe, iar cov
(xi,yi) < 0 semnalează existenţa unei legături indirecte).
[8] Bădiţă, M.Baron,T.,Korka, M., (1998), Statistică pentru afaceri,Ed. Eficient, Bucureşti, pag. 215.
[9] *** (1967), Metode statistice de cercetare a corelaţiilor în economie, Ed.Academiei, Bucureşti,
pag. 115
123
CAPITOLUL IV
DECIZIA AXATĂ PE TESTAREA IPOTEZELOR STATISTICE
„Posibilitatea de a susţine un lucru fără a-l accepta este semnul unei minţi
educate”... – Aristotel –
124
4.1. Aspecte şi noţiuni generale privind decizia axată pe testarea
ipotezelor statistice
„A asigura viitorul înseamnă a gestiona informaţia.” – Marion Harper –
125
Dezvoltarea teoriei testării ipotezelor statistice a avut loc în paralel cu
dezvoltarea teoriei estimării. Primele contribuţii cu impact major în fundamentarea
matematică a testării ipotezelor statistice au aparţinut lui Neyman J., şi Pearson
E.A., prin studiile publicate, mai ales în revista Biometrica.
Pentru a lămuri principalele concepte ale acestui capitol este indicată
formularea unei prime întrebări: Ce reprezintă o ipoteză statistică?
Etimologic ipoteză a derivat din teză al cărei sens logic şi matematic a fost
dintotdeauna acela de afirmaţie dovedită ca adevărată. Ipoteza sau mai corect
hypoteza, din punct de vedere al originii greceşti a termenului (în limba greacă
hypo fiind totuna cu mai puţin), reprezintă o afirmaţie mai puţin certă, mai puţin
adevărată sau o afirmaţie încă nedovedită.
O ipoteză statistică este o presupunere, deoarece se referă la o situaţie care
poate fi adevărată, asupra uneia sau mai multor distribuţii statistice care
caracterizează anumite populaţii sau asupra unuia sau mai multor parametri ai unor
astfel de repartiţii. Ipoteza statistică este o descriere concretă a unora sau mai
multor aspecte referitoare la una sau mai multe populaţii şi nu asupra selecţiei.
Ipotezele statistice nu sunt aproape niciodată complet echivalente cu cele pur
ştiinţifice, care în mod obligatoriu sunt presupuneri asupra fenomenelor ce
alcătuiesc obiectul investigaţiei.
Ca o primă concluzie orice ipoteză statistică este o ipoteză asupra unor
parametri ai unei repartiţii teoretice sau asupra tipului acesteia, iar verificarea
ipotezei statistice reprezintă stabilirea adevărului/falsităţii ipotezei, pe baza
observaţiilor statistice.
Anterior verificării unor ipoteze statistice privind natura sau valorile unor
parametri pentru variabilele aleatoare teoretice asociate caracteristicilor studiate
sau pentru verificarea concordanţei cu repartiţii statistice (teoretice) specifice se
vor formula ipotezele denumite admisibile, în termeni generali. Pornind de la o
distribuţia unidimensională a cărei densitate de repartiţie p(x1,θ) depinde de
parametrul θ se verifică ipoteza H0:θ=θ0, sau H0:θ-θ0=0, conform căreia parametrul
θ are valoarea θ0 sau între cei două valori nu există o diferenţă semnificativă.
Evident că se poate face presupunerea că în afară de valoarea θ0, parametrul
mai poate lua şi valorile θ1,θ2,...θn. Toate ipotezele astfel rezultate H0:θ = θ0, H1:θ =
θ1, H2:θ = θ2,...Hn:θ = θn, constituie ipotezele admisibile descrise mai sus[1].
Pentru a o distinge de celelalte ipoteze, ipoteza H0: θ = θ0. este numită
ipoteza nulă, în timp ce oricare altă ipoteză este considerată o ipoteza alternativă.
Ipoteza nulă constă întotdeauna în admiterea caracterului întâmplător al
deosebirilor, adică în presupunerea că nu există deosebiri esenţiale, în timp ce
ipoteza alternativă contrazice ipoteza nulă,fiind acceptată doar când există
suficiente dovezi, evidenţe, pentru a se stabili că este adevărată. Cele două ipoteze
reprezintă teorii, simultan exclusive şi exhaustive, privind natura sau valorile unor
parametri pentru variabilele aleatoare teoretice asociate caracteristicilor studiate
sau pentru verificarea concordanţei cu repartiţii statistice (teoretice) specifice. Se
poate afirma că ele sunt simultan exclusive deoarece este imposibil ca ambele
ipoteze (nulă şi alternativă) să fie adevărate sau ambele ipoteze să fie false. De
asemenea se mai poate adăuga că ambele ipoteze (nulă şi alternativă) sunt şi
126
exhaustive deoarece acoperă toate posibilităţile, adică ori ipoteza nulă, ori ipoteza
alternativă trebuie să fie cea adevărată.
Enunţarea ipotezei nule este una dintre cele mai delicate probleme ale
deciziei axate pe testarea ipotezelor statistice, problemă ce a adus şi aduce încă
disensiuni majore în cadrul teoriei modelului econometric.
Caseta nr. 4.1
Ce înseamnă şi cât de consistent poate fi consensul teoreticienilor şi practicienilor cu
referire la decizia axată pe testarea ipotezelor statistice centrată pe existenţa unei
ipoteze nule, în modelul econometric general? Desigur că istoria destul de scurtă a
econometriei, dar mai ales aceea a modelării econometrice, şi mai ales aceea
fundamentată pe decizii axate pe testarea ipotezelor statistice face să coexiste o
mulţime de puncte comune acceptate, dar în aceeaşi măsură şi ambiguităţi şi
neînţelegeri şi chiar unele disensiuni de fond. Ca o simplă exemplificare a existenţei
unor astfel de ambiguităţi generatoare de neînţelegeri şi disensiuni, chiar din debutul
ştiinţific al testării, se pot prezenta două puncte de vedere diferite asupra testării ca tip
de procedură statistică. Testarea ipotezelor prin metode riguroase statistico-matematice,
descrisă de către Neyman J. şi Pearson E.A. oferea şi reguli de decizie în ceea ce
priveşte acceptarea sau respingerea unei ipoteze statistice speciale denumite ipoteza
nulă.[2] O ipoteză despre care s-au purtat multe discuţii în contradictoriu, generând în
rândul altor ştiinţe modelatoare o aversiune în a „accepta” această celebră ipoteză nulă.
Unul dintre principalii contestatari ai modelării econometrice Tukey J.W. afirma că
statisticienilor li se pun întrebări greşite, iar ei dau răspunsuri lipsite de adevăr, chiar
prin intermediul acestei ipoteze nule[3]. 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 parametri A şi B, variabilele endogene A şi B
sau efectele A şi B sunt considerate egale, diferenţa dintre ele fiind nesemnificativă sau
nulă, statisticienii sunt întrebaţi practic dacă „efectele lui A şi B sunt diferite?”iar ei ar
dori să răspundă „nu”. Tot ceea ce ştim despre lumea înconjurătoare (mai ales
economică) arată că efectele lui A şi B, măsurate, sunt întotdeauna diferite – cel puţin
la o anumită zecimală – şi aceasta pentru oricare A şi B. Aşa că întrebarea „Sunt
diferite efectele?” 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
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”. Cu alte cuvinte, Tukey
J.W. evidenţiază faptul ca A şi B vor diferi întotdeauna puţin, însă ceea ce trebuie să se
realizeze prin testare este alegerea sensului diferenţei şi stabilirea încrederii în decizia
pe luată. Mai mult, în afirmaţia anterioară apare implicit ideea ca magnitudinea
diferenţei nu este abordată coerent şi semnificativ prin testarea ipotezelor. Un alt
contestatar al ipotezei nule este şi Cohen care argumentează prin ceea ce se poate defini
ca disperarea proceselor de cunoaştere prin validare şi argumentează astfel testarea
ipotezelor statistice nu clarifică ce dorim să ştim, si pentru că dorim foarte mult să
ştim,în disperare de cauză, credem ca aşa este![4]…Prin opoziţie, testul de
semnificaţie, aşa cum a fost descris de către Fisher, R.A., în anul 1973, sugerează că se
poate folosi o valoare p pentru a cuantifica credinţa celor ce testează ca datele statistice
sunt semnificative [5]. In practică, decizia axată pe testarea ipotezelor statistice este un
procesul de verificare mult mai complicat decât este descris în metodologiile de testare.
Acest proces este bazat pe criteriul falsificabilităţii (Karl Popper) care afirmă că în timp
127
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 realitatea datelor
disponibile este contrară ipotezei, atunci ipoteza este falsă (ipoteza poate fi respinsă).
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 acela că realitatea
datelor disponibile nu a arătat falsitatea ipotezei (ipoteza nu poate fi respinsă)[6]. Între
timp cele două opinii clasice, privind ipoteza nulă, aflate în deplină opoziţie au conturat
disensiuni majore şi au câştigat adepţi, reuşind să se transforme în două puncte de
vedere tot mai greu de conciliat.
Scopul unui test statistic este şi acela de a stabili dacă ipoteza nulă este
adevărată sau falsă. Testul statistic definit prin prisma scopului pentru care a fost
creat a poate fi considerat drept un simplu criteriu de acceptare sau de respingere
a ipotezei nule. Formularea ipotezei alternative (contrare), notată H1 constituie un
demers dificil, dar la fel de important. Sunt posibile într-o primă analiză trei forme
pentru ipoteza alternativă:
• când în modelare se urmăreşte să se stabilească dacă valoarea parametrului
nu este egală cu valoarea specificată prin ipoteza nulă, ipoteza alternativă devine:
H1: θ ≠ θ0 (unde se regăsesc toate ipotezele alternative individuale şi specificate
H0:θ = θ0, H1:θ = θ1, H2:θ = θ2,...Hn:θ = θn);
• când în modelare se urmăreşte să se stabilească dacă estimatorii proveniţi
din datele de sondaj permit formularea unei concluzii conform căreia valoarea
parametrului depăşeşte valoarea θ0, ipoteza alternativă devine:H1: θ > θ0 ;
• când în modelare se urmăreşte să se stabilească dacă estimatorii proveniţi
din datele de sondaj permit formularea unei concluzii conform căreia valoarea
parametrului este mai mică decât valoarea θ0, ipoteza alternativă devine; H1: θ < θ0.
Mai există şi o altă modalitate de formulare a ipotezelor statistice admisibile
de tipul reuniunii mulţimii ipotezelor alternative într-una singură, generând testul
specific bilateral, întâlnită frecvent în decizia axată pe testarea ipotezelor statistice.
După ce se formulează ipoteza nulă H0, în varianta clasică: H0: θ=θ0 tot ceea ce este
contrar devine practic ipoteză alternativă H1,dar fără o înregistrare prealabilă
detaliată a ipotezelor posibile, ci direct: H1:θ≠θ0 pentru un test bilateral ori H1:θ>θ0
sau H1: θ < θ0 pentru un test unilateral (dreapta sau stânga).
Testarea poate fi generalizată şi odată cu ea se modifică şi setul de ipoteze
din ipoteze 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= θ k0, care specifică valorile tuturor 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, este denumită ipoteza compusă.
Testele statistice furnizează criterii pe baza cărora se acceptă sau se respinge
o ipoteză cu privire la o populaţie statistică pe baza observaţiilor făcute sau a
datelor statistice existente. Alegerea testului nu depinde de eşantion sau de
cercetarea exhaustivă sau totală (foarte rar folosită), ci de procedeul de testare a
ipotezei statistice. Trebuie subliniat faptul că printr-un test statistic nu se stabileşte
adevărul, ci doar dacă datele empirice sau reale sprijină ipoteza statistică formulată
şi cu ce probabilitate face acest lucru. Pentru construirea unui test statistic,
128
principiul constă în împărţirea spaţiului de valori posibile Ω (spaţiul k dimensional
al tuturor vectorilor θ) denumit şi spaţiul parametrilor, într-o regiune critică
reprezentată de submulţime de valori şi o regiune de acceptare reprezentată de o
altă submulţime, între cele două neexistând puncte de ambiguitate sau o zonă de
valori comune (intersecţia acestor două submulţimi reprezintă o mulţime vidă, dar
ele sunt complementare, şi prin reuniune regăsesc mulţimea descrisă de spaţiul de
valori posibile Ω sau spaţiul parametrilor).
Ipoteza statistică avansată se consideră a fi validată şi sprijinită de datele
empirice, dacă vectorul valorilor de selecţie aparţine submulţimii de valori ce
constituie regiunea de acceptare sau dimpotrivă invalidată, conform aceloraşi date
reale, dacă vectorul valorilor de selecţie aparţine submulţimii de valori ce
constituie regiunea critică. Valoarea statisticii testului este aceea care delimitează
valorile posibile în regiunea critică şi regiunea de acceptare devenind criteriul de
decizie asupra ipotezei statistice. Pentru transpunerea în practică a acestui principiu
testarea ipotezelor statistice presupune:
• o statistică a testului (o valoarea calculată şi tabelată, prin metode conforme cu
teoria statistică, pe baza unui algoritm matematic riguros, ce defineşte fiecare test
în parte), adică o variabilă aleatoare definită în funcţie de valorile din eşantion la
care se ajunge printr-o modalitate de prelucrare proprie fiecărui test (valoarea
tabelată sau teoretică a testului),
• o decizie bine formalizată pe reguli stricte definind criterii de decizie asupra
ipotezei statistice, conform unor parametri şi distribuţiilor generale sau teoretice ce
au generat valoarea tabelată sau teoretică a testului şi care se compară cu o valoarea
calculată pe baza datelor reale sau empirice (valoare calculată a testului).
Această viziune asupra deciziei finale axate pe testarea ipotezelor statistice
impune o incursiune atentă şi detaliată,conceptual şi metodologic, în interiorul unui
univers special al regiunilor de acceptare şi respingere, desemnate anterior însoţite
de valori caracteristice, erori inevitabile pentru un anumit nivel de probabilitate
acceptat sau riscuri specifice de comitere a acestor erori şi nu în ultimul rând de
expunerea puterii diferite a testelor şi de abordările bilaterale sau unilaterale ale
regiunilor de interes major, în demersul iniţial [6,7,8,9,10,11,12,13, 14].
Regiunea critică se defineşte aşadar ca suită de valori numerice ale testului
statistic pentru care ipoteza nulă va fi respinsă. Orice regiunea critică este
delimitată de valoarea critică, notată L pentru testele unilaterale, cu variantele Li
(inferioară) şi Ls (superioară) pentru testele bilaterale.O valoare critică este astfel
aleasă astfel încât probabilitatea ca ea să conţină testul statistic, când ipoteza nulă
este adevărată, să fie α, cu un α relativ mic (α=0.01 etc.). Dacă valoarea definită de
vectorul valorilor de selecţie se află în regiunea critică, ipoteza H0 este respinsă, iar
dacă aceasta cade în afara regiunii critice, respectiv în regiunea de acceptare,
ipoteza H0 este acceptată. Din punct de vedere grafic valoarea critică apare ca un
punct de tăietură în distribuţia sau curba valorilor (poligonul frecvenţelor) fiind
generat şi de probabilitatea de comitere a erorilor de testare de tip sau gen I (α –
alfa), cu precizarea ca în situaţia unui test cu limite bilaterale (inferioară şi
superioară) valoarea lui α va fi împărţită la 2:
129
Regiunea şi tăietura critică în testarea ipotezelor statistice în raport cu
tipul de test utilizat
Grafic nr.4.1
α/2 α/2 α α
Li Ls L L
Test bilateral Test unilateral dreapta Test unilateral stânga
Ipoteze H0: θ = θ0 Ipoteze H0: θ = θ0 Ipoteze H0: θ = θ0
H1: θ ≠ θ0 H1: θ < θ0 H1: θ > θ0
(θ < θ0 sau θ > θ0
Aşa cum se constată din graficul anterior, problema testării ipotezelor
statistice se materializează în practică şi prin opţiunea pentru un test unilateral sau
bilateral dar şi pentru o probabilitate α asociată acestora.
În decizia axată pe testarea ipotezelor statistice se pot comite inevitabil şi
erori, în raport cu acceptarea sau respingerea ipotezelor. Neyman J. şi Pearson E.S.,
constată primii, încă din 1938, diferenţa cu implicaţii practice importante, între
erorile prin acceptarea unei ipoteze false şi prin respingerea unei ipoteze adevărate.
Teoria modelării econometrice distinge astfel următoarele două clase de erori de
testare a unei ipoteze statistice:
- erori de tip sau gen I - erori comise prin eliminarea unei ipoteze nule, deşi
aceasta este adevărată şi care deţin un risc sau o probabilitate de comitere α (alfa,
denumit şi nivel sau prag de semnificaţie, din care se desprinde nivelul de
încredere al unui test statistic sau probabilitatea de garantare a rezultatelor (1-α):
α = p(respingere H0 H0 este adevărată)= p(eroare de tip sau gen I).
- erori de tip sau gen II - erori comise prin acceptarea unei ipoteze nule, deşi
aceasta este falsă şi care deţin un risc sau o probabilitate de comitere β (beta,
denumit şi puterea testului statistic (1- β):
β = p (acceptare H0 H0 este falsă) = p (eroare de tip sau gen II).
H0 H1
130
creşteri de volum ale eşantionului, abaterile medii pătratice ale distribuţiilor pentru
H0 şi H1 devin mai mici şi, evident, atât α, cât şi β, descresc. Probabilitatea de
respingere a ipotezei H0, ca funcţie de θ poartă numele de funcţie de putere a
testului. Această noţiune se notează cu π (W, θ) = p (x ∈Wl θ1), iar din definiţia lui
α şi β se obţin: π (W, θ0) = α şi π (W, θ1) = (1 - β). Cum ambele trebuie optimizate
pe parcursul unui test se urmăresc minimizarea lui α şi maximizarea lui (1-β).
Considerente teoretice şi practice, au impus mai ales valorile α=0,05 şi α=0,01.
Regula de decizie este structurată pe un raţionament general detaliat prin
intermediul unor reguli cât mai precis formulate. În lumea economică reală au loc o
mulţime de evenimentele cu probabilităţi mari de realizare. Modelarea
econometrică are ca suport tocmai această apariţie a unor evenimente cu
probabilităţi foarte mari, evident încercând a se evita pe cât posibil acele
evenimente cu probabilităţi mici, chiar nule, de realizare. Acest aspect este
scheletul întregului mecanism de realizare a modelului econometric prin aplicarea
unei decizii axate pe cel puţin o testare a ipotezelor statistice. Lumea empirică sau
realitatea economică permit formularea setului de ipoteze alternative: H0, H1. Cum
oricare eveniment care ar avea loc permite să se recalculeze prin intermediul unui
nou eşantion o statistică aparte (denumită statistica testului) şi în ipoteza nulă sau
H0, şi probabilitatea de apariţie a valorii calculate (probabilitatea critică a testului)
în acelaşi context aşteptat al unor probabilităţi de realizare suficient de mari, testul
odată încheiat ar permite validarea ipotezei şi de ce nu, la final a modelului
econometric realizat.
Dar nu toate evenimentele au totuşi probabilităţi de realizare suficient de
mari şi nici chiar mari sau medii. Iar dacă probabilitatea critică a testului este mică
apare automat o contradicţie care nu are ca finalitate decât că se va respinge H0 în
favoarea ipotezei H1 deoarece motivul pentru care probabilitatea critică este mică
este faptul că la calculul acesteia s-a acceptat ipoteza H0. Acest raţionament
conduce la întrebarea: De la ce nivel oare o probabilitate este considerată mică?
