Econometrie

See discussions, stats, and author profiles for this publication at: https://www.researchgate.
net/publication/346355242
Econometrie
Book · July 2009
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.
The user has requested enhancement of the downloaded file.

SÃVOI U GHEORGHE
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.
CONSUELA NECª ULESCU

Studii: A cademia de Studii Economice, Bucureºti Facultatea de Ciberneticã, Statisticã
ºi Inf ormaticã Economicã (1997)
Titluri ºtiinþifice: doctor în domeniul ingineriei electrice ºi telecomunicaþii,
Politehnica Bucureºti (2008). L ector universitar doctor, la Universitatea de stat din
Piteºti
Cãrþi publicate: Calculatoar e ºi sisteme de operare, (coautor), Ed. Universitãþii din
Piteºti (1999); Software pentru biroticã, (coautor), Ed. Universitãþii din Piteºti,
(2000); Baze de date FoxPro, (coautor), Ed. Universitãþii din Piteºti (2000); Elemente
de comunicare ºi Biroticã, (coautor), Ed. Universitãþii din Piteºti (2000); Matematica
prin exemple – aritmeticã ºi algebrã, (coautor), Ed. Universitãþii din Piteºti (2001);
Limbajul C standard, iniþiere ºi aplicaþii, (coautor), Ed. Universitãþii din Piteºti
(2001);Baze de date, elemente de teor ie, proiectare ºi aplicaþii în Access (coautor), Ed.
Universitãþii din Piteºti (2001); Statisticã aplicatã, (coautor), Ed. Universitãþii din
Piteºti (2002); Statisticã – Teorie ºi aplicaþii, Ed. Universitãþii din Piteºti
(2004);Statisticã microeconomicã ºi macr oeconomicã, (coautor), Ed. Universitãþii din
Piteºti (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.)
Coperta: Angelica Mãlãescu (Badea)
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
EDITURÃ RECUNOSCUTÃ DE CONSILIUL NAÞIONAL AL CERCETÃRII

ªTIINÞIFICE DIN ÎNVÃÞÃMÂNTUL SUPERIOR (C.N.C.S.I.S.)
Descrierea CIP a Bibliotecii Naþionale a României

SÃVOIU, GHEORGHE
Econometrie / coord. Gheorghe Sãvoiu, Consuela
Necºulescu. - Bucureºti : Editura Universitarã, 2009
Bibliogr.
ISBN 978-973-749-814-4
I. Necºulescu, Consuela
330.43
© Toate drepturile asupra acestei lucrãri sunt rezervate Editurii Universitare
Distribuþie: tel/fax: (021) 315.32.47

(021) 319.67.27
comenzi@editurauniversitara.ro
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
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
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
6.3.Estimări ale parametrilor în modelul econometric de regresie
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
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
„Experienţa este singura în stare să ne ofere informaţie reală despre viaţă!”

– Mircea Eliade –
Econometria tradiţională s-a concentrat asupra relaţiilor economice agregate,

dând astfel naştere micro şi macroeconometriei, ca rezultat al modelărilor
caracteristice, de la cele aparent simple, cu un număr restrâns de variabile specifice
microeconomiei, până la cele extrem de complicate, cu zeci de ecuaţii specificate,
estimate şi utilizate pentru a oferi politici de evaluare şi previziune la nivel
macroeconomic. În prezent, econometria joacă un rol major în toate domeniile
economice, în prelucrarea datelor empirice, aproape fără excepţie, şi în cele mai
multe cazuri, creşte gradul complexităţii soluţiilor sale „metrice”, astăzi fiind
insuficientă simpla identificare a unor regresii fie ele şi multifactoriale pentru a
interpreta datele tot mai complexe ale mediului economic, social, demografic,
ecologic contemporan.
Ca rezultat final, econometria a generat treptat un volum tot mai extins de
manuale universitare, insuficiente însă, ca de altfel şi în celelalte ştiinţe
contemporane, în a oferi acoperirea teoretică şi practică promptă, atât de necesară
studenţilor, masteranzilor, profesorilor şi cercetătorilor în a înţelege, explica,
descoperi, evalua cantitativ şi previziona fenomenul economic. Pe de altă parte,
unele dintre noile cursuri de econometrie sunt adesea prea tehnice sau prea
detaliate, pentru un economist cu pregătire medie, constituind mai curând o formă
de intimidare şi nu una de încurajare a accesului în fascinantul univers al
econometriei, având la îndemână permanent metode şi tehnici esenţiale, idei clare
de modelare a realităţii şi de extragere a informaţiilor capabile să permită validarea
sau invalidarea modelelor atât de necesare în mereu noua economie de piaţă
contemporană. Acestea sunt principalele argumente ale apariţiei acestei cărţi,
concepută ca un manual simplu şi accesibil, care să trateze majoritar fenomene şi
procese economice în desfăşurare, istoric dar şi relativ recent, atât static prin
dimensionare, cât şi dinamic prin estimare evolutivă.
Economiştii contemporani au devenit tot mai interesaţi de analiza relaţiilor şi
informaţiilor cantitative oferite de către diferite pieţe locale, regionale naţionale sau
internaţionale, de cuantificarea corelaţiilor pe baza datelor disponibile şi prin
intermediul metodelor, tehnicilor şi instrumentelor statistico-matematice, de
interpretarea şi utilizarea rezultatelor tuturor acestora.
În econometria contemporană interacţiunea continuă între teoria economică,
observarea de date şi utilizarea largă de metode statistico-matematice a devenit un
proces recunoscut prin impactul şi soluţiile sale. Numărul metodelor, tehnicilor şi
instrumentelor econometrice utilizate în practică devine însă tot mai mare şi
valabilitatea lor depinde esenţial de veridicitatea ipotezelor care stau la baza
modelului econometric pe care îl fundamentează această carte încearcă să ofere o
alternativă de orientare în spaţiul supraaglomerat al procedurilor de estimare şi de
testare, subliniind pe un traseu ceva mai aproape de cunoaşterea şi gândirea
statistică, rolul abordării analitice (a identifica practic copacul şi nu a privi fascinat
dar şi inert pădurea întreagă), dar reîntregind periodic importanţa sintetică a
cunoaşterii taxonomiei tehnicilor şi instrumentelor specifice (a redimensiona la
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 –
Sinteza interogativă şi rezumatul capitolului