Pentru a exclude orice urmă de subiectivism în procesul de decizie, se fixează,
anterior în test, un prag sub care o probabilitate este considerată mică. Acesta este
celebrul α sau pragul de semnificaţie al oricărui test. Denumirea este justificată prin
faptul că valoarea α desparte evenimentele semnificative (care conduc la
respingerea ipotezei nule) de cele nesemnificative (care nu permit respingerea
acesteia, iar regula de decizie îl va conţine în orice formulare ar fi ea acceptată:
-dacă probabilitatea critică a testului > α , atunci nu se respinge ipoteza nulă H0.
-dacă probabilitatea critică a testului ≤ α, atunci se respinge ipoteza nulă, H0, în
schimb se acceptă ipoteza alternativă, H1.
131
Tabel nr. 4.1.
Decizia axată pe Ipoteza adevărată
H0 H1
acceptarea ipotezei H0 Decizie corectă Eroare de tip / gen II
(probabilitate 1-α) (risc β)
respingerea ipotezei H0 Eroare de tip/gen I Decizie corectă
(acceptarea ipotezei H1) (risc α) (probabilitate 1-β)
Nota 1: Alpha (α) se traduce prin: Nota 2: Beta (β) se traduce prin:
- probabilitatea apariţiei erorii de tip/gen I - probabilitatea unei erori de tip/ gen II,
- riscul pe care cercetătorul este dispus să-l - riscul asumat de către cercetător prin
asume prin respingerea eronată a unei acceptarea eronată a unei ipoteze nule false,
ipoteze nule adevărate, iar (1- β) semnifică:
iar (1- α) semnifică: - puterea testului statistic probabilitatea de
- probabilitatea de a reuşi „capturarea” garantare a rezultatelor), care trebuie
parametrului în intervalul de încredere maximizată în cadrul testării ipotezelor prin
- nivelul de încredere (1– α). minimizarea lui β evident.
Desigur că unele concepte ale deciziei axate pe testarea ipotezelor statistice
aparţin şi altor domenii statistice ori matematice. O succintă descriere şi chiar
multiplicare a sensurilor acestor noţiuni este necesară şi se regăseşte în caseta
următoare:
Caseta nr.4.2
Estimare Ipoteză statistică nulă
Forma de inferenţă statistică aptă să ofere Afirmaţie conform căreia nu există nici o
o posibilitate de a determina direct poziţia diferenţă între grupuri sau în interiorul
probabilă a parametrului unei populaţii. grupului, sau că nu există asociere între
Estimare punctuală factori. Aceasta este ipoteza pe care
Măsură descriptivă calculată din datele cercetătorul speră de multe ori să o
eşantionului, având ca scop predicţia respingă, şi ca urmare sa dea substanţă
directă a poziţiei probabile a parametrului opusei ei.
populatiei. Estimările statistice pot fi Ipoteză statistică alternativă
afectate de erori întâmplătoare, nefiind În testarea statistică (mai ales, în testele
considerate nişte constante, iar estimările de semnificaţie) reuneşte orice ipoteză
punctuale sunt ideale şi mai puţin reale. care contrazice ipoteza nulă. Aceasta
Interval de încredere este numită şi ipoteza de cercetare.
Domeniu de valori care are o probabilitate Respingerea ipotezei nule arată că
cunoscută de capturare a unui parametru. ipoteza alternativă ar putea fi adevărată.
De exemplu, un interval de încredere tipic Parametru (statistic)
economic este 95%, iar pentru un indicator O constantă a unei populaţii (media unei
esenţial al tendinţei centrale el va captura populaţii) pe care cercetătorul doreşte să
media populaţiei în 95% dintre cazurile o afle, eventual prin inferenţă statistică.
repetate, identice şi independente între ele, Parametri descriu o caracteristică a
efectuate asupra aceleiaşi populaţii. populaţiei sau o relaţie existentă în
Estimare în interval (de încredere) cadrul unei populaţii. Parametrul este
Măsură descriptivă calculată din datele presupus a fi determinat fără erori, nici
eşantionului sub forma unui domeniu de întâmplătoare, nici sistematice.
valori care are o probabilitate cunoscută de Instrument (statistic)
capturare a unui parametru (ca în estimarea Orice mijloc utilizat pentru a măsura sau
parametrului prin intervalul de încredere studia în alt fel decât cel obişnuit sau
pentru media populaţiei). orice poate fi folosit pentru a colecta date
132
Inferenţă statistică (de exemplu chestionarele utilizate
Actul de generalizare la întreaga populaţie pentru a măsura stări, atitudini, niveluri
a concluziilor dintr-un eşantion, cu un grad de dezvoltare ale unor caracteristici sau
de certitudine calculat. variabile).
133
4.2. Tipologia testelor privind verificările ipotezelor statistice şi demersul
teoretic general al testării unei ipoteze statistice
„Este incorect să ai dispreţ faţă de aspectele tehnice. Dar asta nu înseamnă că
tehnica poartă în ea dimensiunea infinitului…” – Petre Ţuţea –
134
O altă viziune tipologică extinde populaţia testelor la trei clase distincte,
respectiv la teste pentru verificarea ipotezei cu privire la parametri unei variabile
aleatoare (reunind aici de la curba frecvenţelor şi histogramă, boxplot-uri şi
diagrama reziduurilor, la dreapta lui Henry sau la testele specializate Kolmogorov-
Smirnov-Lilliefors, testul Jarque-Bera etc.), la teste de concordanţă (de la clasicul
test „χ2 ”- hi pătrat -pentru verificarea concordanţei cu repartiţia normală, la o
mulţime de alte teste adecvate altor tipuri de distribuţii sau repartiţii ca în cazul
testului binomial) şi la teste specifice analizei dispersionale. Analiza dispersională
a fost introdusă de statisticianul Fisher R.A., drept o metodă cu care se verifică
măsura în care valorile reale ale unei variabile se abat de la valorile teoretice,
calculate de regulă sub formă de medii sau ecuaţii de regresie, precum şi măsura în
care aceste variaţii sunt dependente sau nu de factorul de grupare.
135
Pasul 1. Verificarea premizelor de tip statistic descriptiv (orice aplicare a unui test
econometric porneşte de la anumite premize ce trebuie respectate de un set de date,
care se referă la condiţiile în care au fost selectate eşantioanele, forma distribuţiilor
şi mărimea eşantioanelor, tipul variabilelor şi statisticile lor descriptive,
distribuţiile şi abaterile individuale frecvente ale acestora.
Variabila încasări din servicii hoteliere şi restaurant
HR1 ante (a priori) şi HR 2 post (a posteriori)
Figura nr.4.1
136
Formularea ipotezelor şi posibilitatea de apariţie a erorilor tip/gen I şi II
Figura nr.4.2
NU EXISTĂ. EXISTĂ.
IPOTEZA ADEVĂRATĂ=H0 IPOTEZA ADEVĂRATĂ=H1
Pasul 3. Alegerea testului statistic adecvat şi stabilirea regiunii critice (în fapt o
etapă ce cuprinde la rândul ei mai mulţi paşi exemplificaţi în continuare în alegerea
testului t în raport cu z )
Selectarea testului de semnificaţie t sau z, în raport cu gradul de cunoaştere şi
volumul eşantionului
Figura nr.4.3
137
Pasul 4. Calcularea valorii testului conform statisticii acestuia (valoarea obţinută
se numeşte valoarea calculată a testului).
Pasul 5. Luarea deciziei privind acceptarea sau respingerea ipotezei nule (decizia
se axează pe valoarea calculată a testului şi pe faptul că aceasta aparţine sau nu
regiunii critice ceea ce va conduce la respingerea sau acceptarea ipotezei nule.
Acest algoritm în cinci paşi poate fi utilizat ca model în procedeul de
verificare a oricărei ipoteze statistice. Demersul modern al testării unei ipoteze
statistice presupune parcurgerea unui număr puţin mai mare de etape şi
rezolvarea problemelor pe care acestea le implică, şi anume:
l. se formulează ipotezele admisibile (nulă şi alternativă);
2.se alege şi se calculează un test statistic în funcţie de distribuţia statisticii cercetate
(legea de probabilitate a distribuţiei teoretice adecvate populaţiei cercetate);
3. se alege un prag de semnificaţie α pentru test;
4. se compară valoarea calculată a testului cu valoarea teoretică;
5. se stabilesc regulile de decizie statistică;
6. se ia decizia finală de acceptare sau de respingere a ipotezei nule.
sau chiar ceva mai mulţi paşi decât în toate variantele anterioare:
Pasul 1 - se stabilesc concret ipotezele admisibile (nulă şi alternativă);
Pasul 2 - se identifică, selectează şi se stabileşte testul statistic;
Pasul 3 - se acceptă un anumit prag de semnificaţie minim (α);
Pasul 4 - se confirmă o repartiţie teretică asimilată testului;
Pasul 5 - se particularizează prin valori limită sau critice regiunea de respingere;
Pasul 6 - se calculează valoarea testului statistic;
Pasul 7 - se stabilesc regulile de decizie;
Pasul 8 - se ia decizia privind acceptarea sau respingerea ipotezei H0.
Pasul 9 - se formulează decizia în termeni economici sau ai fenomenului modelat.
Testarea ipotezelor statistice este o componentă importantă a deducţiei
statistice. Gândirea econometrică simplifică aplicarea în mod concret a
procedurilor elaborând seturi de reguli simple pentru derularea coerentă a
procesului de testare statistică. Aceste seturi de reguli pot fi asimilate şi
conceptului de test de semnificaţie. Testele de semnificaţie sunt desemnate printr-o
literă caracteristică cu care se notează o mărime dată a cărei valoare se calculează
şi se compară cu o dimensiune tabelată sau cu o valoare teoretică (standardizată).
Formularea ipotezei nule rămâne esenţială. Un exemplu frecvent este acela
conform căreia parametrul X 0 şi estimatorul x coincid (între populaţia totală A şi
selectată B neexistând nici o diferenţă după valoarea cercetată) se testează statistic
concret diferenţa X 0 - x = x *, respectiv dacă aceasta depăşeşte o anumită limită.
Un alt concept des folosit în practica testelor statistice este acela al gradelor
de libertate, mai uşor de înţeles pornind de la un exemplu concret:
Caseta nr. 4.4
Ştiind că suma abaterilor de la medie este întotdeauna nulă şi presupunând că se deţin
cinci observaţii şi patru dintre abaterile lor de la medie (-20; -5; 5; 10) atunci cea de-a
cincea abatere de la medie este 10”. Rezultă că numai patru din cinci observaţii sunt
independente şi constituie practic numărul gradelor de libertate. În concluzie, în cazul
unui eşantion există n-1 grade de libertate, datorită faptului că dacă n-1 frecvenţe sunt
specificate, ultima este determinabilă din numărul lor total n .
138
În continuare vor fi definite cu caracter de exemplificare mai multe teste
statistice în raport cu un demers simplificat ce cuprinde numai patru paşi:enunţarea
ipotezelor admisibile (H0 şi H1), selectarea distribuţiei şi stabilirea zonei critice,
calcularea statisticii testului şi luarea deciziei.
1.Testul z pentru compararea mediei eşantionului cu media populaţiei totale
(a estimatorului eşantionului cu parametrul populaţiei totale)
Testul z se bazează pe o statistică a cărei repartiţie teoretică este normal distribuită
cu parametrii X 0 = 0 şi σ2 = 1.
Verificarea premizelor de tip statistic descriptiv identifică:
X 0 =media teoretică (parametrul populaţiei totale); x =media selecţiei (estimatorul
eşantionului); n = volumul eşantionului; σ2 =dispersia teoretică.
Se disting în funcţie de modul de definire a regiunii critice testul bilateral,
unilateral dreapta sau unilateral stânga.
Caseta nr. 4.5
Testul z bilateral Testul z unilateral dreapta Testul z unilateral stânga
139
unde: x1 şi x2 = estimatori a două eşantioane independente; n1 şi n2 = volumul
eşantioanelor; σ 12 şi σ 22 = dispersiile cunoscute ale populaţiilor;
140
Pasul 2 - Selectarea distribuţiei şi stabilirea zonei critice.
distribuţia Fischer-Snedecor şi nivelului de semnificaţie α uzual 0.05; 0,025 şi
0,01 (în testul bilateral corespund unor nivele de semnificaţie α: 0,1; 0,05; 0,02)
Pasul 3 - Calcularea statisticii testului
2
S2 S2 2 2
F = 12 dacă S12 > S 22 sau F = 2 dacă S2 > S1 ;
S2 S1
F(α / 2,v1 ,v2 ) unde:α reprezintă pragul de semnificaţie ales
v1=(n-1) unde n este volumul eşantionului care are dispersia mai mare;
v2=(n-1) unde n este volumul eşantionul cu dispersia mai mică.
Pasul 4 - Luarea deciziei decurge astfel: se respinge H0 dacă valoarea calculată a
testului este mai mare decât valoarea teoretică nefiind îndreptăţită afirmaţia
despre egalitatea dispersiilor populaţiilor.
În orice modelare econometrică este necesară verificarea ipotezei cu privire
la concordanţa care se stabileşte între o repartiţie teoretică şi o repartiţia empirică
cercetată. Etapele ce trebuie parcurse pentru aplicarea unui test de concordanţă
sunt:
- valorile observate trebuie să se exprime în abateri normate calculate ca raport
între abaterile distribuţiei empirice de la media lor şi abaterea standard:.
- distribuţia abaterile normate formează o distribuţie teoretică de probabilitate cu
media egală cu zero şi dispersia egală cu 1;
- se determină valorile teoretice (calculate pe baza datelor din tabelele funcţiilor
teoretice de probabilitate) ataşabile valorilor empirice;
- comparaţia valorilor empirice cu cele teoretice calculate pe baza legii de
probabilitate poate confirma sau nu ipoteza cu privire la tendinţa de evoluţie a
variabilei cercetate.
Distribuţia normală, denumită şi distribuţia Gauss-Laplace, cea mai cunoscută
dintre toate tipurile de distribuţii întâlnite în statistică, deţine acea caracteristică de
unde i-a apărut şi denumirea plastică de „clopotul lui Gauss”, respectiv o curbă a
frecvenţelor mai specială.
Distribuţia normală de medie m şi dispersie σ2 sau N(m, σ 2 )
Caseta nr. 4.7
( x−m)2
−
1 2σ 2
p ( x) = e
σ 2π
unde p(x) este probabilitatea de apariţie a
unei valori oarecare x, iar m şi σ sunt media
şi abaterea pătratică (sau abaterea standard)
a distribuţiei normale.
Are aspectul grafic al unui clopot, dar şi o formulă matematică uşor de prelucrat.
Aşa cum se constată doar doi parametri (media şi abaterea standard) definesc
complet o distribuţie normală, iar pentru o medie egală cu zero şi o dispersie egală
cu unu, respectiv normată sau standardizată
141
Distribuţia normată sau de medie m = 0 şi dispersie σ2 = 1 sau N(0,1)
Caseta nr. 4.8
−
z2
1 x−m
p( z ) = e 2 unde
z=
2π σ
iar p(z) este probabilitatea de apariţie
a unei valori z, iar m şi σ sunt media nulă
şi abaterea pătratică egală cu “unu” a
distribuţiei normate sau standardizate.
Medie nulă (plasată în originea graficului) şi caracter sintetic al variabilei z*
* Notă: Se observă că variabila z are un caracter sintetic, reunind într-o singură formulă
media şi abaterea standard a distribuţiei
Tabelele statistice ale distribuţiei normate oferă posibilitatea de a cunoaşte, pentru
o valoare oarecare a lui z, probabilitatea ca acea valoare să fie depăşită. Iată câteva
praguri ale lui z, corespunzătoare unor valori semnificative ale probabilităţilor.
Caseta nr. 4.9
zt Probabilitatea p(z>zt)**
3.08 0.001
2.57 0.005
2.32 0.010
1.96 0.025
1.64 0.050
1.28 0.100
0.84 0.200
** Notă: Distribuţia normată sau standardizată detaliată cu valorile lui z teoretic sau z
tabelat se regăseşte în anexe.
Verificarea corespondenţei dintre repartiţiile teoretice şi cele empirice se face
folosind o serie de teste din literatura de specialitate. Cel mai des invocat rămâne
testul χ2 (hi-pătrat).
4. Testul de concordanţă cu distribuţia normală χ2 (hi pătrat)
Testul χ2 (hi pătrat) este utilizat pentru a identifica dacă distribuţia unei populaţii
selectate de date, interpretată prin prisma unei anumite caracteristici, concordă sau
se abate semnificativ de la repartiţia normală (standard) cu care aceasta se compară
sau dacă o repartiţie empirică diferă semnificativ de cea teoretică. Se notează cu
f1 , f 2 ... f s un şir de frecvenţe empirice sau reale obţinute într-un eşantion şi cu
m1 , m2 ...ms , frecvenţele teoretice sau ale populaţiei originare corespunzătoare,adică
acelea cu care dorim să le comparăm pe primele. Relaţia de calcul a lui χ2este:
( f −m ) ( f − m2 ) ( f − ms )
2 2 2
χ = 1 1
2
+ 2 + .... + s
m1 m2 ms
Apoi se stabileşte numărul gradelor de libertate. Gradele de libertate semnifică
numărul valorilor independente care sunt necesare pentru determinarea divizorului
∑( x − x)
2
142
Mărimea χ2 calculată se compară cu valorile care se găsesc în tabele, în dreptul
numărului de grade de libertate f respective şi al nivelului de probabilitate dorit. În
cazul în care valoarea „hi pătrat” calculată este mai mare decât cea aflată în tabel,
se conchide că diferenţa dintre structuri este semnificativă la nivelul de
probabilitate acceptat α = P( χ 2 〉 χα2 ) , respectiv care utilizează aici valori cel mult
egale cu 0,95 (probabilitatea de a nu greşi în valoarea ei minim admisă sau în 95
din 100 de cazuri, valabilă în decizia de tip economic).
În practica testului χ2 se parcurg următoarele etape:
a) se procedează la împărţirea în grupe a colectivităţii cercetate după variabila xi în
aşa fel încât numărul unităţilor din fiecare grupă să fie ≥ 5;
b) se determină media şi abaterea medie pătratică;
x −x
c) se determină abaterile normale normate z i = i ;
σx
d) se stabilesc valorile funcţiei F(z) care se găsesc în anexe.
e) se calculează valorile lui χ 2;
f) se compară valoarea lui χ 2 obţinută prin calcul cu valoarea χ2 corespunzătoare
probabilităţii acceptate α. Ipoteza se acceptă dacă χ 2 ≤ χ2 α şi se respinge în caz contrar.
Valorile lui χ2 α se caută în tabelele întocmite pentru distribuţia variabilei χ 2 în funcţie de
probabilitatea acceptată α şi de numărul gradelor de libertate f = (r – l –1) unde: r =
numărul grupelor (intervalelor formate) şi l = numărul parametrilor repartiţiei
empirice analizate.
Există şi metode sau teste statistice de evaluare a previziunii modelului
econometric, din care a fost selectat unul de o mare simplitate:
2
Pt +1 − Yt +1
n −1
∑
t =1
Testul U al lui Theil ( Theil ' s U ) =
Yt
2
n −1
Yt − Yt +1
∑
t =1 Yt
143
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 . Principalii indicatori ai erorilor de previziune sunt:
1 n
1.Eroarea medie de previziune (EMP): = ∑ et
n t =1
Dacă eroarea este cauzată de factori pur aleatori atunci erorile sunt simetric
distribuite în jurul valorii 0 iar prin adunare se anulează. Prin urmare o valoare
negativă sau pozitivă mare a EMP arată o eroare sistematică de previziune, adică
valorile previzionate fie supraestimează fie subestimează în mod constant valorile
observate.
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
aceiaşi serie de date însă nu poate fi folosită 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 care îl fac mai ales utilizat în calculele
matematice. Specific 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 de la valoarea previzionată.
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 (EPMAP): = ∑ ×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. Cu cât acest
procent este mai mic cu atât previziunea este mai exactă.
144
Din cauza persistenţei unor elemente de tip determinist, în gândirea
econometrică generală apare nevoia de rigoare excesivă în cadrul deciziei axate pe
testarea ipotezelor statistice, în sensul că, în final, să se poată afirma cu certitudine
că ipoteza nulă este falsă sau că este adevărată. In realitatea modelării
econometrice, din motive nu numai pur metodologice, ci mai ales din cauze ce ţin
de formarea unei gândiri probabilistice, a unui exerciţiu permanent de convieţuire
raţională cu incertitudinea relativă, acest proces al testării ipotezelor statistice este
unul adeseori complicat şi chiar detaliat în exces.
Dezacord total
Acord parţial
Acord total
Indiferent
145
8.Mă simt încurcat când trebuie să împărtăşesc altora X
sentimentele.
9. Cred că faptele spun mai mult decât vorbele. X
10. Mă simt frustrat atunci când fac parte din echipă X
11.Am tendinţa să judec pe cineva în funcţie de trecut X
12. Când sunt într-o situaţie nouă, sunt foarte stresat. X
13. Mă supăr dacă nu câştig o dispută. X
14. Atunci când trebuie să ajung undeva, prefer să depind de mine. X
15.Îmi place ca oamenii să demonstreze că au într-adevăr X
dreptate.
16. Cred că e bine să fiu discret cu viaţa personală. X
17.Trecutul e o sursă de predicţii mai bună decât planul de X
viitor.
18. Sunt foarte stresat când cunosc oameni noi. X
19. Prefer să folosesc tehnici pe care le-am mai folosit ca X
să duc la bun sfârşit sarcini noi.
20.Deseori renunţ la punctul meu de vedere, pentru altul X
mai bun.
21.Rareori împărtăşesc altora informaţii despre familia X
mea.
22.Cred că e important să supraveghez oamenii, ca să vezi
dacă fac ceea ce au spus că vor face. X
23.Pentru a ajunge la un compromis accept să renunţ la ceva X
important.
24.Mă supăr când oamenii îmi spun lucruri ofensatoare X
despre mine.
25.Sunt mai interesat de situaţia reală decât de posibilităţi. X
26.Prefer un contract semnat unei strângeri de mână. X
27.Îmi place ca programul zilnic să fie planificat şi
organizat şi mă deranjează situaţia în care trebuie să X
schimb ceva.
28.Cred că sunt o persoană interiorizată mai curând decât X
expansivă.
29.Prefer să fiu singur decât să fiu cu alţii. X
30.Într-o discuţie, e mai important să ai dreptate decât să
menajezi demnitatea celuilalt. X
TOTAL RĂSPUNSURI = 30 4 2 0 10 14
Determinarea nivelului individual al QP sau IP, drept scor final la acest chestionar se
realizează prin însumarea punctajului de la fiecare din cele 30 de enunţuri, verificând mai
întâi prezenţa unui răspuns la fiecare enunţ. Cel mai mic scor final posibil, în cazul unor
răspunsuri de câte un singur punct la fiecare enunţ în parte, devine astfel 30, iar cel mai
mare atinge nivelul de 150. Propunerea de utilizare a unei scale Likert, în chestionarul
aparţinând lui Stephen M. Dent, este justificată în cazul studenţilor, întreprinzătorilor,
managerilor şi partenerilor din noile economii de piaţă est - europene, în primul rând din
cauza lipsei obişnuinţei acestora cu autoevaluările de stare şi mai apoi datorită mai clarei
distribuiri a intervalelor egale pe această scală specifică, în raport cu simpla prezentare a
unui scor, pe oricare altă scală (chiar şi comparativ cu o diferenţială de tip semantic, care ar
146
conduce la un punctaj maxim de 210 puncte şi la trei intervale de autoevaluare finală
diferite, respectiv 30-90, 91-150 şi 151-210). Calculul scorului şi posibila interpretare a
acestuia sunt detaliate în continuare.
Chestionarul Stephen M.Dent
Tabel nr. 4.3.
Enunţ Punctaj Enunţ Punctaj Rezultatul conform scorului final obţinut,
1 4 16 5 exprimat în puncte (QP)
2 5 17 4
3 1 18 5 *30–70-inteligenţă partenerială scăzută
4 5 19 5 *71–110-inteligenţă partenerială medie
5 2 20 1 *111–150-inteligenţă partenerială ridicată
6 4 21 5
7 1 22 4 Punctajul relevă o inteligenţă autoevaluată în
8 5 23 1 prezent, dar susceptibilă de ameliorare continuă.
9 2 24 4 Nu există nivel corect sau greşit. bun sau rău în
10 5 25 5 punctajele obţinute. Trebuie să se identifice însă,
cât de fidel reflectă scorul final statutul prezent al
11 5 26 4
propriilor abilităţi în calitate de partener. Ceea ce
12 5 27 5
trebuie făcut în continuare este să se treacă treptat
13 5 28 4
la o schimbare de atitudine şi o dată cu ea va apare
14 4 29 5 şi o majorare a scorului final.
15 4 30 4
Punctaj total 118
Evaluarea inteligenţei parteneriale, prin nivelul scorului final – QP, cu ajutorul
testului Stephen Dent oferă prin intermediul acestui scor general o evaluare de ansamblu,
iar prin cele şase valori vectoriale specifice transpuse în tot atâtea atribute grafice, relevă
detaliat componentele acesteia: decizia axată pe trecut sau pe viitor (întrebările
1;11;17;19;25), atitudinea faţă de schimbare (întrebările 2; 5;12;18;27), atitudinea în relaţia
dintre câştigul personal-câştigul echipei (întrebările 3;13;20;23;30), valorizarea complexă
independenţă-interdependenţă (întrebările 4; 6; 10; 14; 29), dezvoltarea încrederii
(întrebările 7;9;15;22;26), transparenţa şi feed - back (întrebările 8;16;21;24;28).
Pentru exemplul de test completat cu scorul total precizat de 118 de puncte, ceea ce
se traduce printr-o inteligenţă partenerială ridicată, se pot determina valorile
vectorilor specifici (valoarea medie generală la nivel de întrebare fiind ridicată, respectiv
de 118/30=3,93 puncte). Aceste valori vectoriale se detaliază, iar la final se reprezintă grafic
fiecare din valorile medii calculate explicit, pentru persoana testată în tabelul nr. 4.2..
Valorile vectoriale specifice
Caseta nr. 4.10
Vectorul I -decizia axată pe trecut sau pe viitor punctaj = 23/5 = 4,6 puncte
Vectorul II -atitudinea faţă de schimbare, punctaj = 22/5 = 4,4 puncte
Vectorul III -atitudinea în relaţia câştig personal-câştig echipă, punctaj =12/5 = 2,4 puncte
Vectorul IV-valorizarea complexă independenţă-interdependenţă,punctaj = 23/5 = 4,6 puncte
Vectorul V -dezvoltarea încrederii, punctaj mediu=15/5 = 3 puncte
Vectorul VI -transparenţa şi feed - back , valoare medie=23/5= 4,6 puncte.
Analiza valorilor vectoriale subliniază cele două direcţii care vor fi îmbunătăţite
pentru a creşte nivelul inteligenţei parteneriale, atitudinea în relaţia dintre câştigul personal-
câştigul echipei, în prezent situaţia fiind evident în defavoarea echipei (2,4 puncte) şi
147
capacitatea de a dezvolta încredere printre membrii echipei (3 puncte). Graficul nr. 4.2
descrie prompt şi eficient concluzia testului:
Concluzia chestionarului IP
Graficul nr. 4.3.
Decizia axată pe trecut sau pe viitor
Atitudinea faţă de schimb are
Atitudinea în relaţia câştig personal - câştig echipă
Valorizarea independenţă - interdependenţă
Dezvoltarea încrederii
Transparen ţa şi feed-back
1
4,6 4,4 2,4 4,6 3,0 4,6
0
148
Grupe de personal conform punctajului total obţinut la testul IP
Tabel nr. 4.4.
Personal de sex feminin Personal de sex masculin
sub 35 de ani peste 35 de ani sub 35 de ani peste 35 de ani
pre post pre post pre post pre post
anchetă anchetă anchetă anchetă anchetă anchetă anchetă anchetă
IP scăzută
1,00 <IPmediu <2,33 22 3 15 5 4 - 5 1
punctaj total (30–70)
IP medie
2,33 < IPmediu < 3,67 4 16 6 13 - 4 - 4
punctaj total (70–110)
IP ridicată
3,67 < IPmediu <5,00 - 7 - 3 - - - -
punctaj total (110–150)
Total 26 26 21 21 4 4 5 5
Observaţie: limita superioară nu este cuprinsă în interval
Din rezultatele prezentate în continuare, se mai poate deduce că populaţia
statistică finală supusă analizei de formare a echipei ce a gestionat proiectul noii
anchete, populaţie alcătuită din 56 de persoane, a fost grupată (dezmembrată şi
ierarhizată) în cele două momente esenţiale, respectiv pre anchetă sau pre proiect şi
post anchetă şi post proiect, momente în cazul cărora rezultatele au fost
semnificativ diferite şi relevante, prin prisma punctajului individual.
Grupe de personal conform punctaj obţinut la IP detaliat vectorial
Tabel nr. 4.5.
Personalul din grupul testat pre Personalul din grupul testat post
anchetă sau pre proiect anchetă sau post proiect
Vectorul şi punctajul mediu Vectorul şi punctajul mediu
ni V1 V2 V3 V4 V5 V6 ni V1 V2 V3 V4 V5 V6
IP scăzută
1,00 <IPmediu <2,33 46 2,05 2,14 2,22 2,26 2,16 2,07 9 2,11 2,0 2,22 2,11 1,89 2,33
punctaj total (30–70)
IP medie
2,33 < IPmediu < 3,67 10 2,8 2,6 3,3 2,9 3,2 3,1 37 3,62 3,43 3,35 3,51 3,57 3,24
punctaj total (70–110)
IP ridicată
3,67 < IPmediu <5,00 - - - - - - - 10 4,4 4.7 4,8 4,6 4,9 4,7
punctaj total (110–150)
Total 56 2,19 2,152,41 2,38 2,35 2,26 56 3,52 3,43 3,43 3,48 3,54 3,36
Observaţie: limita superioară nu este cuprinsă în interval
Mediile celor două situaţii temporale descrise sunt cu adevărat complet
diferite, respectiv 2,30 puncte quotientul inteligenţei parteneriale înainte de
formarea echipei, deci în pre anchetă sau pre proiect (valoare situată la limita
superioară a primului interval caracterizat de o IP scăzută, unde 2,3 × 30 = 69
puncte) şi 3,46 puncte post anchetă sau post proiect (valoare destul de apropiată de
limita superioară a celui de-al doilea interval caracterizat de o IP medie de
aproximativ 104 puncte).Metoda coeficientului de determinaţie, ca urmare a
grupării combinate a persoanelor utilizate în formarea echipei şi realizarea
anchetei, realizată cu ipoteze explicative factoriale ale variaţiei punctajului mediu
obţinut la testul IP şi prin respectarea principiului „caeteris paribus” sau al izolării
dependenţelor unifactoriale, permite cuantificarea contribuţiei variabilelor de tip
149
experienţă sau participare în proiecte, sex şi grupă de vârstă, prin coeficienţi de
determinaţie semnificativi, în formula:D = [ (δ)2 / (σo)2] · 100
Dispersia generală sau împrăştierea totală a punctajelor individuale în
raport cu punctajul mediu obţinut la testul IP poate fi explicată succesiv prin factori
de grupare distinctivi. Aceştia pot fi consideraţi semnificativi şi sunt selectaţi ca
importanţă, prin calculul raportului dintre dispersia mediilor de grupă sau
„explicată” de factorul de grupare ipotetic (δ)2 şi dispersia generală (σo)2. Din
analiza grupărilor combinate, utilizând ipoteze de determinaţie factorială, se
identifică numai trei situaţii de grupări combinate, în care valoarea coeficientului
de determinaţie pentru factorul de grupare depăşeşte 0,2 sau în procente 20 %:
I. gruparea combinată a personalului implicat în anchetă sau proiect după punctajul
obţinut la IP, dar şi în raport cu factorul experienţă sau participare anterioară („pre
anchetă sau pre proiect şi post anchetă sau post proiect”):
Grupe de personal implicat conform punctaj obţinut IP sau QP
Tabel nr. 4.6.
Subgrupe de pacienţi în raport cu experienţa
sau participarea anterioară Total
pre anchetă post anchetă
(pre proiect) (post proiect)
IP scăzută sau 1,00<IPscăzută<2,33 46 9 55
punctaj total (30–70)
IP medie sau 2,33 < IPmedie < 3,67 10 37 47
punctaj total (70–110)
IP ridicată sau 3,67 < IPridicată <5,00 - 10 10
punctaj total (110–150)
Total 56 56 112
Observaţie: limita superioară nu este cuprinsă în interval
Mediile şi dispersiile celor două subgrupe, precum şi media şi dispersia
colectivităţii reunite sunt prezentate sintetic mai jos:
Subgrupe de personal în raport cu experienţa sau participarea anterioară
Tabel nr. 4.7.
nj xj (σj)2 ( x j - X o )2 nj (σj)2nj
pre anchetă (preproiect) 56 2,30 0,10 18,8 5,6
post anchetă (post proiect) 56 3,46 0,55 18,8 30,8
2
Total 112 X o =2,88 (σ0) = 0,66 37,6 36,4
Cum dispersia colectivităţii reunite preanchetă (preproiect) şi postanchetă
(postproiect) este (σo)2 = 0,66 iar dispersia explicată de către acest factor de grupare
este:(δ)2=37,6:112=0,335 se poate identifica o valoare semnificativă a
coeficientului de determinaţie: D = [(δ)2 /(σo)2]·100=(0,335:0,66)·100 = 50,75 %.
Această determinaţie subliniază că factorul experienţă deprinsă în echipa
anchetei sau proiectului explică într-o proporţie importantă (circa 51%) variaţia
punctajului mediu obţinut la PI, respectiv îmbunătăţirea inteligenţei parteneriale
după scorul obţinut prin testul autoadministrat al lui Stephen Dent.
Pentru a putea avea deplină încredere în rezultatele experimentului este necesară o
testare statistică, bazată pe testul scorurilor Z pentru semnificaţia diferenţei dintre
cele două medii aritmetice, x pre anchetă (pre proiect) şi x post anchetă (post proiect).
Testarea presupune parcurgerea următorilor paşi:
150
Pasul 1 - Enunţarea ipotezelor
H0: x post anchetă (post proiect)= x pre anchetă (pre proiect) - mediile celor două populaţii sunt
egale post anchetă (post proiect) şi pre anchetă (pre proiect)
H1: x post anchetă (post proiect) ≠ x pre anchetă (pre proiect) - mediile celor două populaţii sunt
diferite post anchetă (post proiect)şi pre anchetă (pre proiect).
Pasul 2 - Selectarea distribuţiei şi stabilirea zonei critice
Distribuţia de eşantionare = Distribuţia Z
α = 0,01 ( test bilateral ) şi Z α / 2 (critic) = 2,58
Pasul 3 - Calcularea statisticii testului
x postanchetă (postproiect)- x preanchetă (pre proiect) 3,46 - 2,3
Z= 2 2
spreANCHETA spostANCHETA = 0,1 0,55 =
+ + 10,67
55 55
n2 -1 n1 -1
unde: ZCALCULAT > ZTEORETIC
10,67 > 2,58
Pasul 4 – Luarea deciziei
Întrucât Z „obţinut prin calcul” este poziţionat în zona critică, ipoteza nulă este
respinsă, ceea ce constituie o dovadă că personalul implicat în anchetă sau în
proiect beneficiază de medii de punctaj semnificativ diferite post anchetă (post
proiect) şi pre anchetă (pre proiect), sau, altfel exprimat, experienţa căpătată în
anchete sau în proiecte se constituie într-un factor semnificativ de îmbunătăţire a
nivelului testat al inteligenţei parteneriale prin chestionarul de evaluare al IP în
varianta Stephen Dent. Decizia de a respinge ipoteza nulă are o probabilitate de a
fi eronată foarte mică, respectiv de numai 0,01.
II. gruparea combinată a tuturor persoanelor de sex feminin sub 35 de ani după
punctajul obţinut la testul IP, dar şi în raport cu factorul experienţă sau participare
anterioară „preanchetă (preproiect) şi postanchetă (postproiect)”:
Grupe de personal conform punctaj obţinut la IP
Tabel nr. 4.8.
Subgrupe de personal de sex feminin,
Grupe de personal conform sub 35 de ani, în raport cu punctajul IP Total
punctaj obţinut la IP pre anchetă (pre proiect) post anchetă (postproiect)
IP scăzută 1,00 <IPmediu <2,33 22 3 25
punctaj total (30–70)
IP medie 2,33 < IPmediu < 3,67 4 16 20
punctaj total (70–110)
IP ridicată3,67 < IPmediu <5,00 - 7 7
punctaj total (110–150)
Total 26 26 52
Observaţie: limita superioară nu este cuprinsă în interval
151
Subgrupe de personal, sub 65 de ani, în raport cu testul IP
Tabel nr. 4.9.
nj xj (σj)2 ( x j - X o )2 nj (σj)2nj
pre anchetă (pre proiect) 26 2,26 0,0897 12,0 2,3322
post anchetă (post proiect) 26 3,62 0,5814 12,0 15,1164
2
Total 52 X o =2,94 (σ 0 ) = 0,795 24,0 17,4486
Cum dispersia colectivităţii reunite a personalului sub 35 de ani, pre
anchetă (pre proiect) şi post anchetă (post proiect) este (σo)2 = 0,795, iar dispersia
explicată de către acest factor de grupare este (δ)2 =24:52 = 0,461, se poate
identifica o valoare semnificativă a coeficientului de determinaţie:
D = [ (δ)2 / (σo)2] · 100 = 0,461 : 0,795) · 100 = 58,0 %.
Această determinaţie subliniază că factorul experienţă deprinsă în echipa
anchetei sau proiectului explică într-o proporţie mult mai mare (circa 58,0%)
variaţia punctajului mediu obţinut la PI, respectiv îmbunătăţirea inteligenţei
parteneriale după scorul obţinut prin testul autoadministrat al lui Stephen Dent, în
cazul persoanelor de sex feminin sub 35 de ani.
Pentru a putea avea deplină încredere în rezultatele experimentului este
necesară o testare statistică, bazată pe testul t pentru semnificaţia diferenţei dintre
cele două medii aritmetice x pre anchetă (pre proiect) şi x post anchetă (post proiect).