Între pilonii ce asigură structura unui învăţământ economic academic modern se
include natural şi econometria, drept disciplină cantitativă, fenomenologică şi
modelatoare, alături de microeconomie, macroeconomie,statistică generală, matematică
economică etc. Dar această constatare ridică numeroase întrebări. Rămâne semnificaţia
econometriei exclusiv legată de măsurare şi modelare economică, definite printr-o
combinaţie de substanţă între alte trei discipline: economie, statistică şi matematică?
Între disciplinele formatoare ale viziunii economice şi realitate, în amplul proces de
identificare, cuantificare şi formulare a legităţilor, pot fi suficiente oare măsurarea şi
modelarea pentru a valida întregul corp al teoriilor ştiinţifice explicative? Evoluţiile
recente în economie generează noi legităţi validate de informaţii economice, legităţi ce
deţin noi abordări ca acelea din sociofizică sau din econofizică, pentru a da doar
exemple aflate în expansiune, ca soluţii inter trans şi pluridisciplinare care asimilează
rapid noile modele comportamentale (sociologice) sau tradiţionalele modele fizice din
fizica statistică şi statistica cuantică, în tentativa de a explica exhaustiv fluctuaţiile
fenomenelor economice. Acest prim capitol este dedicat econometriei ca ştiinţă a
cuantificării şi modelării proceselor şi fenomenelor economice. Primordial, abordarea
econometrică este ştiinţific modelatoare şi dezvoltă un sistem de învăţare ce combină
economia cu statistica şi matematica, precum şi cu tehnologia informaţiei, constituind
un tip tradiţional de educaţie economică. În econometria clasică sau tradiţională ca şi în
aceea modernă, datele empirice de natură economică sunt analizate prin metode,
tehnici şi instrumente statistico-matematice, iar modelele rezultate, fie măsoară
exclusiv relaţiile între variabile (la timpul trecut sau cel mult prezent), fie cuantifică şi
estimează modul în care modificări ale unor variabile pot afecta cursul potenţial al
altora (la timpul viitor). Subcapitole distincte detaliază răspunsuri la diverse întrebări şi
conţin argumente ce susţin enunţurile următoarelor subtitluri:
1.1. Ce este econometria ?
1.2. Scurt istoric privind apariţia şi dezvoltarea econometriei
1.3. Câteva obiective importante şi obiectul de studiu al econometriei
1.4. Pachete de programe specializate, utilizate în econometrie
1.5. Econometrie versus econofizică şi sociofizică
1.6. Întrebări, teste tip grilă şi aplicaţii
1.7. Note şi referinţe bibliografice
Cuvinte cheie: econometrie, istoria econometriei, pachete de programe

econometrice,E-Views, MatLab, SPSS, econofizică, sociofizică.
Obiective: cunoaşterea istoriei, delimitarea obiectivelor şi obiectului de
studiu, precum şi a semnificaţiei econometriei, detalierea tipologiei
econometriei contemporane, repertorierea principalelor pachete de
programe specializate şi structurarea competiţiei recente a econometriei
cu econofizica şi sociofizica.
9
1.1. Ce este econometria ?
„Puterea de a pune întrebări este baza progresului uman.” – Indira Gandhi –
O întrebare aparent simplă de tipul ce este econometria, îşi găseşte un

răspuns etimologic consacrat, rezultat al traducerii a două cuvinte din greaca veche,
un răspuns considerat comun, şi având sensul simplu de „măsurare economică sau
în economie” (oikonomie = economie şi metron = măsurare). Există însă multe alte
nebănuite semnificaţii, de la cele înscrise deja într-o mulţime de dicţionare
specializate, până la cele desprinse din istoria relativ recentă a ştiinţei
econometrice, precum şi a personalităţilor ce au conturat-o, în cele aproape opt
decenii de existenţă matură şi prolifică [1].
Cele mai multe dintre dicţionarele enciclopedice uzuale definesc econometria
drept o simplă aplicare de tehnici matematice şi statistice în economie, pentru a
studia probleme, a analiza date, precum şi pentru a dezvolta şi testa modele şi
teorii. În practică, econometria se identifică cu cererea de date statistice şi de
analize ale domeniului economic cu rigoarea specifică matematicii, dar şi cu
cererea de teorii statistice referitoare la testarea şi decizia statistică, la prognoza
statistico–matematică a fenomenelor economice cu scopul de a le cunoaşte
principalele tendinţe. Metodologic, econometria aplică metodele din statistica
empirică, de tip clasic, şi din statistica matematică modernă, formulând noi modele
şi legităţi ale activităţii economice, ulterior postulate prin teoria economică. În
optica metodologică simplă, econometria rămâne tot o aplicare de tehnici statistice
pentru a genera modele economice, atât în plan pragmatic, în cadrul efortului
managerial micro şi macroeconomic de a atinge rezultate eficiente în plan
economic (cuantificate sau numerice), cât şi în context teoretic, pentru a verifica,
respectiv valida sau invalida noile teorii economice. Un dicţionar bancar detaliază
conceptual econometria, ca reuniune de metode şi tehnici de modelare, care explică
o realitate economică specifică (financiar-bancară), în termenii unor relaţii
statistico-matematice, între variabilele fundamentale ale acestei realităţi (de la
cheltuieli de capital, la salarii sau venituri, de la rate ale dobânzilor bancare, la
evoluţia numerică a populaţiei, de la politici fiscale, la politici monetare etc.).
Viziunea unui dicţionar geografic asupra econometriei este în mod
surprinzător mult mai pragmatică, descriind-o drept ştiinţa care realizează o analiză
economică, în care se prelucrează date cu ajutorul metodelor şi tehnicilor statistice,
cum ar fi, spre exemplu, analiza de regresie, pentru a valida spaţial şi temporal
anumite modele teoretice. Scopul econometriei în optica specifică geografului este
de a face previziuni şi de a determina politica micro şi macroeconomică în lumina
unor astfel de previziuni.
Alte dicţionare consacrate prin calitatea definiţiilor, prin nivelul lor elevat de
formulare a definitorului (definiens) şi, mai ales, prin stilul deosebit de concis,
consideră econometria ca fiind „statistica şi analiza matematică a relaţiilor
economice”, capabile împreună să creeze ecuaţii pentru a descrie fenomene şi
procese economice, să estimeze funcţii economice şi să formuleze modele
economice diverse (Encyclopedia Britannica) sau „tehnici de analiză economică,
prin care teoria economică se exprimă în termenii unor relaţii matematice,
validate mai apoi prin teste statistice”, materializate la final prin încercări de a
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].
1.2. Scurt istoric privind apariţia şi dezvoltarea econometriei