Este utilizat acest test datorită dimensiunii eşantionului de numai 26 de
unităţi (sub 30, limita testului t)
Testarea presupune parcurgerea următorilor paşi:
Pasul 1 - Enunţarea ipotezelor
H0: x post anchetă (post proiect)= x pre anchetă (pre proiect) (mediile celor două populaţii sunt
egale post anchetă (post proiect)şi pre anchetă (pre proiect))
H1: x post anchetă (post proiect) ≠ x pre anchetă (pre proiect) (mediile celor două populaţii sunt
diferite post anchetă (post proiect) şi pre anchetă (pre proiect)
Pasul 2 - Selectarea distribuţiei de eşantionare şi stabilirea zonei critice
Distribuţia de eşantionare = Distribuţia t
α = 0,01 ( test bilateral ) şi t teoretic = 2,787
n2 = 26-1 şi n1 = 26-1
Pasul 3 - Calcularea statisticii testului
3,62- 2,26
x post anchetă (post proiect)- x pre anchetă (pre proiect) = = 8,3
t = 2 2
spreANCHETA spostANCHETA 0,0897 0,5814
+ +
25 25
n2 n1
unde:tCALCULAT > tTEORETIC
8,3 > 2,787
Pasul 4 – Luarea deciziei axată pe testarea ipotezelor statistice
Întrucât t „obţinut prin calcul” este poziţionat în zona critică, ipoteza nulă este
respinsă, ceea ce constituie o dovadă că personalul de sex feminin sub 35 de ani
deţine un punctaj mediu semnificativ diferit post anchetă (post proiect) şi pre
anchetă (pre proiect), sau, altfel enunţat, factorul experienţă deprinsă în echipa
anchetei sau proiectului se constituie într-un factor semnificativ şi mult mai
152
influent de îmbunătăţire a inteligenţei parteneriale, în cazul populaţiei de sex
feminin sub 35 de ani. Decizia de a respinge ipoteza nulă are o probabilitate de a
fi eronată foarte mică, respectiv de numai 0,01.
III. gruparea combinată a tuturor persoanelor de sex feminin, peste 35 de ani după
punctajul obţinut la testul IP, dar şi în raport cu factorul experienţă sau participare
anterioară „pre anchetă (pre proiect) şi post anchetă (post proiect)”:
Grupe de personal conform punctaj obţinut la IP
Tabel nr. 4.10.
Subgrupe de personal de sex feminin,
peste 35 de ani, în raport cu punctajul IP Total
pre anchetă (pre proiect) post anchetă (post proiect)
IP scăzută 1,00 <IPmediu <2,33 15 5 20
punctaj total (30–70)
IP medie 2,33 < IPmediu < 3,67 6 13 19
punctaj total (70–110)
IP ridicată3,67 < IPmediu <5,00 - 3 3
punctaj total (110–150)
Total 21 21 42
Observaţie: limita superioară nu este cuprinsă în interval
Mediile şi dispersiile celor două subgrupe, precum şi media şi dispersia
colectivităţii reunite sunt prezentate sintetic mai jos:
Subgrupe de personal, sub 65 de ani, în raport cu testul IP
Tabel nr. 4.11.
nj xj (σj)2 ( x j - X o ) 2 nj (σj)2nj
pre anchetă (pre proiect) 21 2,39 0,141 4,44 2,95
post anchetă (post proiect) 21 3,31 0,625 4,44 12,35
2
Total 42 X o =2,85 (σ 0 ) = 0,575 8,88 15,30
Cum dispersia colectivităţii reunite a personalului peste 35 de ani, pre
anchetă (pre proiect) şi post anchetă (post proiect) este (σo)2 = 0,575, iar dispersia
explicată de către acest factor de grupare este (δ)2 =8,88:42 = 0,211, se poate
identifica o valoare semnificativă a coeficientului de determinaţie:
D = [ (δ)2 / (σo)2] · 100 = 0,211 : 0,575) · 100 = 36,7 %.
Această determinaţie subliniază că factorul experienţă deprinsă în echipa
anchetei sau proiectului explică într-o proporţie mult mai mică (circa 37,0%)
variaţia punctajului mediu obţinut la PI, respectiv îmbunătăţirea inteligenţei
parteneriale după scorul obţinut prin testul autoadministrat al lui Stephen Dent, în
cazul persoanelor peste 35 de ani.
Pentru a putea avea deplină încredere în rezultatele experimentului este
necesară o testare statistică, bazată pe testul t pentru semnificaţia diferenţei dintre
cele două medii aritmetice x pre anchetă (pre proiect) şi x post anchetă (post proiect). Este utilizat
acest test datorită dimensiunii eşantionului de numai 21 de unităţi (sub 30, limita
testului t)
Testarea presupune parcurgerea următorilor paşi:
Pasul 1 - Enunţarea ipotezelor
H0: x post anchetă (post proiect)= x pre anchetă (pre proiect) (mediile celor două populaţii sunt
egale post anchetă (post proiect)şi pre anchetă (pre proiect))
153
H1: x post anchetă (post proiect) ≠ x pre anchetă (pre proiect) (mediile celor două populaţii sunt
diferite post anchetă (post proiect)şi pre anchetă (pre proiect))
Pasul 2 - Selectarea distribuţiei de eşantionare şi stabilirea zonei critice
Distribuţia de eşantionare = Distribuţia t
α = 0,01 ( test bilateral ) şi t teoretic = 2,845
n2 = 21-1 şi n1 = 21-1
Pasul 3 - Calcularea statisticii testului
x postanchetă (post proiect) - x pre anchetă (preproiect) 3,31 - 2,39
t= 2 2
=
s s 0,141 0, 625 = 4,7
+
preANCHETA
+ postANCHETA
20 20
n2 n1
unde: tCALCULAT > tTEORETIC
4,7 > 2,845
Pasul 4 – Luarea deciziei
Întrucât t „obţinut prin calcul” este poziţionat în regiunea critică, ipoteza nulă
este respinsă, ceea ce constituie o dovadă că personalul de sex feminin, peste 65
de ani beneficiază de o medie de punctaj semnificativ diferită, post anchetă (post
proiect)şi pre anchetă (pre proiect), sau, altfel enunţat, factorul experienţă
deprinsă în echipa anchetei sau proiectului se constituie într-un factor
semnificativ, dar nu la fel de influent ca în cazul al II – lea, de îmbunătăţire a
nivelului inteligenţei parteneriale, în cazul populaţiei de sex feminin peste 35 de
ani. Decizia de a respinge ipoteza nulă are o probabilitate de a fi eronată foarte
mică, respectiv de numai 0,01.
Pentru testarea ipotezelor statistice, ca în cazul diferenţei dintre două medii
(testul t) se poate apela la pachetele de programe specializate. Iată un exemplu în
acest sens. O firmă se aprovizionează de la doi furnizori, iar datele sunt:
Tabel nr. 4.12
Furnizor Rebuturi Bune Total unde: X – variabila independentă cu valorile:
firma_a 20 1680 1700 x1 – furnizorul A şi x2 – furnizorul B
firma_b 30 1970 2000 Y – variabila dependentă cu valorile:
Total 50 3650 3700 y1 – piese rebut şi y2 – piese bune
Decizia poate fi luată pe baza testului t al diferenţei dintre două medii. Mai întâi se
introduc datele în programul EViews (Quick _ Empty Group)
154
Din meniul View se alege comanda Tests of Equality şi opţiunea Mean
155
4.4. Întrebări, teste tip grilă şi aplicaţii
4.4.1. Întrebări
156
4. În cadrul testării statistice (1- α) semnifică:
a) probabilitatea de a reuşi „capturarea” parametrului în intervalul de încredere;
b)nivelul de încredere (1– α);
c) puterea testului statistic sau probabilitatea de garantare a rezultatelor, care trebuie
maximizată în cadrul testării ipotezelor.
5. În cadrul testării statistice (1- β) semnifică:
a)probabilitatea de a reuşi „capturarea” parametrului în intervalul de încredere;
b)nivelul de încredere (1– α);
c)puterea testului statistic sau probabilitatea de garantare a rezultatelor, care trebuie
maximizată în cadrul testării ipotezelor.
6.Etapele testării ipotezelor statistice în cea mai succintă variantă sunt:
a) formularea ipotezelor nulă şi alternativă;
b) alegerea statisticii testului;
c) selectarea unui prag de semnificaţie;
d) decizia testului statistic;
e) selectarea distribuţiei şi stabilirea zonei critice;
f) compararea valorii calculate a testului cu valoarea teoretică;
g) formularea deciziei în termeni economici sau ai fenomenului modelat.
7. Regiunea critică şi tăieturile limitative ale delimitării ei generează:
a) teste bilaterale; b) teste unilaterale; c) teste unilaterale dreapta; d) teste unilaterale
stânga; e) teste trilaterale;
6. Statistica testului t este descrisă de relaţia de mai jos:
x − X0 X0 − x x1 − x 2 x1 − x 2
a) ;b) ;c) ;d) .
S n −1
2 σ/ n S 1
2
n1 + S 2
2 n2 σ n 1 + σ 22 n 2
2
1
4.4.3. Aplicaţii
1. În rândul firmelor din regiunea Muntenia sud-est s-a realizat un sondaj privind
aprecierea celui mai critic an din primii cinci ai existenţei firmei. Eşantionul
firmelor a fost de 100 de firme, iar 41% din firmele respondente au identificat
ultimul an din cei cinci ca fiind cel mai dificil. O anchetă similară de conjunctură
identifică o cotă de numai 33% la această întrebare. Există diferenţe semnificative
statistic între ponderea firmelor din populaţia totală a firmelor şi din eşantionul
prelevat, firme care au identificat ultimul an din cei cinci ca fiind cel mai dificil şi
estimatorul acesteia?Care este testul adecvat pentru compararea mediilor acestei
variabile alternative t sau z? Rezultatele se vor garanta cu o probabilitate de 95%.
157
3. Un magazin primeşte reclamaţii privind lipsa unei cantităţi importante de
detergent din pachetele ambalate furnizate de o firmă producătoare nouă, care
trebuie să conţină 3 kg./pachet. Pentru aceasta se valorifică datele dintr-un eşantion
extras aleator şi se selectează 100 de pachete, pentru care se calculează o medie de
2,81kg şi o dispersie de 0,25 respectiv o abatere medie pătratică de 0,5gk. Pentru
un prag de semnificaţie α = 0,01 ceea ce implică un nivel de încredere (1- α) de
0,99 sau în procente 99%, să se determine dacă se acceptă ipoteza nulă, conform
căreia greutatea pachetelor de detergent este în medie de 3 kg. Pentru a aplica
testul z conform repartiţiei specifice tabelate rezultă un z α/2=z0,005=2,575.
[1] Trebici, V., (1985), Mica enciclopedie de statistică, Ed. Ştiinţifică şi Enciclopedică, Bucureşti,
pag. 379-506
[2] Lehmann, E. L., (1993), The Fisher, Neyman-Pearson theories of testing hypotheses: one theory
or two? Journal of the American Statistical Association, 88, pag. 1242 - 1249.
[3] Tukey, J. W. (1991), The philosophy of multiple comparisons, Statistical Science, 6, pag.100-116.
[4] Fisher, R.A, (1973), Statistical Methods and Scientific Inference. (3rd ed.). New York:Macmillan.
[5] Cohen, J. (1994),The earth is round (p < .05). American Psychologist, 49, pag. 997 - 1003.
[6] Clocotici,V.,(2007), Introducere în statistica multivariată,Ed.Universităţii,A.ICuza,Iaşi,pag.29-37
[7] Andrei, T., Bourbonnais, R., (2008), Econometrie , Ed. economică, Bucureşti, pag.187-218
[8] Andrei, T, Stancu, S, Iacob, A.I, Tuşa E.,(2008), Introducere în econometrie utilizând Eviews, Ed.
Economică, Bucureşti, pag. 29-48.
[9]Gheorghe F-C., Obreja G., Teste statistice pentru selecţii de volum mic. Ed.Universităţii din Piteşti,
1999, pag. 9-20.
[10] Isaic-Maniu A,(2001),Tehnica sondajelor şi anchetelor,Ed.Independenţa economică,pag.121-127
[11] Jaba, E., Grama,A., (2004), Analiza statistică cu SPSS sub Windows, Ed. Polirom, Iaşi, pag. 171-
176 şi 202-231
[12] Săvoiu,G., (2007),Statistica.Un mod ştiinţific de gândire,Ed.Universitară, Bucureşti, pag.407-414
[13]Tamaş, V, Brânzei, D, Smadici, C, Moscovici, J, (1995), Modele matematice în economie, Ed.
Graphix, Iaşi, pag. 156-182.
[14] Voineagu,V.,Ţiţan, E.,Şerban R.,Ghiţă,S.,Tudose,D.,Bobo C.,Pele D.,(2007), Teorie şi practică
econometrică, Ed Meteor Press, Bucureşti
[15] Dent, S.M., (2004), Parteneriatul în afaceri, Ed. Curtea Veche, Bucureşti, pag. 37-39.
158
CAPITOLUL V
IDENTIFICARE, SPECIFICARE, PARAMETRIZARE ŞI TESTARE
ÎN MODELUL ECONOMETRIC DE REGRESIE UNIFACTORIALĂ
159
5.1.Gândirea statistică modernă şi modelul econometric de regresie
unifactorială
„Cum ai putea să vorbeşti despre lumea definită prin două modele, atunci când,
de fapt, nu există decât un unic model al lumii, dat de către toate ecuaţiile de fizică
puse împreună?” – Bertrand Russell –
160
Gândirea clasică statistică a presupus şi o latură operatorie specifică, de
procesare-transformare, în accepţiunea informaţională Procesarea şi transformarea
specifică acestei gândiri a devenit accentuat cantitativă şi relaţională. Gândirea
statistică este simultan emergentă, încercând continuu să detaşeze dintr-o mulţime
de cantităţi, amorfă şi neordonată, calităţile, structuralitatea şi esenţa realităţii în
model, dar şi convergentă, reducând diversitatea la omogenitate şi unitate. Modelul
gândirii statistice clasice a deţinut capacitatea de a defini corect clasele, raporturile;
de a comprima structuri; de a releva noţiuni corelative; de a relaţiona indicatori
prin precizie, calitate, concordanţă, compatibilitate informaţională; de a descoperi
şi restabili ordinea logică; de a formula şi aplica instrumente, concepte, metode,
tehnici; de a realiza predicţii; de a formula concluzii, cu accent pe interpretarea
rezultatelor şi, mai rar, pe intuiţie, totul pornind de la o bază de date şi de la un
volum apreciabil de informaţii prelucrate. Toate acestea au produs un proces de
transformare în chiar gândirea clasică, modernizând-o.
Ca şi în cazul altor procese ale cunoaşterii ştiinţifice, şi în gândirea statistică
modernă devine obligatorie trecerea de la identificare şi delimitare, la definire şi
descriere generală, de la dezvăluire şi analiza structurală (sau a arhitecturii interne
a unui fenomen atât de complex cum este cel economic investigat), la cuantificarea
elementelor sau componentelor funcţionale, dar şi a rolului fiecăruia dintre ele în
sistemul complex denumit de acum model econometric. Gândirea statistică de tip
clasic a valorificat în exces abilităţile generale ale gândirii ştiinţifice: analiza (în
subsidiar comparaţia), sinteza (în subsidiar clasificarea), abstractizarea şi
generalizarea. Complexitatea fenomenelor a adus cu sine în gândirea statistică
modelarea şi previziunea, reunindu-le în acelaşi model econometric. Gândirea
statistică modernă îşi modifică accentul de pe cunoaştere prin teoretizare pe
cunoaştere fundamentată pe previziune, fiind tot mai mult preocupată de modelarea
structurată pe valorile de bază ale fenomenului, evenimentului, situaţiei (informaţia
relevantă pentru decizia de modelare axată pe testarea statistică), pe valoarea
aşteptată (pe principii de eficienţă şi optimizare, corelate atât cu valorile
fenomenului, evenimentului, situaţiei, cât şi cu probabilităţile acestora), pe funcţia
de utilitate aşteptată (subiectivă prin criterii şi decizie), precum şi pe valoarea
efectului şi corectitudinii opţiunii sau alternativei (evaluare critică a competitivităţii
prin impact şi rezultat, dar mai ales prin erori de previziune).
Nevoia de a lua decizii economice prompte şi cât mai puţin afectate de erori,
apare în întregul proces contemporan al identificării, construcţiei, parametrizării,
aplicării, validării sau invalidării, previziunii sau simulării prin modelul econometric.
Chiar şi cel maxim condensat denumit modelul econometric de regresie
unifactorială y = f(x) + u sau y = f(x) + ε a păstrat neîntinată dorinţa de a fi prompt
şi neviciat sau alterat de erori semnificative, şi deţine prin reziduu u sau ε un
element de corecţie continuă a modelului, un inventar al noilor influenţe factoriale,
o urmă din trecutul fenomenului către viitorul acestuia, prin simplul fapt că
reuneşte o mulţime de alţi factori neincluşi în model. Această variaţie reziduală
măsoară şi explică diferenţa dintre valorile reale (observate) ale lui y şi valorile
estimate prin model (fiind de altfel expresia cumulată a trei tipuri de erori: de
specificare, măsurare şi eşantionare). Modelul econometric prezintă câteva avantaje
majore în raport cu modelele altor ştiinţe. Chiar şi atunci când pare a fi revolut
modelul econometric oferă surprize şi chiar revelaţii.
161
Modelul econometric de regresie unifactorială presupune verificare
permanentă a unor ipoteze, mai ales ca urmare a păstrării reziduului ca martor al
deteriorării sau creşterii competitivităţii sale. Ipotezele sale sunt presupuse
adevărate dar şi permanent verificate, pe măsură ce noi date îi completează sursele
şi îi modifică relativ unii dintre parametri. Aceste ipoteze constituie de fapt
vitalitatea sa, fie că se referă la liniaritatea modelului prin transformări ale
variabilei exogene acolo unde ele sunt posibile, fie la normalitatea distribuţiei
reziduale, la media zero şi la alternanţa semnului reziduului ca sursă de erori în
model, la ipoteza de homoscedasticitate axată pe o varianţă (dispersie) definită ca
un număr pozitiv constant, pe independenţa variabilei exogene în raport cu
variabila reziduală, lipsa unor erori de specificare sau măsurare cu impact major în
model etc. Modelul econometric al regresiei unifactoriale reprezintă un univers al
testărilor capabil să rezolve probleme insesizabile în orice alt tip de construcţie, de
la ce variabile ar trebui incluse în model,la forma funcţională a modelului (este
liniar în parametri, în variabile sau ambele?) etc.
Această pledoarie este menită a face remarcată specificitatea şi evoluţia
cercetării economice marcate de gândirea econometrică drept o dezvoltare
neaşteptată a gândirii statistice clasice şi moderne, precum şi de modelul
econometric fondator de noi teorii în macro şi microeconomia contemporană.
162
Cele mai utilizate funcţii matematice sunt:
funcţii liniare
funcţii neliniare
163
1 1
Funcţia inversă: y = a + ⋅b+ u Funcţia loginversă: log y = a + ⋅b+ u
x x
1 1
sau y = a + ⋅b + ε sau log y = a + ⋅ b + ε
x x
În cazul în care parametrul b este pozitiv (b>0) există o dependenţă directă între
variabila exogenă şi endogenă, iar când parametrul b este negativ (b<0) între variabila
exogenă şi endogenă, există o dependenţă inversă. Parametrul a reprezintă valoarea
efectului atunci când variabila exogenă este egală cu 0.
Cei doi parametrii, a şi b, nu pot fi în acelaşi timp negativi.
164
5.3. Estimări ale parametrilor în regresia unifactorială modelată
„Am doar o lampă după care imi ghidez paşii, iar această lampă e experienţa. Nu
cunosc niciun fel de a judeca viitorul decât prin a face referire la trecut.
– Edward Gibbon –
^ ^ ^
y t = a + b·x t
^
unde: y t valorile teoretice ale variabilei y obţinute numai în funcţie de valorile
^
factorului esenţial x şi de valorile estimatorilor parametrilor a şi b, respectiv a şi
^
b
^ ^
Estimaţiile valorilor variabilei reziduale sunt: u t = y t − y t
unde:
ut sunt valorile variabilei reziduale;
^
u t sunt estimaţiile valorilor variabilei reziduale.
165
^ ^
∂F ( a , b) n
^ ^
∂ a ^
= 2 ∑
t =1
yt - a - b xt ( −1) = 0
^ ^
∂F (a, b) n
^ ^
^
= 2 ∑ t - b xt ( − xt ) = 0
t =1
y - a
∂ b
9 estimaţia parametrului a
n n
^ ^ n n 1 ^ ^ ∑xt ∑ yt ^ ^
n a+ b ∑ x t = ∑ yt ⋅ ⇒ a + b t =1 = t =1
⇒ a = y − b⋅ x
t =1 t =1 n n n
9 estimaţia parametrului b
n
n ∑ yt
t =1 n n
n n n n n ∑ x t ⋅ ∑ yt
^
∑ xt ∑ xt yt n∑ x t yt − ∑ x t ⋅ ∑ yt t =1 t =1
−x⋅y
t =1 t =1 t =1 t =1 t =1 n
b= = n n n
= n
n
∑ xt n ∑ (x t ) − ∑ x t ⋅ ∑ x t ∑ (x t )
2 2
n
n
t =1
n
t =1 t =1 t =1 t =1
n
− x () 2
∑ xt ∑ (x t )
2
t =1 t =1
166
Pe baza acestor valori se pot calcula abaterea medie pătratică a variabilei
reziduale S ^ şi abaterile medii pătratice ale celor doi estimatori, S ^ şi S ^ .
u a b
2
^
∑ yt − yt
dispersia variabilei reziduale: S 2^ =
, unde k este
u n−k
numărul parametrilor.
iar abaterea medie pătratică a variabilei reziduale este: S ^ = S 2^
u u
^ 1 x
2
dispersia estimatorului a : S ^ = S ^ +
2 2
u n
∑( x t − x t )
2
a
^ 1
S 2^ = S 2^
∑ (x t − x t )
dispersia estimatorului b : 2
b u
unde:
yt şi xt sunt valorile empirice ale variabilelor;
a şi b sunt parametrii modelului;
date de relaţia: y t = a ⋅ x bt
167
^ ^
Estimaţiile valorilor variabilei reziduale sunt: u t = y t − y t
unde:
ut sunt valorile variabilei reziduale;
^
u t sunt estimaţiile valorilor variabilei reziduale.
^ ^
∂F (log a , b) n
^ ^
∂ log a ^
= 2 ∑
t =1
log yt - log a - b log xt ( −1) = 0
∂F (log a, b)
^ ^
n ^ ^
^
= 2 ∑
t =1
log yt - log a - b log xt ( − log xt ) = 0
∂b
^ ^ n n
n log a + b ∑ log x t = ∑ log y t
t =1 t =1
^ n ^ n n
log a ∑ log x + b ∑ (log x )2 = ∑ log x ⋅ log y
t =1
t
t =1
t
t =1
t t
9 estimaţia parametrului a
168
n n
∑ log y t ∑ log x t
t =1 t =1
n n
∑ log x t ⋅ log y t ∑ (log x t )
2
^
t =1 t =1
log a =
n
n ∑ log x t
t =1
n n
∑ log x t ∑ (log x t )
2
t =1 t =1
n n n n
∑ log y t ⋅ ∑ (log x t ) − ∑ log x t ⋅ ∑ log x t ⋅ log y t
2
^
t =1 t =1 t =1 t =1
log a = n n n
n ∑ (log x t ) − ∑ log x t ⋅ ∑ log x t
2
t =1 t =1 t =1
9 estimaţia parametrului b
n
n ∑ log y t
t =1
n n n n n
^
∑ log x t ∑ log x t ⋅ log y t n ∑ log x t ⋅ log y t − ∑ log x t ⋅ ∑ log y t
t =1 t =1 t =1 t =1 t =1
b= = n n n
n
∑ log x t n ∑ (log x t ) − ∑ log x t ⋅ ∑ log x t
2
n
t =1 t =1 t =1 t =1
n n
∑ log x t ∑ (log x t )
2
t =1 t =1
^ ^
Pe baza estimaţiilor parametrilor a şi b , se pot calcula valorile
^ ^ ^ ^
x
Funcţia exponenţială: yt = a · b t · u
unde:
yt şi xt sunt valorile empirice ale variabilelor;
a şi b sunt parametrii modelului;
169
Valorile teoretice ale variabilei y obţinute numai în funcţie de valorile factorului
^ ^
esenţial x şi de valorile estimatorilor parametrilor a şi b, respectiv a şi b , sunt
^ ^ ^ xt
date de relaţia: y t = a ⋅ b
^ ^
Estimaţiile valorilor variabilei reziduale sunt: u t = y t − y t
unde:
ut sunt valorile variabilei reziduale;
^
u t sunt estimaţiile valorilor variabilei reziduale.
^ ^
∂F (log a , log b ) n
^ ^
^
= 2 ∑ log yt - log a - xt ⋅ log b ( −1) = 0
t =1
∂ log a
^ ^
∂F (log a, log b) n
^ ^
^
= 2 ∑ log yt - log a - xt ⋅ log b ( − xt ) = 0
t =1
∂ log b
9 estimaţia parametrului a
170
n n
∑ log y t ∑ xt
t =1 t =1
n n n n n n
∑ x t ⋅ log y t ∑ (x t ) ∑ log y t ⋅ ∑ (x t ) − ∑ x t ⋅ ∑ x t ⋅ log y t
2 2
^
t =1 t =1 t =1 t =1 t =1 t =1
log a = = n n n
n
∑ xt n ∑ (x t ) − ∑ x t ⋅ ∑ x t
2
n
t =1 t =1 t =1 t =1
n n
∑ x t ∑ (x t )
2
t =1 t =1
9 estimaţia parametrului b
n
n ∑ log y t
t =1
n n n n n
^
∑ x t ∑ x t ⋅ log y t n ∑ x t ⋅ log y t − ∑ x t ⋅ ∑ log y t
t =1 t =1 t =1 t =1 t =1
log b = = n n n
n
∑ xt n ∑ (x t ) − ∑ x t ⋅ ∑ x t
2
n
t =1 t =1 t =1 t =1
n n
∑ x t ∑ (x t )
2
t =1 t =1
^ ^
Folosind estimaţiile parametrilor a şi b , se pot calcula valorile
^ ^ ^ ^ xt
estimate ale variabilei endogene, y t , cu ajutorul relaţiei: y t = a ⋅ b
Valorile variabilei reziduale vor rezulta din următoarea relaţie:
^ ^
ut = yt − yt
Funcţia de regresie de tip parabolă: Yt = a + bxt + cx2
unde:
yt şi xt sunt valorile empirice ale variabilelor;
a, b şi c sunt parametrii modelului;
^ ^ ^ ^
2
Valorile estimate ale variabilei y sunt date de relaţia: y t = a + b x t + c x t
^ ^
Estimaţiile valorilor variabilei reziduale sunt: u t = y t − y t
unde:
ut sunt valorile variabilei reziduale;
^
u t sunt estimaţiile valorilor variabilei reziduale.
171
Estimarea parametrilor modelului econometric se realizează cu ajutorul
M.C.M.M.P.:
2
^ ^ ^ n ^
F(a , b, c) = ∑ y t - y t = min
t =1
2
^ ^ ^ n ^ ^ ^
⇒ F(a , b, c) = ∑ y t - a - b x t − c x 2t = min
t =1
Se derivează relaţia de mai sus în funcţie de parametrii „a”, „b” şi „c”:
^ ^ ^
∂F ( a , b, c ) n
^ ^ ^
^
= 2 ∑ t
t =1
y - a - b xt - c xt2 ( -1) = 0
∂a
∂F (a^ , b^ , c^ )
n ^ ^ ^
^
= 2 ∑ t
t =1
y - a - b xt - c xt2 ( - xt ) = 0
∂b
^ ^ ^
∂F (a, b, c) n
2
( )
^ ^ ^
^
= 2 ∑ yt - a - b xt - c xt - xt = 0
t =1
2
∂c
na + b∑ xt + c∑ xt2 = ∑ yt
⇒ a ∑ xt + b∑ xt2 + c ∑ xt3 = ∑ xt yt
a ∑ xt + b∑ xt + c ∑ xt = ∑ xt yt
2 3 4 2
172
Cu cât probabilităţile comiterii erorilor de genul întâi şi de genul al doilea sunt
mai mici, cu atât testul este mai bun. Nivelurile riscurilor se stabilesc în funcţie de
considerente economice şi de natura testului.
unde:
( )
n 2
V02 = ∑ y t − y este variaţia totală a variabilei y;
t =1
2
n ^
Vx2 = ∑ y t − y este variaţia lui y generată de influenţa variabilei x;
t =1
2
n ^
Vu2 = ∑ y t − y t este variaţia lui y provocată de factori aleatori.
t =1
Datorată regresiei n
Vx2 = ∑ ( ŷ t − y) 2 Vx2
k s 2y / x = s 2y / x
(explicată de model) t =1 k Fc =
s 2u
n
Vu2
Reziduală Vu2 = ∑ ( y t − ŷ t ) 2 n-k-1 s 2u =
(neexplicată de model) t =1 n − k −1
n
V02 = ∑ ( y t − y) 2 V02
Totală n-1 s 2y = -
t =1 n −1
173
Pe baza datelor din tabel se pot testa următoarele ipoteze:
9 H0: S 2y x = S 2u influenţa lui x nu este diferită de cea a factorilor aleatori, deci
modelul nu poate fi validat;
9 H1: S 2y x ≠ S 2u influenţa lui x este semnificativ mai mare decât cea a factorilor
aleatori.
Regula de decizie:
Dacă Fc ≤ Fα,k,n-k-1, atunci se acceptă H0 şi deci modelul nu este semnificativ
statistic;
Dacă Fc > Fα,k,n-k-1, atunci se respinge H0, se acceptă H1, deci modelul este
semnificativ statistic (valid).
a) Coeficientul de determinaţie
∑ (ŷ t − y )
n n
∑ (y t − ŷ t )
2 2
Vx2 Vu2 t =1 t =1
R2 = = 1− = 1− =
V02 V02
∑ (y t − y ) ∑ (y t − y )
n 2 n 2
t =1 t =1
t =1
Vu = Vu2 =
n−2
unde Vu este un estimator nedeplasat al dispersiei reziduurilor
Vu este util în compararea modelelor. Dacă avem la dispoziţie câteva modele dintre
care trebuie să alegem, cel mai potrivit a fi utilizat este cel pentru care Vu este mai
scăzut.
174
III. Testarea parametrilor modelului de regresie
a) Parametrul „b” (panta dreptei)
¾ Testul bilateral
Într-un test bilateral, în legătură cu un parametru „b”, ipotezele ce pot fi puse sunt:
H0: b = 0
H1: b ≠ 0
α/2 α/2 α α
175
Dacă avem un eşantion de volum mare se poate aplica testul z
b − µ(b ) b − 0
z calc = =
sb sb
Regiunea critică:
9 Pentru testul bilateral: dacă z calc < −z α / 2 sau z calc > z α / 2 se respinge
H0.
9 Pentru testul unilateral dreapta: dacă z calc > z α se respinge H0.
9 Pentru testul unilateral stanga: dacă z calc < −z α se respinge H0.
Intervalul de încredere pentru „b”:
b − zα / 2 ⋅ sb ≤ b ≤ b + zα / 2 ⋅ sb
b) Parametrul „a”
¾ Testul bilateral
Într-un test bilateral, în legătură cu un parametru „a”, ipotezele ce pot fi puse sunt:
H0: a = 0
H1: a ≠ 0
176
b − zα / 2 ⋅ sb ≤ a ≤ b + zα / 2 ⋅ sb
( )
x t ∈ x ± 3σ x ⇔ x − 3σ x < x t < x + 3σ x
yt ∈ (y ± 3σ ) ⇔ y − 3σ
y y < y t < y + 3σ y
Dacă valorile acestor variabile aparţin intervalelor (
x t ∈ x ± 3σ x ) şi
( )
y t ∈ y ± 3σ y , ipoteza poate fi acceptată.
ru / x =
∑ (u − u )(x − x )
nσ u σ x
Dacă valoarea coeficientului de corelaţie este aproximativ egală cu zero, atunci
se acceptă ipoteza de homoscedasticitate, variabilele u şi x sunt independente;
Dacă valoarea coeficientului de corelaţie este diferit de zero, atunci se respinge
ipoteza de homoscedasticitate.
177
9 Procedeul grafic - corelograma între valorile variabilei dependente (yt) şi
^
valorile variabilei reziduale u
9 Testul Durbin-Watson constă în calcularea termenului empiric:
2
^ ^
n
∑ u t − u t −1
d=
t =2
2 n ^
∑ut
t =1
şi compararea acestei mărimi „ d ” cu două valori teoretice, d1 şi d2 , preluate din
tabela Durbin-Watson în funcţie de un prag de semnificaţie α , arbitrar ales, de
numărul variabilelor exogene (k) şi de valorile observate (n, n ≥ 15) .
Acceptarea sau respingerea ipotezei de independenţă a erorilor se bazează pe o
anumită regulă, care constă în:
dacă 0 < d < d1 ⇒ autocorelare pozitivă;
dacă d1 ≤ d ≤d2 ⇒ indecizie, recomandându-se acceptarea autocorelării
pozitive;
dacă d2 < d < 4 − d2 ⇒ erorile sunt independente;
dacă 4 – d2 ≤ d ≤ 4 − d1 ⇒ indecizie, recomandându-se acceptarea
autocorelării negative;
dacă 4 − d1 < d < 4 ⇒ autocorelare negativă.
^
P u t ≤ t α S ^ = 1 − α
u
178
Verificarea ipotezei de normalitate se face cu ajutorul metodei grafice. În
cadrul graficului, pe axa OX se vor reprezenta valorile ajustate ale variabilei
^
y − y t , iar pe OY se vor reprezenta valorile variabilei reziduale ut.
Dacă valorile empirice ale variabilei reziduale se înscriu în limita
± t α ⋅ S ^ , cu un anumit prag de semnificaţie α, ipoteza de normalitate a variabilei
u
reziduale poate fi acceptată cu acest prag de semnificaţie.
Dacă cele patru ipoteze au fost acceptate atunci metoda celor mai mici
pătrate este echivalentă cu metoda verosimilităţii maxime şi estimatorii obţinuţi
sunt nedeplasaţi, convergenţi şi eficienţi.
^ ^
De asemenea, cei doi estimatori, a şi b , sunt variabile aleatoare
repartizate normal:
^ ^
L a = N a , S ^ şi L b = N b, S ^
a b
^
unde: S ^ este abaterea medie pătratică a estimatorului a iar S ^ este abaterea
a b
^
medie pătratică a estimatorului b
179
t 1c > t α;ν
dacă: se acceptă ipoteza H1, deci modelul a fost corect specificat.
t c > t α;ν
2
^ ^
P a − t α;ν ⋅ S ^ ≤ a ≤ a + t α;ν ⋅ S ^ = p = 1 − α şi
a a
^ ^
P b − t α;ν ⋅ S ^ ≤ b ≤ b + t α;ν ⋅ S ^ = p = 1 − α
b b
^ ^
P a = a ± t α;ν ⋅ S ^ > 0 = p = 1 − α şi P b = b± t α;ν ⋅ S ^ > 0 = p = 1 − α
a b
α /2 1 ( xn +1 − x ) 2
ICyn +1 = yˆ n +1 ± t n − 2 ⋅ σˆ ε + +1
n ∑ ( xt − x ) 2
t
180
Tabel nr. 5.2
FBCF, mil. lei, PIB, mil. lei, IFBCF IPIB
Anul
preţuri curente preţuri curente 2000 = 100% 2000 = 100%
2000 15194,7 80377,3 100 100
2001 24115,4 116768,7 110,1 105,7
2002 32283,6 151475,1 119,2 111,2
2003 42293,0 197564,8 129,4 117,0
2004 53850,3 246468,8 143,8 126,9
2005 66503,8 288176,1 162,0 132,2
2006 88272,0 344535,5 193,3 142,5
2007 125645,3 412761,5 256,6 151,6
Se cere:
a) să se specifice modelul econometric ce descrie legătura dintre PIB şi FBCF;
b) Să se estimeze parametrii modelului şi să se verifice semnificaţia acestora.
Rezolvare:
Tabel nr. 5.3
PIB, mil. lei, preţuri comparabile FBCF, mil. lei, preţuri comparabile
Anii
(2000=100%) (2000=100%)
2000 80377,3 15194,7
2001 84958,8 16729,4
2002 89379,6 18112,1
2003 94041,4 19661,9
2004 101998,8 21850,0
2005 106258,8 24615,4
2006 114537,7 29371,4
2007 121852,0 38989,6
Sursa: Anuarul Statistic al României 2008
181
u = variabila reziduală, reprezentând influenţele celorlalţi factori ai variabilei y,
nespecificaţi în model, consideraţi factori întâmplători, cu influenţe
nesemnificative asupra variabilei y.
Specificarea unui model econometric presupune alegerea unei funcţii matematice
cu ajutorul căreia poate fi descrisă legătura dintre cele două variabile. În cazul unui
model unifactorial, procedeul cel mai des folosit îl constituie reprezentarea grafică
a celor două şiruri de valori cu ajutorul corelogramei.
Se alege frecvenţa
anuală a datelor
primul an ultimul an
182
Pasul 3: Se realizează corelograma View/Graph/Scatter/Scatter with Regression
183
Pasul 2. Se defineşte ecuaţia de regresie
184
^
Probabilitatea asociată parametrului a este p = 0 şi respectiv a
^
parametrului b este p = 0
^
Valoarea calculată a testului t pentru estimatorul log a este t 1c =
^
56,60015 şi pentru estimatorul log b este t c2 = 15,21967.
185
Pe baza estimatorilor parametrilor au fost calculate valorile estimate ale variabilei
^ ^ ^
y, log y t =7,897+0,0000212·xt şi ale variabilei reziduale log u t = log y t − log y t .
186
Din acest motiv, nu mai are sens testarea semnificaţiei estimatorilor şi a raportului
de corelaţie, estimatorii nemaifiind eficienţi, deci se impune mai întâi eliminarea
fenomenului de autocorelaţie a erorilor.
Pentru eliminarea fenomenului de autocorelaţie a erorilor se porneşte de la
faptul că erorile sunt corelate, adică:
log ut = r(1)logut-1+ωt
Pasul 1. Se estimează valoarea coeficientului de autocorelaţie de ordinul 1 pe baza
variabilei Durbin-Watson, d, pentru a facilita utilizarea pachetului de programe
EViews în vederea eliminării autocorelaţiei erorilor
d 1,255
r(1) = 1 − = 1− = 0,3725
2 2
Pasul 2. Folosind următoarele notaţii: zt = logyt – r(1)logyt-1; vt = xt – r(1)xt-1; a1 =
log(1-r(1)); b1 = log(1-r(1));
se obţine: zt = a1 + b1vt + ωt
187
Pasul 4. Se obţin rezultatele:
zt = 4,83 + 0,0000231 · vt
(0,165) (0,00000247)
Utilizând testul Durbin-Watson pentru a verifica dacă fenomenul de autocorelaţie a
erorilor a fost eliminat - pentru un prag de semnificaţie α = 0,05, k = 1, n = 8
valorile teoretice ale variabilei Durbin-Watson sunt d1 = 1,08 şi d2 = 1,36. În
comparaţie cu acestea, valoarea empirică d = 1,56 se situează astfel: d2 = 1,32 < d =
1,56 < 4 − d2 = 2,64, ceea ce indică fenomenul de independenţă a erorilor, deci
fenomenul de autocorelaţie a erorilor a fost eliminat.