„Tempus edax rerum...” sau „Timpul ucide lucrurile”... – vechi dicton latin –
Principalele etape ale apariţiei şi dezvoltării econometriei pot fi descrise în

mod concis astfel: etapa I - protoeconometria sau etapa clasică a precursorilor
econometriei (începând cu secolul XVII şi sfârşind odată cu consumarea primelor
trei decenii ale secolului XIX), etapa a II-a - apariţia şi consolidarea econometriei
în plan ştiinţific (după fondarea la 29 decembrie 1930, în Cleveland, a Societăţii
Econometrica - Econometric Society - până la consacrarea definitivă a acestei noi
modalităţi de a gândi şi modela economia, prin obţinerea primului premiu Nobel,
de către un grup de reprezentanţi remarcabili ai acestei noi discipline ştiinţifice, în
anul 1969) şi etapa a III-a - etapa dezvoltării econometriei moderne prin competiţie
continuă cu alte ştiinţe modelatoare ale realităţii economice (după anul 1970, până
în prezent). Şcoala aritmeticii politice a deschis etapa clasică a precursorilor
econometriei, prin apariţia ştiinţei statisticii, asigurând premise pentru desprinderea
repetabilităţilor şi regularităţilor din datele cantitative colectate din fenomenele şi
procesele economice pentru formularea de legităţi sau chiar de previziuni,
prefigurând esenţa statisticii moderne, dar anticipând şi econometria ca proces de
modelare. William Petty, John Graunt, Gregory King, Charles Davenant prin
analiza înregistrărilor de date empirice s-au dovedit pionieri în a face pasul decisiv
pentru a forma şi dezvolta economia, statistica şi matematica aplicată, iar la final,
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.
1.3. Câteva obiective importante şi obiectul de studiu al econometriei

„Succesul nu înseamnă absenţa eşecurilor, ci realizarea obiectivelor finale. ”
– Mihai Eminescu –
Ca dovadă certă a originii sale statistice, econometria are şi ea ca un prim

obiectiv tot pe acela al măsurării. După cum, biologia s-a transformat prin măsurare
riguroasă, prin evaluare ştiinţifică şi prin estimare cu un anumit nivel de încredere
în biometrie, sociologia în sociometrie, psihologia mai târziu în psihometrie,
demografia în demometrie, tot astfel si economia s-a regăsit prin exces statistico -
matematic în econometrie. Aşa cum se poate constata toate ştiinţele ce dobândesc
apetit pentru măsurare devin treptat şi “metrii”. Dominată de metodele de testare şi
de decizie statistică, dar în aceeaşi măsură şi de modele matematice de analiza a
variabilelor cantitative ori calitative şi de înţelegere cantitativă a regularităţilor
lumii prin modelare, economia în căutarea sa factorială, principială şi în tentativa
de a descoperi noi legi de manifestare şi de a prognoza eficient şi prompt procese şi
fenomene economice devine tot atât de firesc econometrie. Măsurarea este însă
nuanţată în econometrie atât prin teorie cât şi prin datele empirice sau reale.
Obiectivul iniţial de măsurare se scindează brusc în două direcţii. Econometria
oferă măsurări empirice necesare economiei, dar şi pune sub semnul întrebării
această teorie, prin măsurare, mai ales prin procedeele evoluate ale testării şi
deciziei statistice, devenite treptat componente ale modelării econometrice ca atare.
Caseta nr.1.3
Obiectivul principal al lui Econometric Society şi al revistei
Econometrica a fost încă de la înfiinţarea şi respectiv apariţia
lor acela de a promova studii care vizeze: unificarea cunoaşterii
teoretice şi abordării empirice, exclusiv cantitative în
soluţionarea problemelor economice şi care să fie pătrunse de
spiritul unei noi gândiri mai constructive şi evident mult mai
riguroase. „Orice activitate care contribuie la această unificare
teoretică a unor astfel de studii în economie trebuie să fie în
sfera de interes a lui Econometric Society.”
(http://www.econometricsociety.org/tocs.asp)
Două dintre obiectivele principale iniţiale ale econometriei rămân valabile şi azi:
realizarea de măsurări empirice (cantitative) necesare în teoria economică şi
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”.
1.4. Pachete de programe specializate, utilizate în econometrie

“Programatorul este un creator de universuri pentru care doar el este responsabil.
Universuri de complexitate practic nelimitată pot fi create sub forma programelor
de calculator.” – Joseph Weizenbaum –
Interesul crescând semnalat şi în acest prim deceniu al noului secol în