188
Analizând rezultatele afişate de programul EViews se constată că: Fc = 1,843 >
F0,05;2;6 = 5,14 şi LM= 3,357 < χ 02,05; 2 = 5,99 iar estimatorii parametrilor modelului
sunt nesemnificativi (t0,05;6 = 2,447) deci ipoteza de homoscedasticitate se verifică.
189
Se constată că JB = 0,2533 < χ 02,05; 2 = 5,99 şi că p(JB) = 0,881. Deoarece valoarea
calculată a testului J-B este mai mică decât valoarea tabelată a lui χ 02,05; 2 , iar
probabilitatea ca testul J-B să nu depăşească valoarea tabelată este suficient de
mare, ipoteza de normalitate a erorilor poate fi acceptată.
IV. Verificarea semnificaţiei estimatorilor
Estimatorii modelului sunt semnificativ diferiţi de zero dacă:
t ac1 = 29,32 ≥ t α;( n −1) − k −1 = 2,447 şi t cb1 = 9,36 ≥ t α;( n −1)−k −1 = 2,447
V. Verificarea semnificaţiei raportului de corelaţie
Raportul de corelaţie este semnificativ diferit de zero dacă se verifică inegalitatea:
Fc = 87,63 ≥ Fα;ν1 ;ν 2 = 5,14 deci pentru un prag de semnificaţie de 0,05, valoarea
raportului de corelaţie este semnificativ diferită de zero.
În concluzie, modelul zt = 4,83 + 0,0000231·vt poate fi apreciat ca reprezentativ
pentru descrierea dependenţei dintre PIB şi FBCF.
5.6.1. Întrebări
a)În ce constă identificarea unui model econometric?
b)Care sunt principalele funcţii matematice utilizate pentru identificarea unui
model econometric?
c)Cum pot fi estimaţi parametrii modelului econometric unifactorial?
d) Care sunt etapele parcurse pentru testarea ipotezelor statistice?
e) Cum se verifică validitatea modelului de regresie unifactorială?
f) Ce metodă este folosită pentru testarea validităţii modelului?
g) Cum se verifică semnificaţia raportului de corelaţie?
h) Care sunt testele folosite pentru testarea parametrilor modelului de regresie?
i) Cum sunt verificate ipotezele modelului de regresie unifactorială?
5.6.2. Aplicaţii
1. Se cunosc următoarele date privind capacitatea de cazare turistică şi sosiri ale
turiştilor în România în perioada 2000 ÷ 2008:
Tabel nr.5.4.
Anul 2000 2001 2002 2003 2004 2005 2006 2007 2008
Capacitatea
de cazare 280005 277047 272596 273614 275941 282661 287158 283701 272596
(locuri)
Sosiri ale
turiştilor 4920 4875 4847 5057 5639 5805 6216 6972 4847
(mii turişti)
Sursa: Anuarul Statistic al României 2008, Ed INS, Bucureşti
a) Să se specifice modelul econometric ce descrie legătura dintre capacitatea de
cazare şi sosirile turiştilor;
b) Să se estimeze parametrii modelului şi să se verifice semnificaţia acestora.
190
2. Se cunosc următoarele date privind rata inflaţiei şi rata şomajului în România în
perioada 2000 ÷ 2008:
Tabel nr. 5.5 %
Anul 2000 2001 2002 2003 2004 2005 2006 2007 2008
Rata inflaţiei 45,7 34,5 22,5 15,3 11,9 9 6,56 4,84 7,85
Rata
10,5 8,8 8,4 7,4 6,3 5,9 5,2 4 4,4
şomajului
Sursa: Anuarul Statistic al României 2008, Ed INS, Bucureşti
a) Să se specifice modelul econometric ce descrie legătura dintre rata inflaţiei şi
rata şomajului;
b) Să se estimeze parametrii modelului şi să se verifice semnificaţia acestora.
3.Datele privind vânzările de produse de papetărie ale unei firme din categoria
celor mijlocii, precum şi cele legate de profitul lunar obţinut (ambele variabile
fiind exprimate în mii lei) pentru anul 2009 sunt prezentate în tabelul următor:
Tabel nr. 5.6 - mii lei-
Luna I II III IV V VI VII VIII IX X XI XII
Valoare
70 20 60 40 50 140 150 160 140 120 80 110
vânzări
Profit 15 2 13 15 16 25 27 24 27 22 18 21
a) Să se reprezinte grafic datele;
b) Să se determine modelul de regresie în eşantion, calculând valorile ajustate ale
profitului în funcţie de vânzări;
c) Să se verifice semnificaţia modelului de regresie găsit la punctul b) folosind
testul F, pentru un nivel de semnificaţie α=0,05.
d) Să se testeze semnificaţia parametrilor modelului de regresie, pentru un nivel de
semnificaţie α=0,05.
e) Dacă modelul s-a dovedit semnificativ, să se previzioneze valoarea profitului
dacă s-ar fi obţinut vânzări în valoare de 240 mii lei lunar
f) Să se măsoare intensitatea legăturii dintre variabile folosind coeficientul de
corelaţie, testând semnificaţia acestuia pentru un nivel de semnificaţie α=0,05.
191
CAPITOLUL VI
IDENTIFICARE, SPECIFICARE, PARAMETRIZARE ŞI
TESTARE ÎN MODELUL ECONOMETRIC DE REGRESIE
MULTIFACTORIALĂ
192
6.1.Gândirea statistică şi definirea succesivă a modelului de regresie
multifactorială
„Suntem ceea ce facem în mod repetat. Excelenţa, deci, nu este altceva decât o
obişnuinţă.” – Aristotel –
193
scoate modelul din mlaştina determinismului unifactorial şi liniar în lumina
orbitoare a incertitudinii şi riscului, mai greu predictibile şi controlabile dar mai
adecvate realităţii, definite prin fenomene şi procese sociale, politice, economice,
ştiinţifice şi tehnologice devenite atât de complexe în ultimele decenii.
Modelul econometric de regresie multifactorial a apărut ca rezultat al
eforturilor cognitive ale econometriei de a putea aproxima cât mai exact
incertitudinea lumii economice, dar şi sociale, în care trăim pentru a o înţelege şi a
putea supravieţui în ea.
Ipotezele modelului regresiei simple se emit şi în cazul modelului regresiei
multiple. La acestea se adaugă însă şi ipoteza de multicoliniaritate, conform căreia
există relaţie de dependenţă între variabilele exogene ale modelului. Modelul
econometric de regresie multifactorială, de tip viabil şi, mai ales, parcimonios este
axat faptul că variabilele exogene formează un sistem de vectori independenţi,
respectiv variabilele exogene nu sunt corelate. Opusul acestui fenomen îl reprezintă
multicolinearitatea variabilelor exogene, fenomen nedorit, în procesul de modelare
econometrică multifactorială, dar frecvent întâlnit în domeniul economic, din cauza
multiplelor relaţii de dependenţă şi interdependenţă dintre fenomenele economice,
Fenomenul apare de altfel şi în modelul unifactorial, unde se poate vorbi de
corelarea nedorită a variabilei exogene cu variabila reziduală, ca un prim germene
de multicoliniaritate încă din unifactorialitate.
Gândirea statistică modernă deghizată în aceea de tip econometric a apelat la
depistarea fenomenului de multicolinearitate şi la atenuarea sau ameliorarea ei pe
cât a fost logic, matematic, statistic şi economic posibil. Depistarea fenomenului de
multicolinearitate se face de regulă cu suport vizual logic sau altfel spus prin
intermediul reprezentării grafice a seriilor de valori corespunzătoare variabilelor
explicative urmată de sesizarea unor fenomene de paralelism.
Practica econometrică a impus treptat o soluţie iterativă, aparent simplă, de
atenuare a multicolinearităţii, etapizate după cum urmează:
a) are loc calculul raportului de corelaţie(R), din raportul de determinaţie D sau R2;
b) valoare lui R este comparată cu mărimea aceluiaşi raport obţinut în condiţiile în
care una dintre variabilele factoriale a fost omisă din model;
c) în cazul în care valorile coeficienţilor sunt apropiate ca mărime se poate
considera că variabila omisă este coliniară cu celelalte variabile factoriale;
d) are loc eliminarea acestei variabile din model, ceea ce conduce la atenuarea sau
diminuarea multicolinearităţii fără a afecta semnificativ gradul de determinare a
celorlalte variabile exogene asupra celei endogene
Dar pentru modelele multifactoriale combinările dintre variabilele exogene ce
ar trebui studiate pot depăşi ca număr posibilităţile unei analize simple.
Atenuarea multicolinearităţii mai poate fi realizată şi printr-o aşa zisă
prevenţie, dar şi prin acţiuni derivate, subsidiare:
a)se recomandă folosirea unor serii de date cât mai lungi (T>15), astfel încât
eventualele analogii, datorate hazardului, să fie, pe cât posibil, eliminate;
b) în situaţia în care două variabile exogene sunt intens corelate (una dintre ele este
coliniară cu cealaltă), se poate renunţa la una dintre ele, considerându-se că
variabila omisă este exprimată de cea reţinută în model;
194
c)dacă datele sunt prezentate sub forma seriilor cronologice, se determină
diferenţele de ordin 1 (∆(1)=yt–yt-1) sau se logaritmează valorile lui Yt, Xi în scopul
atenuării coliniarităţii cauzate de prezenţa trendului în cadrul seriilor de date;
d) se pot utiliza serii sincrone de date, formate în optică transversală, ca modalitate
de diminuare sau chiar de eliminare a interdependenţei factorilor (econometria
datelor de panel extinde astfel câmpul modelării).
Există un argument semnificativ privind eliminarea variabilelor redundante
din model, cauzatoare ale multicolinearităţii, un argument extern gândirii statistice
moderne, unul ce ţine de natură juridică şi izvorât din prevederile dreptului roman,
care consfinţeşte ideea conform căreia nu există efect fără cauză, suprimând cauza,
dispare efectul. A elimina variabila sau variabilele generatoare ale fenomenului de
multicoliniaritate este deci o acţiune deplin justificată, în economia modelului
variabila fără efect fiind o variabilă deja „suprimată”.
Modelul econometric de regresie multifactorială este o generalizare a
regresiei simple, în care apar succesiv mai multe variabile explicative. Istoria
construcţiei lui ca şi a monitorizării independenţei dintre variabilele exogene relevă
două procese opuse: mai întâi în construcţie are loc o multiplicare a variabilelor în
model, pentru ca mai târziu pentru diminuarea muticolinearităţii să apară o
demultiplicare a aceloraşi variabile.
„Nu lucrurile sunt greu de făcut, ci greu este să intri în starea de a le face.”
– Constantin Brâncuşi –
195
Principalele funcţii de regresie multifactoriale sunt de forma:
9 funcţia liniară: yt = b0 + b1x1t + b2x2t + ...+ bkxkt
9 funcţia pătratică: y t = b 0 ⋅ x 1t1 ⋅ x 2 2t ⋅ K x ktk ; se liniarizează funcţia folosind
b b b
„Ceea ce merită să fie făcut merită să fie bine făcut.” – Nicolas Poussin –
196
b0
b
B = 1 este vectorul parametrilor bj
M
b
n
u1
u
U = 2 este vectorul variabilei aleatoare ut
M
u
n
Ecuaţia analitică sub formă matricială devine: Y = X·B + U
) )
Funcţia de regresie corespunzătoare modelului: Y = X ⋅ B
) ) )
Estimaţiile variabilei aleatoare U se definesc astfel: U = Y − Y = Y − X ⋅ B
unde:
)
y - valorile estimate ale variabilei y
( )
Se înmulţeşte la stânga cu inversa matricei X ' X
)
−1
b1
)
b
)
( ) ( )
B = X'X
−1
X'Y = 2
M
)
bk
197
Estimarea parametrilor unui model econometric multifactorial poate fi realizată şi
folosind matricea varianţelor şi a covarianţelor, precum şi cu ajutorul coeficienţilor
de corelaţie.
1t( )
b) ∑ x * 2 + b) ∑ x * x * = ∑ y * x *
1 2 1t 2 t t 1t
) ) 2
( )
b1 ∑ x 1*t x *2 t + b 2 ∑ x *2 t = ∑ y *t x *2 t
198
( ) ( )(
b) ∑ x − x 1 2 + b) ∑ x − x 1 x − x 2 = ∑ y − y x − x 1
1
⇒ )
1t 2 1t 2t t ) 1t ( )( )
( )( )
) (2
) (
b1 ∑ x 1t − x 1 x 2 t − x 2 + b 2 ∑ x 2 t − x 2 = ∑ y t − y x 2 t − x 2 )( )
Se împart cele două ecuaţii ale sistemului la numărul de termeni ai seriei
( )
) ∑ x − x1 2 ) ∑ x − x1 x − x 2
b 1 1t
+ b2 1t (
2t )(=
) (
∑ y t − y x 1t − x 1 )( )
n n n
( )( )
) ∑ x 1t − x 1 x 2 t − x 2 ) ∑ x 2 t − x 2
+ b2
(
2
=
) (
∑ y t − y x 2t − x 2 )( )
b 1
n n n
) )
b1σ 2x + b 2 cov(x 1 , x 2 ) = cov(y, x 1 )
1
În final se obţine sistemul de ecuaţii: ) ) 2
b1 cov(x 1 , x 2 ) + b 2 σ x 2 = cov(y, x 2 )
) )
de unde se determină b1 şi b 2
) ) )
iar b 0 = y − b1 x 1 − b 2 x 2
yt − y x1 − x1 x2 − x2
σy = b1 t ⋅ σ x1 + b 2 t ⋅ σ x2 + u t
σy σ x1 σ x2
199
yt − y x jt − x j
abaterile standard normate le notăm cu: y *t = şi x *jt =
σy σxj
Folosind notaţiile în relaţia de mai sus avem: σ y y *t = b1σ x1 x 1*t + b 2 σ x 2 x *2 t + u t
) ) )
Funcţia de regresie corespunzătoare este: Yt* = b1σ x1 x 1*t + b 2 σ x 2 x *2 t
) )
Estimarea parametrilor modelului econometric, b1 şi b 2 , se realizează cu
ajutorul metodei celor mai mici pătrate, care presupune minimizarea
funcţiei:
() )
) ( ) 2
) )
( )
)
n n 2
F b1 , b 2 = min ∑ σ y y *t − y *t = min ∑ σ y y *t − b1σ x1 x 1*t − b 2 σ x 2 x *2 t
t =1 t =1
∑ y *t x *tj
Coeficientul de corelaţie este: ry / x j = iar rx j / x j = 1
nσ y σ x j
200
6.4. Ipoteze, teste şi validări ale modelului econometric de regresie
multifactorială
201
2003 23,55 65,45 375,44
2004 25,30 63,70 383,07
2005 25,85 63,15 387,71
Sursa: http://www. ins.ro
a) Să se construiască modelele econometrice cu ajutorul cărora poate fi studiată
dependenţa dintre fenomenele respective;
b) Să se estimeze parametrii modelelor construite la punctul a);
Rezolvare:
Se alege frecvenţa
anuală a datelor
primul an ultimul an
202
Pasul 2: Se introduc seriile de date prin import din Excel: Procs/Import/Read
Text_Lotus_Excel
numele foii de lucru din
datele sunt ordonate pe Excel
coloane
b
Modelul econometric este: y t = a 1 ⋅ x 1 ⋅ u 1 t
1t
203
b2
Modelul econometric este: y t = a 2 ⋅ x ⋅ u2t
2t
Modelul (3) este un model multifactorial de tip putere deoarece y, fiind corelat cu o
funcţie de tip putere cu x1 şi respectiv cu x2, se deduce uşor că va fi corelat cu o
funcţie de tip putere şi în raport cu ambii factori.
b1 b2
yt = b0 ⋅ x ⋅x ⋅ u 3t
1t 2t
b) Estimarea parametrilor celor trei modele
1. Model econometric privind dependenţa dintre PIB şi impozitul direct:
y t = a 1 ⋅ x b1 ⋅ u 1 t
1t
Estimarea parametrilor modelului econometric se realizează cu ajutorul
M.C.M.M.P.
Pasul 1. Se selectează cele două variabile
Pasul 2. Se defineşte ecuaţia de regresie
204
Pasul 3. Rezultatele estimării, utilizând pachetul de programe EViews sunt
următoarele:
205
Log Likelihood este logaritmul funcţiei de verosimilitate (presupunând
că erorile sunt normal distribuite), funcţie ce este determinată ţinând
seama de valorile estimate ale parametrilor. L = 27,69
206
În vederea verificării ipotezei de independenţă a erorilor se calculează
valoarea variabilei Durbin-Watson: d =1,039.Pentru un prag de semnificaţie α =
0,05, din tabela distribuţiei Durbin-Watson se preiau valorile pentru cazul n = 12, k
= 1 – numărul variabilelor explicative d1 = 1,08 şi d2 = 1,36.
Cum d1 = 1,08 < d = 1,039 < d2 = 1,36 rezultă indecizie, recomandându-se
acceptarea autocorelării pozitive.
Estimatorii modelului sunt semnificativ diferiţi de zero dacă: t a)1 ≥ t α;n −k −1 şi
t b) ≥ t α;n −k −1
1
)
9 t a)1 = 72,4197 > t 0,05;10 =2,228 parametrul log a 1 este semnificativ diferit
de zero
)
9 t b) = -9,566< t 0,05;10 =2,228 parametrul log b1 nu este semnificativ diferit
1
de zero
Testul Fisher-Snedecor indică faptul că rezultatele obţinute sunt semnificative, cu
un prag de semnificaţie de 5%, Fc = 91,51 > F0,05;1;10 = 4,96. Raportul de corelaţie
este semnificativ diferit de zero dacă se verifică relaţia: Fc > F0,05;1;10 Se constată că
Fc =91,51>F0,05;1;10=4,96, deci, pentru un prag de semnificaţie de 5%, valoarea
raportului de corelaţie este semnificativ diferită de zero.
Pe baza datelor de mai sus, modelul devine:
^
log y t = 6,74 – 0,25·logx1t
(0,093) (0,027)
2. Model econometric privind dependenţa dintre PIB şi impozitul indirect:
b2
yt = a 2 ⋅ x ⋅ u 2t
2t
Estimarea parametrilor modelului econometric se realizează cu ajutorul
M.C.M.M.P.
Pasul 1. Se selectează cele două variabile
Pasul 2. Se defineşte ecuaţia de regresie
207
Pasul 3.Rezultatele estimării, utilizând pachetul de programe EViews sunt
următoarele:
)
Valorile estimate ale variabilei yt şi ale variabilei reziduale log u t sunt:
208
Estimatorii modelului sunt semnificativ diferiţi de zero dacă:
t a) 2 ≥ t α;n −k −1 şi t b) ≥ t α;n −k −1
2
)
9 t log a) 2 = 14,418 > t 0,05;10 = 2,228 parametrul log a 1 este semnificativ
diferit de zero
)
9 t log b) = 6,041 > t 0,05;10 = 2,228 parametrul log b1 este semnificativ
2
diferit de zero
209
)
Valorile estimate ale variabilei logyt şi ale variabilei reziduale log u 3 t sunt:
210
Cum d2 < d < 4 − d2 rezultă erorile sunt independente.
În urma testării semnificaţiei parametrilor s-a constatat că:
9 t a) 3 = 7,87 > t 0,05;9 = 2,262 parametrul a) 3 este semnificativ diferit de zero
9 t b) = -4,19 < t 0,05;9 = 2,262 parametrul b) nu este semnificativ diferit de
3 3
zero
9 t c)3 = -1,78 < t 0,05;9 = 2,262 parametrul )
c3 nu este semnificativ diferit de
zero
Testul Fisher-Snedecor indică faptul că rezultatele obţinute sunt semnificative, cu
un prag de semnificaţie de 5%, Fc = 57,236 > F0,05;2;9 = 4,26
În concluzie, putem afirma că modelul este corect specificat, adică
variabilele x1t şi x2t sunt factori semnificativi ai PIB, deoarece estimatorii lor sunt
semnificativ diferiţi de zero şi corect identificaţi.
6.6.1. Întrebări
6.6.2. Aplicaţii
1.Se cunosc următoarele date privind cifra de afaceri a magazinelor cu profilul
similar, suprafaţa lor comercială şi numărul familiilor din cartierul respectiv care,
de regulă, cumpără de la magazinul cel mai apropiat:
Tabel nr. 6.2
Număr
de familii 70 35 55 25 28 43 15 33 23 4 45 20 56
(sute)
Suprafaţa
comercială 21 26 14 10 12 20 5 28 9 6 10 8 36
(zeci m2)
Cifra de
afaceri 198 209 197 156 85 187 43 211 120 62 176 117 273
(mil. lei)
a) Să se construiască modelele econometrice cu ajutorul cărora poate fi studiată
dependenţa dintre fenomenele respective;
b) Să se estimeze parametrii modelelor construite la punctul a);
211
6.7. Note şi referinţe bibliografice
[1] Brătianu, C., (2004), Gândirea liniară, Revista de Management şi Inginerie Economică, Vol.3,
nr.4, pag.7-17.
[2] Andrei, T., Stancu, S.,Pele,D., (2002), Statistică.Teorie şi aplicaţii,Ed.II,Ed.Economică, Bucureşti
[3] Andrei, T., Bourbonnais, R., (2008), Econometrie , Ed. economică, Bucureşti, pag. 21
[4] Giraud, R, Chaix N, (1986), Econometrie, Press Univ., Paris
[5] Onicescu, O.,(1983), Econometrie şi statistică informaţională, Comunicări DCS, Bucureşti
[6] Pecican, E., (1994), Econometrie, Ed. All, Bucureşti
[7] Pecican, E.,(2003), Econometria pentru ...economişti, Ed Economică, Bucureşti.
[8] Taşnadi A.,(2004), Econometrie, Ed. ASE Bucureşti.
[9] Voineagu,V.,Ţiţan, E.,Şerban R.,Ghiţă,S.,Tudose,D.,Bobo C.,Pele D.,(2007), Teorie şi practică
econometrică, Ed Meteor Press, Bucureşti
[10] *** Anuarul Statistic al României, 2006- 2008, Ed. INS, Bucureşti.
[11] *** Raport Anual 1999 - 2009, BNR, Bucureşti
[12]*** Buletin Statistic de Preţuri 1999 - 2009, Ed. INS, Bucureşti
[13] *** Buletin Statistic Lunar 1999 – 2009, Ed. INS, Bucureşti
[14] *** Buletin Lunar 1999 – 2009, BNR, Bucureşti.
212
CAPITOLUL VII
UNELE MODELE ECONOMETRICE SPECIFICE
213
7.1. Modelarea econometrică a seriei cronologice
„Cărţile sunt cei mai tăcuţi şi constanţi prieteni şi cei mai răbdători
profesori.” – Charles W. Eliot –
Variabilitate
Valorile variabilei
unei serii Omogenitate
cronologice sunt
caracterizate de Succesiune în timp
Interdependenţă
Variabilitatea unei serii de timp rezultă din faptul că fiecare valoare este
obţinută prin înregistrarea individuală sau centralizată a unor date individuale
la un moment dat sau într-un interval de referinţă (săptămână, lună, an). Acest
lucru face să existe anumite diferenţieri între termenii seriei, fie ca urmare a
acţiunii factorilor aleatori, fie ca urmare a faptului că în viaţa economico-
socială legile se manifestă ca tendinţă generală, imprimând variabilelor o
anumită evoluţie. În funcţie de aceasta seriile de timp sunt denumite serii de
flux, continue (în cazul în care termenii seriei sunt obţinuţi prin centralizarea
valorilor intr-un interval de timp) sau serii de momente, serii discrete (în
cazul în care termenii seriei sunt obţinuţi prin înregistrarea valorilor
variabilei la anumite momente în timp).
214
Omogenitatea termenilor trebuie înţeleasă în sensul că o evoluţie se referă la
o variabilă observată în modificarea sa de-a lungul timpului. Pentru a asigura
omogenitatea termenilor, trebuie utilizată aceeaşi metodologie de evaluare/
măsurare, aceeaşi unitate de măsurare şi, după caz, acelaşi procedeu de calcul/
agregare pentru obţinerea indicatorilor totalizatori.
Succesiunea în timp a termenilor constă în faptul că termenii unei serii de
timp se înregistrează în ordinea apariţiei lor de-a lungul perioadei analizate.
Această ordine trebuie respectată în tot procesul de cercetare, tocmai pentru a
evidenţia specificitatea evoluţiei în timp a fenomenului analizat.
Interdependenţa termenilor se manifestă sub forma unei anumite coeziuni, a
unei influenţe propagate în timp de la un termen la altul, interdependenţă
generată de faptul că în spatele manifestărilor înregistrate în momente/
perioade distincte, există factori durabili, cauze comune.
Pentru identificarea modelelor econometrice optime temporale este
necesară identificarea proprietăţii de invariabilitate a seriei de date în
raport cu timpul. Dacă procesul îşi modifică caracteristicile, fiind
nestaţionar, poate fi dificilă reprezentarea acestuia printr-un model
matematic. Dacă procesul este relativ stabil, staţionar, acesta poate fi
modelat printr-un model de ecuaţii cu coeficienţi constanţi ce pot fi
estimaţi pe baza unor valorilor anterioare ale seriei analizate. O situaţie
asemănătoare vom întâlni în cazul unui model de regresie în care o
variabilă economică este exprimată în funcţie de variabile economice
independente, iar coeficienţii de regresie sunt estimaţi în baza ipotezei
menţinerii în timp a relaţiei structurale a legăturii descrise de ecuaţie.
Deşi, modelele seriilor de timp nu sunt modele de tip relaţional totuşi
descrierea unei evoluţii determinate de un proces stohastic este facilitată
dacă aceasta nu şi-ar modifica trăsăturile în timp.
Staţionaritatea reprezintă o proprietate a seriilor de timp ce joaca un
rol important în efectuarea de previziuni, în cele mai multe cazuri fiind
necesară îndeplinirea acestei condiţii. Vom înţelege printr-o serie de timp
staţionară acea serie ale cărei valori oscilează în jurul mediei aritmetice a
termenilor, ceea ce determină o evoluţie constantă a mediei şi dispersiei
indiferent de momentul de timp de la care începem să analizăm seria. În
economie seriile staţionare reflectă procese economice care nu prezintă o
anumită tendinţă de evoluţie. Majoritatea seriilor de timp prezintă
tendinţă şi sunt, deci, nestaţionare. Putem spune ca seriile de timp devin
staţionare după diferenţierea componentelor. Numărul de diferenţieri prin
care trece seria pentru a deveni staţionara se numeşte ordin de integrare.
Drept urmare o serie de timp se poate staţionariza cu ajutorul diferenţelor
de ordinul n şi se va numi serie integrata de ordinul n .
Situaţia se poate întâlni în mod direct sau indirect după ce din serie
au fost eliminate componentele care exprimă sezonalitatea şi/sau tendinţa.
În acest caz analiza seriei de timp este concentrată asupra studierii
comportamentelor aleatorii ale seriei de timp. Seriile ce prezintă o tendinţă
de evoluţie se numeşte serie nestaţionară. Tendinţa de evoluţie poate fi
neliniară sau liniară.
215
7.1.2. Componentele unei serii de timp
Pentru modelarea comportamentului seriilor de timp s-a renunţat la
utilizarea variabilelor explicative utilizate în cazul modelelor de regresie,
folosindu-se valorile trecute ale variabilei ponderate. Modelele liniare
permit aprecieri cantitative cu privire la proprietăţile stohastice ale
modelului şi la previziunile obţinute, ca de exemplu determinarea
intervalelor de încredere pentru valorile previzionate. Modelele liniare se
aplica atât proceselor staţionare cât şi celor nestaţionare, putând fi scrise
sub forma unor ecuaţii cu coeficienţi constanţi, reprezentând astfel o
structura invariabila în timp.
O serie temporală poate fi descompusă în următoarele componente:
F Trendul exprimă tendinţa de evoluţie a unui fenomen înregistrat într-o
perioadă de timp. Trend-ul se concretizează printr-o evoluţie de lungă
durată, care poate fi descrisă printr-o funcţie continuă, care reprezintă
legea evoluţiei fenomenului studiat şi care poate fi constanta, crescătoare
sau descrescătoare, de tip liniar sau neliniar. Trend-ul se mai numeşte şi
tendinţă generală sau componenta sistematică (T) şi reprezintă mişcarea
relativ regulată, sistematică, reprezentând evoluţia cu caracter de
continuitate a fenomenului sau procesului, în decursul perioadei cercetate.
Trendul este o componentă prezentă într-o serie cronologică destul
de amplă. Doar dacă seria de timp e prea scurtă se poate constata eventuala
absenţă a tendinţei generale. În funcţie de lungimea perioadei analizate se
poate particulariza o tendinţă:
pe termen lung denumită şi seculară (peste 50 ani);
pe termen mediu (10-50 ani);
pe termen scurt (sub 10 ani) - acest lucru este valabil pentru modelele
macroeconomice.
@ Ciclicitatea se manifestă ca fluctuaţii în jurul trendului, cu o
periodicitate mai mare de un an. Ciclicitatea (C) reprezintă contracţii,
creşteri şi descreşteri generale ale variabilei analizate ce se manifestă cu
anumita regularitate apreciabila, mai ales în cazul fenomenelor şi
proceselor economice din cadrul economiei de piaţă şi se identifică, de
cele mai multe ori, cu ciclul economic. Intervalul de timp necesar
observării ciclicităţii este relativ mare. Pentru a estima cu relativă
exactitate intensitatea nivelului ciclic, trebuie înregistrat un ciclu complet
şi cel puţin jumătate din ciclul următor.
216
Variaţia reziduală reprezintă acea parte din variaţia unei serii de timp care
nu poate fi explicată prin trend, ciclicitate sau sezonalitate. Deoarece
componenta reziduală se manifestă neregulat, efectele ei sunt greu de
prognozat. Această componentă cuprinde şi factori aleatori perturbatori la
nivelul unităţii de timp şi erori de măsurare a variabilelor.
Atât sezonalitatea, cât şi ciclicitatea nu sunt întotdeauna prezente
într-o serie cronologică. De exemplu, dacă termenii seriei sunt date anuale,
sezonalitatea nu poate fi observată. Dacă seria este scurtă, ciclicitatea
rămâne insesizabilă.
217
Se continuă cu calculul diferenţelor de ordin 3, 4 etc. până obţinem
diferenţele de ordin i , aproximativ egale.
După alegerea funcţiei de ajustare este necesară estimarea
parametrilor funcţiei alese. În măsura în care funcţia este de (sau poate fi
adusă la) forma unui polinom, se utilizează metoda celor mai mici pătrate
- MCMMP. Această metodă are ca funcţie obiectiv minimizarea sumei
pătratelor abaterilor valorilor reale de la cele ajustate:
n
∑ (y t − Yt ) = min
t =1
n
∑ [y t − (b 0 − b1 ⋅ t )] = min
2
Pentru funcţia liniară, această condiţie devine:
t =1
Pentru determinarea parametrilor „b 0 ” şi „b 1 ”, scriem sistemul de ecuaţii
normale:
nb 0 + b1 ∑ t = ∑ y
b 0 ∑ t + b1 ∑ t 2 = ∑ ty
nb 0 = ∑ y
Se pune condiţia: ∑ t = 0 ⇒ de unde rezultă:
b1 ∑ t 2 = ∑ ty
∑ yt
b 0 = n
b1 = ∑
t ⋅ yt
∑t2
Pentru a satisface condiţia de mai sus ∑ t = 0 , se mută originea timpului în
centrul seriei astfel: se calculează media perioadelor de timp ce formează
şirul valorilor timpului şi în locul vectorului ce marcă timpul se utilizează
vectorul abaterilor dintre valorile iniţiale atribuite timpului şi media lor
aritmetică.
Pentru ecuaţia de gradul doi, avem sistemul următor:
nb 0 + b 2 ∑ t 2 = ∑ y t
∑ t = 0
⇒ b1 ∑ t = ∑ ty t
2
3
∑ t = 0
b 0 ∑ t + b 2 ∑ t = ∑ t y t
2 4 2
218
mediilor mobile se realizează cu precădere în cazul unei serii de timp cu
un număr mai mare de termeni, înregistrate pe perioade subanuale.
Fenomenul sezonalităţii trebuie studiat în analiza inflaţiei pentru că
permite stabilirea modelului evoluţiei fenomenului până în prezent şi prin
aceasta obţinerea de informaţii cu privire la evoluţia previzibilă a acestuia;
este utilă în efectuarea de calcule de previziune şi după măsurarea
sezonalităţii, se poate proceda la eliminarea acesteia din seria cronologică
empirică, pentru a mări, eventual, acurateţea determinării trendului. Pentru
eliminarea sezonalităţii, fiecare termen al seriei cronologice se corectează
cu (se împarte la) indicele de sezonalitate aferent.
Considerăm o serie de timp (X t ), t = 1, n . Se numeşte medie mobilă
de ordinul p operatorul definit prin:
1 k+p
M(X, k + 1, k + p ) = ∑ x i ; k = 0, n − p
p i=k −1
Numărul natural p reprezintă ordinul mediei mobile. Ordinul
mediei mobile se stabileşte în funcţie de numărul de perioade de
sezonalitate şi de forma de prezentare a datelor (pentru date lunare p = 12).
Se poate utiliza o medie mobilă simplă sau medie mobilă definită prin
compunerea de medii mobile de diverse ordine.
Această metodă de determinare prin medii aritmetice a indicelui de
sezonalitate este acceptată în cazul seriilor cronologice care nu prezintă o
tendinţă crescătoare/descrescătoare foarte accentuată. Întrucât o tendinţă
puternic ascendentă distorsionează estimarea indicilor de sezonalitate, se
recomandă ca, înainte de a face astfel de determinări, să se elimine trendul
(componenta sistematică) din termenii seriei empirice, prin rapoarte de
forma y t /Y t . Valorile teoretice pot fi determinate prin oricare dintre
metodele de ajustare a seriei de timp.
219
a) Identificarea modelului
Având la dispoziţie un eşantion de observaţii asupra unui proces
stohastic, de regulă trebuie efectuate asupra acestuia o serie se
transformări pentru a induce staţionaritatea. Astfel, poate fi nevoie de o
transformare de scală, aşa cum este cazul seriilor de timp ce caracterizează
procesele de pe piaţa financiară, unde de cele mai multe ori seriei iniţiale i
se aplică un filtru logaritmic, pentru a avea o serie staţionară.
Pasul următor este eliminarea componentei deterministe, după
depistarea eventualelor oscilaţii prezente în evoluţia seriei(este cazul, spre
exemplu, al fenomenelor ce prezintă oscilaţii sezoniere ori ciclice).
Dacă este nevoie, se procedează la aplicarea operatorului diferenţă seriei
originale, obţinând astfel noua serie Yt = σ(B) X t care este staţionară.
d
220
Statistica Durbin-Watson - măsoară corelaţia seriala dintre reziduuri.
Statistica este calculata astfel :
2
^ ^
T
∑ ε t − ε t −1
D=
t =2
2
T ^
∑ ε t
t =1
Dacă D este mai mică decât 2, există o dovadă a unei corelaţii
pozitive. Dacă este între 2 şi 4 există o corelaţie negativă. Dacă este
aproximativ 2, nu există o corelaţie serială între reziduuri.
Statistica F reprezintă o alegere clasică pentru testarea validităţii
modelului; se calculează pe baza raportului de corelaţie R 2 şi se
bazează pe proprietăţile distribuţiei Fisher. Valoarea ei se determină
după:
R 2 / (k − 1)
F=
(1 − R )(T − k )
2
k=p+q
T i=1
σ
Pentru o distribuţie normală, această valoare ar trebui să fie 3. Dacă
este mai mare decât 3, distribuţia este mai „înaltă” faţă de cea normală, iar
dacă este mai mic, distribuţia este mai „plată”.
Un exemplu privind modelarea tendinţelor inflaţioniste măsurate
prin intermediul indicelui preţurilor bunurilor de consum (IPC) detaliază
practic aspectele teoretice prezentate anterior.
221
Tabel nr. 7.1
Anul luna IPC Anul luna IPC
I 100,60 I 101,04
II 102,50 II 100,38
III 100,20 III 100,16
IV 101,50 IV 99,80
V 101,00 V 102,31
2005 VI 101,00 2007 VI 99,91
VII 100,70 VII 99,33
VIII 100,00 VIII 101,06
IX 101,20 IX 101,42
X 102,20 X 100,98
XI 101,20 XI 101,21
XII 100,30 XII 100,67
I 100,59 I 102,12
II 99,71 II 100,51
III 99,96 III 100,92
IV 100,42 IV 99,56
V 100,32 V 100,45
VI 100,81 VI 100,19
2006 2008
VII 100,55 VII 99,70
VIII 100,73 VIII 99,10
IX 101,18 IX 101,05
X 100,92 X 102,23
XI 100,30 XI 100,38
XII 99,53 XII 101,30
Sursa: http//: www.insse.ro
222
Pasul 3: Analiza caracteristicilor seriei de date
3.1. Analiza sezonalităţii seriei de date
Pentru analiza sezonalităţii se recurge la o reprezentare grafică: View/
Graph/Seasonal split line
223
- analiza cronogramei
- depistarea prezenţei rădăcinii_unitate View-Unit root test:
Tipul testului
224
Pasul 4: Estimarea parametrilor modelelor selectate
Pentru staţionarizarea seriei (X t ) t s-au folosit diferenţe finite de
ordinul 1, seria urmând un model ARIMA(0,1,2):
X t – X t-1 = Z t + αZ t-1 + βZ t-2
unde (Z t ) t este un proces aleatoriu de medie 0 şi dispersie σ 2 .
În estimare s-a folosit metoda verosimilităţii maxime, rezultatele estimării
fiind prezentate în figura de mai jos:
225
7.2. Modele mezoeconometrice
226
Etapa II: În cercetarea şi modelarea „econometrică” a pieţei propusă în
continuare se vor valorifica indicatorii selectaţi din sursele statistice
disponibile (de pe site-ul INS, de pe CD sau din publicaţiile pe suport
clasic de hârtie), indicatorii fiind sintetizaţi şi prezentaţi în tabelul
următor, rezultând din cercetări caracteristice menţionate în cadrul
anuarului teritorial al României şi în cadrul rezultatelor recensământului
din 18 martie 2002 (editate în 2004).
Tabel nr.7.2.