modelarea atât de extinsă şi specifică econometriei poate fi motivat foarte simplu şi
convingător. Necesitatea stringentă, comună obiectului de studiu şi obiectivelor
reale şi potenţiale ale econometriei, de a înregistra, stoca, accesa, descrie, prelucra,
modela, testa, valida, şi mai ales, de a înţelege şi previziona structuri şi evoluţii ale
unor populaţii de date tot mai numeroase sau de informaţii aflate într-o veritabilă
explozie cantitativă motivează importanţa disciplinei şi conlucrarea sa intensă cu
cibernetica şi informatica economică, cu previziunea economică, cu data mining.
Procesul descoperirii de noi concepte, cunoştinţe, principii, legităţi, relaţii,
modele este practic la fel de vechi ca şi cunoaşterea ştiinţifică în sine. Ajutată
astăzi de puterea formidabilă de calcul a computerelor, econometria este o
disciplină ce se poate aventura cu mai multă uşurinţă în explorarea informaţiei,
utilizând pachete de programe de lucru specializate şi eficiente. Obiectivul declarat
al pachetelor specializate în modelări economice este deschiderea apetitului tuturor
decidenţilor pentru domeniul fascinant al ştiinţei econometrice. Cunoştinţele cerute
pentru înţelegerea unui astfel de pachet de programe implică noţiuni de bază din
statistică, matematică şi informatică. Deoarece există o foarte bogată ofertă de
programe cu utilizări econometrice, aproape toate în limba engleză, a fost adoptată
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
Sursa: Andronache C., Săvoiu G.,Exploratory Domains of Econophysics.News EDENI&II,

Ed. Universitară, Bucureşti, 2009, pag. 136-149
SPSS (Statistical Package for the Social Sciences) [23] domină piaţa cercetărilor
sociale şi în România. SPSS ca produs al unei companii IBM, este unul dintre cele mai
puternice şi utilizate programe de prelucrare a datelor statistice (data mining). El a fost
creat în anii ’60 şi are ca obiect de activitate realizarea de software pentru prelucrarea
statistică a datelor (în prezent la versiunea 18 şi 19). Site-ul companiei poate fi accesat
la http://www.spss.com sau http://www.spss.ro. Programul este relativ uşor de asimilat
şi reprezintă alternativa extinderii cercetării econometrice în social cu implicaţii
profunde în perspectiva imediată. Iată un exemplu de corelogramă prin SPSS:
Figura nr.1.3
SOMAJ ŞI INFLAŢIE ÎN ROMÂNIA 1991 - 2006
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
„O idee începe prin a fi un paradox, continuă prin a fi o banalitate şi sfârşeşte prin

a fi o prejudecată.” – Grigore Moisil –
La intersecţia pragmatică şi provocatoare a economiei (cercetării

econometrice) sau a sociologiei (cercetării sociologice) cu fizica (cu gândirea
statisticii fizice, cuantice) se nasc în ultimele trei decenii ştiinţe complet noi cum
sunt econofizica şi sociofizica, rivalizând prin originalitatea şi simplitatea lor
aparentă, cu impactul altor noi metode moderne de cercetare ce se conturează la
orizont, precum ştiinţa complexităţii, ştiinţa sistemelor reţelelor neuronale, a
algoritmilor genetici, a logicii fuzzy şi a logicii neutrosofice, evoluţia lor istorică
fiind un prilej de recunoaştere a rapidităţii dezvoltării disciplinelor de graniţă. Dar
de unde această formulare „Econometrie versus econofizică şi sociofizică”?
Ştiinţele umane contemporane sunt din ce în ce mai distinctive, de la
psihologie, la ştiinţele cognitive, de la sociologie, la economie, de la ştiinţele
politice, la antropologie etc. Ştiinţele umane speciale au fost anterior cunoscute sub
denumirea de ştiinţe morale şi, în acelaşi timp, au fost marcate de tradiţia de a
genera analogii cu ideile din lumea naturală şi din ştiinţe naturale. Există o mare
diversitate a şcolilor de gândire de tip economic: a economiştilor austrieci, a
instituţionaliştilor, a marxiştilor, a economiştilor sociali, a celor comportamentali, a
teoreticienilor haosului, a keynesienilor şi post-keynesienilor, a neo-ricardienilor, a
teoreticienilor şcolii din Chicago, a economiştilor politici constituţionali,a teoriei
alegerii publice (teoria alegerii raţionale constituie deja centrul disciplinei
economice, în echilibrul neoclasic microeconomic şi în cel macroeconomic) [24].
Fizica s-a născut ca ştiinţă fundamentală, într-un mod de gândire
demonstrativ sau reductiv şi, apoi, a devenit unul de tip universal, odată cu
Newton. Ce este o ştiinţă fundamentală? Poate exista unitate fără fundamentalitate?
Forma pe care o ia sau ar trebui să o ia unitatea, în special în fizică, este o
chestiune controversată care a condus la pluralism în cadrul comunităţii largi a
disciplinei de fizică (Stanford Encyclopedia of Philosophy). Fizica a dezvoltat un
adevărat univers al activităţilor între demersul teoretic şi experimental. Acest
proces a condus la o lipsă de unitate în termenii oricărei discipline fizice, precum
şi la o mai mare complexitate a seturilor de interacţiuni în interiorul termenului
obişnuit de fizica , pe măsură ce ea a devenit o mare ştiinţă, alături de alte
discipline, cum ar fi ingineria, economia şi managementul. O trăsătură distinctivă a
ştiinţelor economice este că în timp ce au în comun cu fizica aplicarea statisticii
matematice în mod descriptiv şi explicativ -în populaţia şi în interpretările
probabilistice- se pare că este lipsită de abordarea strictă şi corectă a legilor
universale într-un mod la fel de „recunoscut” ca în fizică.
Economia este o ştiinţă orientată spre posibilitatea de a alege, de a gestiona
riscul şi de a lua decizii în raport cu unele probleme reale şi grave adeseori, dar
implică unele aspecte generale care sunt de interes deosebit pentru înţelegerea
fenomenelor sau proceselor. Astfel se constată după secole de existenţă că:
- economia se referă numai la anumite aspecte al realităţii, în care omul se
preocupă de resursele limitate, de cele mai multe ori de o manieră optimă;
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
a) De ce este important economistul norvegian Ragnar Frisch pentru istoria