Indicatori
Regiune Pi PO i POI i POA i VAI i VAA i Şomeri
0 1 2 3 4 5 6 7
N-E 3,674 1,40 0,28 0,70 25,6 15,4 0,182
S-E 2,848 1,07 0,22 0,47 25,5 12,8 0,170
S 3,379 1,27 0,29 0,61 30,7 13,2 0,190
S-V 2,331 0,94 0,19 0,47 24,7 10,1 0,100
V 1,959 0,81 0,22 0,28 20,7 8,50 0,085
N-V 2,740 1,18 0,27 0,52 23,7 12,7 0,104
CENTRU 2,523 1,05 0,33 0,35 33,6 11,2 0,137
BUCUREŞTI 2,226 0,84 0,22 0,06 34,5 1,20 0,072
TOTAL 21,68 8,56 2,02 3,46 219,0 85,1 1,040
Surse: Anuar teritorial–România Ed.INS,Bucureşti 2001-2004 şi Recensământul
populaţiei şi locuinţelor din 18 martie 2002, Ed.INS,Bucureşti, 2004
227
pentru un număr de şapte factori sau variabile exogene k i din relaţia
agregată (g i x k i ) 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 mezoeconomic pentru teritoriulX = PIB teritoriulX =
1, 00
gi PIBestimat P
=-1,1 g +3,8 g PO
-0,85g POI
-0,95g POA
+ 0,35g VAI
-0,5g VAA
+0,25g Ş + ε
unde: x = agregat teritorial mezoeconomic administrativ, geografic sau
hidrografic, altul decât cel regional sau naţional pentru care există deja
date publicate.
n n n
g i =∑ g j k j , iar ∑ g i =1,00 şi ∑ k j =1,00
j=1 i=1 j=1
g 1 (ponderea populaţiei teritoriului la nivel naţional) x k 1 k 1 = - 1,1
g 2 ( ponderea populaţiei ocupate la nivel naţional) x k 2 k 2 = 3,8
g 3 (ponderea populaţiei ocupate în industrie) x k 3 k 3 = - 0,85
g 4 (ponderea populaţiei ocupate în agricultură) x k 4 k 4 = - 0,95
g 5 (ponderea valorii adăugate în industrie) x k 5 k 5 = 0,35
g 6 (ponderea valorii adăugate în agricultură) x k 6 k 6 = - 0,5
g 7 (ponderea şomerilor la nivel national) x k 7 k 7 = 0,25
Total (∑ g i ) = 1,00
Y= a + bx 1 + cx 2 + dx 3 + ex 4 + fx 5 + gx 6 + hx 7 + ε
Tabel nr.7.3
Nr Variabile factoriale sau explicative în Coeficienţi de Varianta
crt modelul de estimare a PIB- ului regional corelaţie redusă*
parţială (Pearson)
1 Populaţia totală x 1 -0,098 -
2 Populaţia ocupată totală x 2 0,940 DA
3 Populaţia ocupată în activităţi industrialex 3 0,025 -
4 Populaţia ocupată în activităţi agricole x 4 -0,605 DA
5 Valoarea adăugată în activităţi industrialex 5 0,750 DA
6 Valoarea adăugată în activităţi agricole x 6 -0,704 DA
7 Numărul şomerilor x 7 -0,271 -
*Notă: identificarea mezoteritorială sau mezoeconomică prezintă fenomene
asemănătoare celor de multicoliniaritate. Ca atare se exclud acele variabile
redundante potenţial, pentru a se ajunge la o reutilizare periodică a modelului, în
varianta redusă de calcul ce poate fi necesară în estimaţii de ordin general şi pe
termen mediu şi lung: Y= a + cx 2 + ex 4 + fx 5 + gx 6 + ε
228
Etapa V:Indicatorii utilizaţi pentru determinarea coeficienţilor de
ponderare ai unei soluţii rapide de estimare a cererii mezoeconomice
asimilând-o practic valorii PIB-ului astfel agregat sunt descrişi mai jos:
Tabel nr. 7.4 (VALORI RELATIVE 2000)
Indicatori PIB
Regiune efectiv
gP g PO g POI g POA g VAI g VAA Ş Y
N-E 0,170 0,163 0,139 0,202 0,117 0,181 0,175 0,096
S-E 0,131 0,125 0,109 0,136 0,116 0,150 0,163 0,093
S 0,156 0,148 0,143 0,176 0,140 0,155 0,183 0,098
S-V 0,108 0,110 0,094 0,136 0,113 0,119 0,096 0,075
V 0,090 0,095 0,109 0,081 0,095 0,100 0,082 0,075
N-V 0,126 0,138 0,134 0,150 0,108 0,149 0,100 0,095
CENTRU 0,116 0,123 0,163 0,101 0,153 0,132 0,132 0,102
BUCUREŞTI 0,103 0,098 0,109 0,018 0,158 0,014 0,069 0,169
TOTAL 1,000 1,000 1,000 1,000 1,000 1,000 1,000 0,803
Sursa: http//: www.insse.ro
PIB ROMÂNIA × g i
Cererea agregată teritoriul X = PIB teritoriulX = unde:
1, 00
g Y = a * +bx 1 +cx 2 +dx 3 +ex 4 +fx 5 +gx 6 +hx 7 +ε
Tabel nr.7.5
Nr. Variabile factoriale sau explicative în model Parametrii
Parametrii
crt. (determinate ca ponderi din total ţară) estimaţi
normalizaţi
(parametrul/0,803)
1 Constanta „a” a = - 0,00908 -
2 Populaţia totală x 1 b = - 0,888 -1,1
3 Populaţia ocupată totală x 2 c = 3,048 3,8
4 Populaţia ocupată în activităţi industriale x 3 d = - 0,668 -0,85
5 Populaţia ocupată în activităţi agricole x 4 e = - 0,742 -0,95
6 Valoarea adăugată în activităţi industriale x 5 f = 0,306 0,35
7 Valoarea adăugată în activităţi agricole x 6 g = - 0,384 -0,5
8 Numărul şomerilor x 7 h = 0,205 0,25
*Ulterior, în modelarea propriu-zisă, s-a renunţat la constanta a, ca urmare a
valorii sale deosebit de mici comparativ cu valorile deduse pentru restul
parametrilor. După determinarea atentă a parametrilor (de la „a” la „h”) se
obţine o primă estimare a cererii la nivel „mezoeconomic” a teritoriului „X”.
229
Calculul validităţii modelului cererii agregate mezoeconomic pornind de la
datele primare specializate:
Tabel nr. 7.7
Regiune PIB efectiv PIB estimat Abatere
Y Y es d i = Y-Y es (d i ) 2 =(Y-Y es ) 2
g i PIBestimat =-1,1 g P +3,8 g PO -0,85g POI -0,95g POA + 0,35g VAI -0,5g VAA +0,25g Ş +ε
230
Bugetelor de Familie, precum şi Ancheta Condiţiilor de Viaţă), informaţii ce sunt
sistematizate în tabelul de mai jos, cu scopul de a determina ulterior variantele
concrete ale variabilelor solicitate pentru comensurarea cererii specifice:
Venituri aferente BHA, la nivelul anilor 2000-2002
(conform surselor de date ale statisticilor teritoriale,
rezultate din anchetele specializate AIG, ABF, ACOVI)
Tabel nr. 7.10 mii lei ROL venit / locuitor
Anul
2000 2001 2002
Venituri nete Venit Venituri nete Venit Venituri nete Venit
Regiune băneşti mediu băneşti mediu băneşti mediu
(% xvenit) (% x venit) (% x venit)
66,1 x1110= 70,7 x1701,4= 72,7 x2073,1=
Sud 733,7 1 110 1202,9 1 701,4 1507,1 2 073,1
59,9 x1202,4= 64,6 x1835,5= 67,4 x2168,6=
Sud Vest 720,2 1 202,4 1185,7 1 835,5 1461,6 2 168,6
89,6 x1477.5 92,2 x2196,9= 93,1 x 3014,5=
Bucureşti =1323,8 1 477,5 2025,5 2 196,9 2806,5 3 014,5
Datele enumerate pentru cele trei regiuni în care se regăsesc părţi din bazinul
hidrografic al Argeşului (BHA), vor fi ponderate cu informaţiile structurale
referitoare la contribuţia fiecărei regiuni în populaţia bazinului, detaliate în
continuare:
Nivelul şi structura pe regiuni
a populaţiei bazinului hidrografic al Argeşului
Tabel nr. 7.11
Anul
Regiune 2000 2001 2002
Sud 1686028 42,1 1689422 42,3 1652645 42,4
Sud Vest 81996 2,1 79152 2,0 72892 1,9
Bucureşti 2235096 55,8 2227061 55,7 2173908 55,7
Total BHA 4003120 100,0 3995635 100,0 3899445 100,0
Pentru evaluarea finală mai sunt necesare doar informaţii privind cursul de
schimb, rezultatele fiind prezentate în tabelul următor:
Evoluţia venitului mediu şi net lunar
în piaţa delimitată de bazinul hidrografic al Argeşului (BHA)
Tabel nr. 7.12
Venituri / locuitor (mii lei ROLvenit / locuitor)
ANUL 2000 ANUL 2001 ANUL 2002
Total
BHA Venit Venit Venit
Venit net mediu Venit net mediu Venit net mediu
1062,7 1317,0 1660,7 1980,1 2230 2599,3
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
231
conjugată se resimte în mod esenţial în valoarea agregată. Atât nivelul şi
dinamica cererii lunare de tip global, generată de venitul mediu (conform
metodologiilor anchetelor sursă acesta include şi alte venituri în natură, nu
numai venituri băneşti) ponderat cu numărul locuitorilor, cât şi nivelul şi
dinamica cererii solvabilizate, rezultată din agregarea veniturilor nete
lunare (exclusiv băneşti) ponderate cu deţinătorii acestor venituri, au
evoluat favorabil în perioada celor trei ani analizaţi:
Tabel nr.7.13 €
Tipul Anul
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).
232
.
Apoi se determină matricea asocierilor celor patru variabile exogene
rămase în modelul restrâns în raport cu variabila endogenă PIB.
233
Modelul restrâns în numai cinci ani şi-a pierdut relevanţa chiar la nivel naţional.
Toate evaluările teritoriale modelate mezoeconomic cer baze de date disponibile,
create şi întreţinute continuu. Efortul de a actualiza modelul mezoeconomic arată
că dincolo de orice informaţii disponibile, metodologii corect întocmite sau
pachete de programe performate menţinerea unor surse de date complete şi
actualizate rămâne cea mai dificilă problemă a acestui tip de modelare.
7.3.2 Aplicaţii
1. Să se modeleze tendinţele inflaţioniste măsurate prin intermediul
indicelui preţurilor bunurilor de consum (IPC) pe baza ultimelor date
actualizate ale INS (http//: www.insse.ro)
2. Reluaţi efortul de construcţie al unui model mezoeconomic restrâns la nivelul
perioadei 2005 - 2008 pentru acelaşi bazin hidrografic al Argeşului (BHA).
Parametrizaţi noul model econometric de tip mezoeconomic şi calculaţi eroarea
modelării de acest tip.
234
7.4. Note şi referinţe bibliografice
235
CAPITOLUL VIII
Gaudeamus igitur...
(Să ne bucurăm, aşadar...)
PROIECT
STUDIUL DE CAZ I
Abordate din punct de vedere financiar, cheltuielile comerciale şi comisionul
comercial încasat per produs, determinate în raport cu lungimea culoarului
sau lanţului de vânzare, respectiv a numărului de firme intermediare ce îl
compun sunt expuse sintetic în tabelul următor:
1 8, +0,nr crt. din lista grupei 17,+0,nr crt. din lista grupei
2 10,5+0,nr crt. din lista grupei 14,5+0,nr crt. din lista grupei
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 24, +0,nr crt. din lista grupei 1,+0,nr crt. din lista grupei
236
CERINŢELE STUDIULUI DE CAZ I
STUDIUL DE CAZ II
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 revista ,,Economica”. Această teorie
demonstrează că, pe termen scurt, există o relaţie de compromis între cele
două variabile economice (rata inflaţiei şi rata şomajului sau dintre 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 Phillips pentru a arăta legătura dintre cele trei variabile
237
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).
238
Evoluţia ratei şomajului înregistrat, a câştigului salarial real şi a
inflaţiei
239
6. Testul F (Fisher- Snedecor) 6. Corelaţia multifactorială şi
utilizarea ei în Econometrie
7. Testul Durbin - Watson 7. Modelarea econometrică a seriei
cronologice
8. Testul Jarque - Bera 8. Modele econometrice la nivel
microeconomic
9. Testul Hi pătrat 9. Modele econometrice la nivel
macroeconomic
10. Testul Spearman 10. Testarea statistică în regresia
clasică
11. Testele bilaterale şi unilaterale 11. Decizia axată pe testarea statistică
(diferenţe şi asemănări) în Econometrie
12. Testul Z 12. Concepte de bază în Econometrie
13. Conceptele de bază şi etapele 13. Modele mezoeconomice şi/sau
testării ipotezelor statistice teritoriale în econometrie
240
Bibliografie selectivă
1. Andrei T., Bourbonnais, R., (2008),Econometrie, Bucureşti, Ed. Economica,
2. Andrei, T, Stancu, S, Iacob, A. I, Tuşa E., (2008), Introducere în econometrie utilizând
Eviews, Ed. Economică, Bucureşti,
3. Andrei, T.(2003), Statistică şi econometrie, Bucureşti, Ed. Economica,.
4. Andronache, C., Săvoiu, G., (2009), On the efficiency of financial markets, vol. I,
Polytechnic International Press Montreal, Quebec,
5. Dent, S.M., (2004), Parteneriatul în afaceri, Ed. Curtea Veche, Bucureşti
6. Dodz R.,SAS (2004), Statistica asistată de calculator, Editura Tipotrib Sibiu.
7. Fisher, R.A, (1973),Statistical Methods and Scientific Inference. New York:Macmillan.
8. Gheorghe F-C., Obreja G., (1999), Teste statistice pentru selecţii de volum mic. Ed.
Universităţii, Piteşti.
9. Giraud, R, Chaix N, (1986), Econometrie, Press Univ., Paris
10. Gorunescu, F., (2006), Data mining.Concepte, modele şi tehnici, Ed. Albastră, Cluj.
11. Greene,H.W.,(2002), Econometric Analysis, Prentice Hall International,New York.
12. Iorga-Simăn, I., Săvoiu G,(2009), Exploratory Domains of Econophysics. News EDEN
I &II, Ed. Universitară, Bucureşti
13. Jaba E,Grama A,(2004),Analiza statistica cu SPSS sub Windows,Ed.Polirom, Bucureşti
14. Jula D., (2003),Introducere în econometrie, Editura Professional Consulting, Bucureşti.
15. Korka, M. Tuşa, E.,(2004), Statistică pentru afaceri internaţionale, Ed. ASE, Bucureşti
16. Mester, I.T., (2007),Econometrie, Editura Universitatii din Oradea.
17. Moineagu, C., Negură, I.,Urseanu,V., (1976), Statistica, Ed. ştiinţifică şi enciclopedică,
Bucureşti.
18. Onicescu,O.,(1983),Econometrie şi statistică informaţională, Ed. DCS, Bucureşti
19. Pecican, E., Econometrie ... pentru economişti, Bucureşti, Ed. Economică, 2004.
20. Pecican,E.,Piaţa valutară, bănci&econometrie,Bucureşti,Ed.Economică, 2000.
21. Pecican E., Tănăsoiu O., Modele econometrice, Editura ASE, 2001.
22. Săvoiu, G., (2009), Statistica. Mod de gândire şi metode, Ed. Universitară, Bucureşti
23. Săvoiu,G.,(2001),Universul preţurilor şi indicii interpret,Ed. Independenţa economică,
Piteşti.
24. Săvoiu, G.,(2005),Cercetări şi modelări de marketing.Metode cantitative în cercetarea
pieţei, Ed. Universitară, Bucureşti.
25. Spircu Liliana, (2008),Econometrie, Editura: Pro Universitaria, Bucuresti.
26. Tamaş, V, Brânzei, D, Smadici, C, Moscovici, J, (1995), Modele matematice în
economie, Ed. Graphix, Iaşi.
27. Taşnadi A.,(2004), Econometrie, Ed. ASE Bucureşti.
28. Tomescu Dumitrescu C., (2008),Econometrie, Ed.Academica Brâncuşi, Tg-Jiu.
29. Tomescu Dumitrescu C.,(2008),Econometrie generală şi financiară, Ed. Didactică şi
Pedagogică, Bucureşti.
30. Tovissi, L, Vodă, V, (1982), Metode statistice. Aplicaţii in producţie, Ed,. ştiinţifică şi
enciclopedică, Bucureşti.
31. Trebici, V.,(1985), Mica enciclopedie de statistică, Ed. Ştiinţifică şi Enciclopedică,
Bucureşti.
32. Ţarcă, M., (1998), Tratat de statistică aplicată, Ed.didactică şi pedagogică, Bucureşti.
33. Vasiliu, D.P.,(2007), Bazele matematice ale econometriei, Ed.Univ. Titu Maiorescu
Bucureşti
34. Voineagu V.,Ţiţan E., Şerban R.,Ghiţă S., Todose D., Boboc C., Pele D., Teoria şi
practica econometrică, Bucureşti, Ed. Meteor Press, 2007
35. Vogelvang, B., (2005), Econometrics:Theory and Applications with Eviews, Publisher:
Financial Times Press, Vrije Universiteit, Amsterdam.
36. Wooldridge, J.M. (2006),Introductory Econometrics. A Modern Approach, 3rd Edition.
241
ANEXE
Funcţia Gauss-Laplace
u2
1 z −
Φ(z ) = ∫ e 2 du
2π 0
z 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
0,0 0,0000 0,0040 0,0080 0,0120 0,0160 0,0199 0,0239 0,0279 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 0,1879
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 0,2611 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 0,4726 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 0,4826 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 0,4884 0,4887 0,4890
2,3 0,4893 0,4896 0,4898 0,4901 0,4904 0,4906 0,4909 0,4911 0,4913 0,4916
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 0,4961 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 0,4979 0,4979 0,4980 0,4981
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
242
Tabel cu valorile repartiţiei Student în funcţie de
probabilitatea
P( t ≤ tα ) şi numărul „f” al gradelor de libertate
243
Repartiţia F (Fisher Snedecor)
Valorile funcţiei F ( F = s12 s 22 ) pentru l1, l2 grade
de libertate şi α = 0,05, α = 0,01 nivel de semnificaţie
l1 = 1 l1 = 2 l1 = 3 l1 = 4 l1 = 5
l2 α = 0,05 α = 0,01 α = 0,05 α = 0,01 α = 0,05 α = 0,01 α = 0,05 α = 0,01 α = 0,05 α = 0,01
1 161,40 4052,00 199,50 4999,00 215,70 5403,00 224,60 5625,00 230,20 5764,00
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
l1 = 1 l1 = 2 l1 = 3 l1 = 4 l1 = 5
l2 α = 0,05 α = 0,01 α = 0,05 α = 0,01 α = 0,05 α = 0,01 α = 0,05 α = 0,01 α = 0,05 α = 0,01
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
244
Valorile variabilei χ α2
în funcţie de probabilitatea α = P( χ 2 > χ α2 )
α
0,990 0,975 0,950 0,900 0,100 0,050 0,025 0,010 0,001
l
245
Statistica Durbin-Watson (α = 0,05)
246
ANEXE CAPITOL VII
MODEL MEZOECONOMIC
247
View publication stats