econometriei şi care este definiţia dată de către el acestei noi discipline?
b) Care sunt principalele diferenţe între semnificaţiile atribuite econometriei în
sens inductiv şi restrictiv, extins sau operaţional, ostensiv sau enciclopedic şi
extensional?
c) Care sunt rolul şi importanţa istorică al lui Econometric Society şi al revistei
Econometrica în dezvoltarea econometriei?
d) Puteţi defini câteva obiective mai importante şi principalul obiect de studiu al
econometriei, ca ştiinţă modelatoare?
e) Care sunt cele mai utilizate pachete de programe cu aplicaţii în econometrie, în ţara
noastră?
f) Ce reprezintă econofizica şi sociofizica ?
1.6.2. Teste tip grilă şi aplicaţii
1. Data exactă şi fondatorii lui Econometric Society sunt:

a) 12 februarie 1928; Jan Tinbergen, Joseph Schumpeter, Harold Hotelling, Henry
Schultz;
b) 5 mai 1957; Norbert Wiener, Robert Engle şi Clive Granger ;
c) 29 ianuarie 1930; Paul Samuelson, Frederick C. Mills şi Irving Fisher;
d) 5 ianuarie 1933; Carl Snyder, Walter A. Shewhart, Øystein Ore;
e) 29 decembrie 1930; Ragnar Frish, Charles Roos şi Irving Fisher.
Notă: Cei şaisprezece membri fondatori ai lui Econometric Society au fost: Ragnar Frisch,
Charles Roos, Joseph A. Schumpeter, Harold Hotelling, Henry Schultz, Karl Menger,
Edwin B. Wilson, Frederick C. Mills, William F. Ogburn, J. Harvey Rogers, Malcolm C.
Rorty, Carl Snyder, Walter A. Shewhart, Øystein Ore, Ingvar Wedervang and Norbert
Wiener, iar primul preşedinte ales, nimeni altul decât Irving Fisher.
2.În ce an apare primul număr al revistei Econometrica la Econometric Society?

a)Econometrica a apărut în acelaşi an cu Biometrica:1926; b)1928; c)1933;d)1939.
3. Care sunt obiectivele cu care a debutat econometria la formarea ei ca ştiinţă?
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 –

O investigaţie teoretică distinctă, un segment de realitate ca obiect de studiu şi un
model de interpretativ reunite pot genera cu uşurinţă o ştiinţă nouă. Pentru cei mai
mulţi dintre cercetătorii în economie, econometria înseamnă literalmente modele
economice de măsurare şi previziune. Modelul şi modelarea constituind elementele de
discriminare şi individualizare ale fiecărei ştiinţe în parte nu impun oare de la sine o
tratare specială? Modelul şi modelarea în econometrie se particularizează oare prin
aspecte speciale privind aplicarea de metode, instrumente şi tehnici statistico-
matematice la probleme economice, respectiv, printr-un conglomerat de noţiuni extrase
din cele trei ştiinţe reunite? Dacă prin modelarea econometrică se verifică noi ipoteze şi
se dezvoltă teorii economice, iar pe baza noilor cunoştinţe astfel rezultate se
procedează la întocmirea de simulări sau la fundamentarea unor modele de decizie sau
de punere în practică a politicilor economice, diversitatea fenomenologică nu va fi
cauza unei multiplicări a modelelor într-un proces continuu? În condiţiile cunoaşterii
modelatoare a fenomenelor economice prin intermediul unor noţiuni structurate în
economice (macro şi micro) şi statistico-matematice se cer subliniate câteva dintre ele
ca fiind rezultatul exclusiv al unei dezvoltări aparte a ştiinţei econometrice? Ce
reprezintă oare heteroscedasticitatea şi homoscedasticitatea ori multicolinearitatea? În
acest sens, domeniului econometriei i se suprapun în mod constant concepte, principii,
metode şi sintagme noi. Studiile econometrice demarează prin cunoaşterea
fenomenelor economice, continuă prin identificarea, formularea, parametrizarea şi
validarea unui model statistico-matematic şi de cele mai multe ori sfârşesc prin
valorificarea modelelor în prognoze, simulări, decizii etc. Etapele analizei modelului şi
modelării econometrice generează astfel subcapitole distinct detaliate, care se doresc a
fi răspunsuri simple la diversele întrebări formulate mai sus şi care conţin argumente
solide pentru a susţine subtitlurile următoare:
2.1. Modelul şi modelarea uni, inter, trans şi multidisciplinară
2.2. Modelul şi modelarea econometrică
2.3. Tipologia modelelor econometrice
2.4. Dinamica modelului econometric. Un exemplu clasic edificator:elasticitatea cererii
şi multiplicarea modelelor sale
2.5. Noţiuni macro şi microeconomice utile construcţiei modelului econometric
2.6. Concepte statistico-matematice frecvent valorificate în modelul econometric
Cuvinte cheie: model şi modelare uni, inter, trans şi multidisciplinară,

modelare econometrică, noţiuni economice şi statistico-matematice.
Obiective: percepţia corectă a diferenţelor dintre modelarea uni, inter,
trans şi multidisciplinară şi a specificităţii modelului econometric,
cunoaşterea taxononomică a modelelor econometrice,descrierea
modelului elasticităţii cererii, model de referinţă clasică şi a noţiunilor
economice şi statistico-matematice necesare gândirii econometrice.
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
Sursa: Săvoiu G, Iorga-Simăn I, Multidisciplinary modelling knowledge, and onediscipline

isolation, RCAM & Econophysics Journal, 2009, pag. 6, http://www.upit.ro/ccma/EDEN II
Ştiinţele dobândesc treptat legităţi şi metode caracteristice, mai ales datorită

apetitului lor pentru măsurare, intrinsec modelului şi urmărind variaţiile apărute în
cadrul obiectului de studiu. Logica este în calitatea ei de mod de gândire asupra
gândirii, prima disciplină ştiinţifică unanim recunoscută. Matematica, prin studiile
cantităţilor şi ierarhiilor, devenite teoreme prin derivaţii logice, este denumită
ştiinţă de utilitate quasigenerală, iar cu ajutorul statisticii care operează în populaţii
finite, rezultatele cunoaşterii econometrice devin sisteme ale realităţii economice
imediate sau sisteme ale finitudinii fenomenelor economice. Statistica întregeşte
astfel cunoaşterea matematică prin măsurarea metodică a modului în care variază
caracteristicile populaţiilor, accentuând importanţa observaţiei şi a raţionamentului,
dar şi a testării ipotezelor, urmată de decizia de validare sau invalidarea modelelor,
elaborate în tentativa perpetuă de a înţelege realitatea.
De la tetragramele străvechii culturi chineze, la abstractizarea prin figuri
geometrice în Grecia antică, de la primele solfegii muzicale, la prozaicele limbaje
ale programelor de calcul toate aceste tipuri de prezentare sintetică cu accent pe
elementul logic de natură vizuală au fost şi rămân alternative simplificate ale
modelului. Anterior modelului, dar constituindu-se ulterior ca dualitate a acestuia,
se află reprezentarea. Ea este recunoscută simultan drept metodă şi moment al
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 –
În mediul academic modern şi în procesul educaţional de formare a tinerilor

pentru viitorul imediat se pot identifica trei aspecte care deţin un impact
considerabil: dublarea în ultimele patru decenii a numărului ştiinţelor recunoscute
oficial, ca urmare a evoluţiilor de graniţă (interstiţiale) în domenii interdisciplinare
explorate, abordarea sistemică de tip complex a unei realităţi multidimensionale,
unde multiplicarea variabilelor şi caracterul non-liniar şi multiparametric explicativ
sunt completate cu interacţiunea componentelor sistemului, redefinind cercetarea
ştiinţifică şi formarea unei gândiri modelatoare pentru înţelegerea realităţii şi
previziunea fenomenelor economico-sociale contemporane.
Modelul econometric reprezintă o verigă intermediară între teoria şi
realitatea economică. El reprezintă o cale de confruntare a teoriei economice cu
practica, singurul mod de experimentare pe baza căruia ştiinţa economică îşi poate
fundamenta ipotezele, din moment ce obiectul său de cercetare poate fi numai
observat, nu şi izolat sau cercetat în laborator. Modelul econometric este dependent
de mulţi factori începând cu calitatea şi volumul datelor şi sfârşind cu competiţia
intermodele, generată de aplicarea sa. Modelul la rândul lui devine un factor
esenţial al cercetării. În final, modelul econometric redefineşte ştiinţa economică,
reconsiderată în opinia lui John Maynard Keynes drept “ştiinţa gândirii cu ajutorul
modelelor combinată cu arta alegerii modelelor relevante”.
Modelul econometric este privit fie ca o prezentare simplificată şi
formalizată a unui fenomen sub forma unor ecuaţii în care variabilele sunt mărimi
economice, devenind un instrument care ajută la înţelegerea şi explicarea
fenomenelor din economie[10],fie ca rezultat al aplicării unor tehnici econometrice
în vederea determinării celui mai probabil mod de derulare a afacerilor (modelul
în abordarea lui Popper), fie reprezintă, între anumite limite, modalităţi importante
de analiză şi previziune în economie (modelul în viziunea lui Lucas) etc. Aşa cum
se constată este greu de definit de o manieră generală sau universal acceptată, dar
se poate valorifica ideea că modelul econometric reprezintă un instrument real
descriptiv sau normativ, o imagine convenţională şi simplificată, izomorfă (care
deţine aceeaşi structură), homomorfă (care posedă aceeaşi formă) şi/sau capabilă să
redea aceleaşi relaţii din interiorul sau cu exteriorul obiectului (fenomenului,
procesului, sistemului) sau realităţii economice în ansamblu, supuse cercetării.
Acelaşi fenomen economic poate da naştere firesc la mai multe modele
econometrice. Fiecare model se distinge prin modul de gândire, prin concepte,
instrumente, tehnici, metode, dar şi prin etape concrete de realizare.
Conceptualizarea distinctă a modelului econometric presupune abordarea
succesivă prin intermediul a trei dimensiuni, respectiv:
I) a modului de gândire, ca reuniune a raţiunii statistice şi matematice cu
raţiunea de tip economic,
II) a contribuţiei conceptuale, instrumentale, prin tehnici şi metode specifice
economice, statistice şi matematice,
III) a contribuţiei concrete în etapizarea modelării econometrice.
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
Într-o primă fază de construcţie a modelului, pornind de la realitatea

reflectată în teoria economică existentă, tipurile de gândire statistică, matematică
şi economică se reunesc şi se concentrează într-un produs sintetic denumit gândire
econometrică, al cărui nucleu devine modelul econometric în sine, iar într-o a doua
fază modelul se aplică şi se extinde, redimensionând teoria ştiinţifică şi încercând
să capteze realitatea prin optimizări şi adecvări de tip continuu ale primei sale
forme deja create.
Modelul econometric reprezintă şi o agregare a contribuţiilor conceptuale,
instrumentale,tehnicilor şi metodelor specifice statisticii, matematicii şi economiei.
Modelarea econometrică devine astfel „un set de tehnici şi metode cantitative, care
sunt utile realizării de modele econometrice esenţiale în procesul de luare a
deciziilor economice” (Universitatea Monash).
Conceptele, instrumentele, tehnicile şi metodele de modelare ale
econometriei sunt foarte variate. Modelul statistic valorifică sistemul conceptual şi
instrumental al statisticii descriptive, analizei datelor şi erorilor, teoriei sondajului
şi estimaţiei, deciziilor referitoare la teste statistice axate pe ipoteze, repartiţiilor
sau distribuţiilor clasice şi moderne, dar şi statisticii matematice. Tehnicile
modelului statistic reunesc tehnica regresiei simple, cu aceea a regresiei multiple,
simultaneitatea şi autoregresivitatea etc. Metoda inferenţei, metoda testării şi
deciziei statistice sunt numai câteva exemple specifice de natură statistică ce
alcătuiesc scheletul modelului. Modelul matematic reprezintă o formă abstractă de
percepere a realităţii, ce are la bază concepte, tehnici şi metode specifice logicii şi
matematicii, fără de care nu se poate formaliza logic acest model, nu se poate pune
„în ecuaţie”. În componenta matematică a modelului econometric se află concepte,
instrumente, tehnici, metode matematice foarte diferite, cum ar fi cele conexe
algebrei, analizei, teoriei jocului şi teoriei probabilităţii, dar şi algebrei matriceale.
Toate acestea valorifică substratul conceptual şi instrumental al economiei.
Modelul statistico-matematic este o simplă transcriere matematică a unor ipoteze
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
I. Asigurarea seriilor de date statistice 1.Trecerea în revistă a teoriei în domeniul

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

„Ceea ce devenim depinde în mare măsură de ceea ce citim, după ce toţi profesorii
au terminat cu noi. Cea mai mare universitate este o colecţie de cărţi.”
– Thomas Carlyle –
Gândirea statistică, aşa cum s-a constatat, reunită cu cea matematică şi

economică au ca produs final un model original cantitativ de a raţiona, înţelege şi
anticipa calitativ un anumit fenomen economic investigat. Rezultatul este în primul
rând o nouă formă de gândire, mai extinsă tipologic, mai variată prin soluţiile sale
inedite, gândirea econometrică, de fapt o matrice pentru oricare dintre noile ştiinţe
modelatoare. Evoluţia acestei gândiri modelatoare în sine conturează o primă
structurare a modelelor în uni, inter, trans şi multidisciplinare.
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.
2.4. Dinamica modelului econometric. Un exemplu clasic edificator: elasticitatea

cererii şi multiplicarea modelelor sale
„Apariţia conceptului de elasticitate a fost posibilă datorită principiului utilităţii
marginale, al substituţiei, sistemului de echilibru walrasian, analizei matematice a
cererii, rentei consumatorului şi metodei reprezentării grafice”
– Joseph Schumpeter –
Modele econometrice clasice se constituie într-o literatură de dimensiuni tot

mai mari, legată, în debutul ei, de fenomenul cererii şi analiza acesteia. Un prim
model econometric ale cărui rădăcini se pierd în istoria statistico-matematică a
economiei este modelul elasticităţii şi al coeficientului de elasticitate al cererii,
derivat ca parametru semnificativ în modelul econometric.
Cererea, în calitate de categorie economică, reprezintă atât forma de
materializare a nevoii reale, cât şi ansamblul relaţiilor generate de solvabilitatea sau
satisfacerea nevoii. Analizele cererii se divid în analize pe termen scurt sau mediu
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
Coeficienţii elasticităţii-preţ sau elasticităţii-venit devin astfel: λ c/ v = R c% / R v% şi

( ) ( ) ( )
λ c/ p = R % / R %
c p
. Coeficientul de elasticitate se poate exprima şi prin indici:
( ) ( ) ( )
∆C1/ 0 ∆V1/ 0 C1 − C 0 V1 − V0 I1/C 0 − 100
λC / V = : = : = V ,unde I 1C/ 0 , I 1V/ 0 sunt indicii cererii şi
C0 V0 C0 V0 I1/ 0 − 100
∆C1 / 0 ∆ P1 / 0 C1 − C 0 P1 − P0 I1C/ 0 − 100
venitului sau λ C / P = : = : = ,unde I1/C 0 , I1/P 0 sunt
C0 P0 C0 P0 I1/P 0 − 100
indicii cererii şi preţurilor.
Un exemplu concret descrie rapid modalităţile de utilizare în cercetările de piaţă
ale modelelor statistico-matematice clasice bazate pe studiul elasticităţii. Astfel, o
firmă interesată în dezvoltarea afacerii sale axate pe producţia şi exportul de
aparate frigorifice ecologice,consultând surse de date specializate şi propriile
proiecţii pe termen scurt, anticipează o creştere a exporturilor sale de la 4 la 5,6
milioane de euro(€) ca urmare directă a generalizării măsurilor de protecţie a
mediului, între 2010 şi 2011, pe piaţa regiunii europene Y. Analiza aceloraşi baze
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 )
IV. Diferenţa ∆ y − ∆∗∗∗

y =(5,6-4,0)-1,0 = 0,6 milioane €. Cum diferenţa anterioară
este pozitivă, concluzia ce se desprinde este că din creşterea exportului cu 1,6
milioane € numai 0,6 milioane € (37,5%) se datorează competitivităţii firmei, restul
de 1 milion € (62,5%) reprezentând efectul cumulat al creşterii cererii, al creşterii
absorbţiei pieţei europene a agregatelor frigorifice ecologice în regiunea Y.
Semnificaţia coeficienţilor de elasticitate în modelarea pieţei devine clară
prin analiza practică anterioară: coeficientul de elasticitate-preţ al cererii este un
instrument de investigaţie care exprimă procentul cu care se modifică cererea,
atunci când are loc o variaţie de un procent a preţului (transcrierea este precedată
de semnul “minus”), iar coeficientul de elasticitate-venit al cererii exprimă
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 
   
Modelarea econometrică a reactivităţii cererii, concretizată în evoluţia cheltuielilor

consumatorilor în funcţie de evoluţia veniturilor şi a preţurilor se poate realiza tot
prin intermediul coeficienţilor de elasticitate. Aceştia măsoară influenţa pe care o
exercită factorii venit sau preţ asupra cererii de mărfuri şi servicii, iar valorile
obţinute traduc intensitatea cu care răspunde cererea. Prima modelare statistico-
matematică aparţine statisticianului belgian Engel şi constă în formularea unor
axiome rezultate din interpretarea coeficienţilor de elasticitate în cercetarea pieţei.
Axioma I Elasticitatea-venit a cererii este variabilă, dar inferioară unităţii sau
pragului de proporţionalitate λ c / v < 1 , cazul cheltuielilor cu bunuri alimentare.
Axioma II Elasticitatea-venit a cererii este egală cu unitatea sau cu pragul de
propoţionalitate λ c/v = 1 ,cazul cheltuielilor cu locuinţa.
Axioma III Elasticitatea-venit a cererii este variabilă, dar superioară unităţii sau
pragului de proporţionalitate λ c / v > 1 , cazul cheltuielilor cu servicii. .
Celor trei axiome, le-au fost ataşate trei ecuaţii matematice de către Torngvist L:
I. pentru produsele de primă necesitate (bunuri inferioare): qinferioare = av
v+b
II. pentru produsele de consum curent (bunuri intermediare):qintermediare = a v − c
v+b
(a = “ridicat”, b = “scăzut”).
III. pentru produsele de confort (bunuri de lux): qde lux = av v − c ,(a =“scăzut” b =
v+b
“ridicat”), unde: q = cantitatea cerută (cererea) v = venitul, iar a,b şi c parametrii
determinabili.
Ca un corolar al modelelor econometrice clasice ale cererii se constată că o
multitudine de factori sunt greu de modelat sau dificil de formalizat statistico-
matematic: saturarea nevoilor, depărtarea cererii de originea fiziologică a nevoii,
interschimbabilitatea (înlocuirea, rivalitatea) potenţială a bunurilor şi serviciilor,
multiplicitatea utilizărilor bunurilor şi serviciilor mergând până la utilizarea
contrară destinaţiei cauzată de preţul foarte scăzut, apartenenţa bunului la o grupă,
grupei la o diviziune, etc sau influenţa apartenenţei, substituirea directă reală şi
aparentă, ponderea (coeficient de ponderare) din venitul alocat al consumatorului,
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.)
2.5. Noţiuni macro şi microeconomice utile construcţiei modelului econometric

“Nimic pe lume nu are o forţă mai mare decât o idee a cărei vreme a sosit.”
– Victor Hugo –
Orice s-ar întâmpla şi oricum ar fi construite modelele econometrice,

noţiunile macro sau micro economice sunt decisive, neputându-se realiza nici o
prezentare simplificată şi formalizată a unui fenomen economic, fără ajutorul lor.
Dovada afirmaţiei o constituie atât Sistemul Conturilor Naţionale (SCN) cât şi
indicatorii conjuncturali sau pe termen scurt ai afacerilor. Câteva concepte şi
indicatori majori, dar şi o scurtă istorie a SCN sunt prezentate în caseta următoare:
Caseta nr.2.8
Prezentarea macroeconomică a unui sistem economic real presupune precizarea
noţiunii de activitate economică ca proces complex reunind fapte, acte, comportamente
şi decizii privind atragerea şi utilizarea resurselor economice, cu scopul de a obţine
profit, prin satisfacerea unor nevoi. Activitatea este generatoarea noţiunilor fenomen şi
subiect economic. Fenomenul economic include operaţiunile cu bunuri sau servicii
(reale) şi monetare (financiare) ce conferă substanţă principalelor forme de existenţă
ale activităţii economice: producţia, schimbul, repartiţia, consumul, acumularea.
Fenomenul economic are loc atât în ţesutul ale cărui celule de bază sunt cele cinci
categorii de subiecte, adică gospodăriile private (menajele), întreprinderile sau firmele,
statul (administraţia publică şi asigurările sociale), băncile (instituţii financiare şi de
asigurări) şi restul lumii (străinătatea), cât şi la suprafaţa ţesutului, devenind expresia
unei teoretizări, generalizări, esenţializări.Între subiectele economice au loc crearea,
transformarea, schimbul, transferul sau lichidarea de valori, prin relaţii generând
schimb de proprietate asupra obiectelor activităţii economice (bunuri sau servicii,
inclusiv servicii ale factorilor de producţie şi creanţe). Aceste relaţii definesc
tranzacţiile economice, fie ele vizibile, efective (de piaţă) sau bilaterale, formalizate ca
bunuri şi servicii (tranzacţii reale) sau prin monedă (tranzacţii financiare sau băneşti)
fie invizibile sau unilaterale, fiind denumite şi transferuri, condiţionat de formele
organizatorice complexe şi mai ales de concreteţea, materialitatea lor. Tranzacţiile sunt
evaluate, datate şi localizate. Totalitatea tranzacţiilor similare reunite generează un flux
economic, aşa cum agregarea subiectelor economice de aceeaşi natură sau categorie dă
naştere unui sector economic. Combinând acum cele două agregări în spaţiul sau
teritoriul economic[25] se pot obţine fluxurile intrasectoriale şi intersectoriale. Dacă se
însumează fluxurile circulare existente pe teritoriul economic al unui stat se obţine un
uriaş circuit economic intern sau domestic, iar dacă se extinde la o comunitate de state,
circuitul devine regional şi treptat mondial. Subiectele economice, în raport cu
teritoriul economic al unui stat şi cu centrul principal de interes sau de activitate, se
împart în rezidente şi nerezidente, în măsura în care cele două criterii coincid sau nu
prin localizare. Reunind fluxurile generate de activitatea rezidenţilor naţionali cu
fluxurile conaţionalilor rezidenţi în alte teritorii statale se obţine un uriaş circuit
naţional iar prin extindere treptată, regional şi în final internaţional. Circuitul intern
astfel modelat devine economie internă, aşa cum circuitul naţional se transformă în
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.
Estimarea macroagregatelor SCN poate conduce şi la aprecierea evoluţiei

unei economii dacă este însoţită de evaluarea indicatorului relativ cunoscut în
teorie ca noţiunea de creştere economică sau ritmul PIB-ului real, obţinut din
indicele PIB-ului real exprimat procentual se scade valoarea de 100 de procente:
R PIB real (%) = IPIB real ( %) - 100 (%).
Imaginea SCN a principalelor macroagregate în preţuri comparabile asigură
un factor important în modelarea macroeconometrică, oferind imaginea reală a
transformărilor structurale (în preţurile unui acelaşi an t-1 sau „zero” considerat an
de bază). Evaluarea este rezultatul produsului între volumul neagregabil în unităţi
fizice datorită varietăţii lor şi preţul exprimat prin variaţia medie a preţurilor vizate.
Concret se determină rezultatul exprimat în preţuri comparabile al raportului PIB-
ului realizat timp de doi ani consecutivi, din indicele PIB-ului în preţuri curente:
I PIB preţ uri curente ( %) = (PIB în preţurile anului t : PIB în preţurile anului t-1) x 100,
care de îndată ce a fost obţinut se împarte la un indice de preţ specific, denumit
deflatorul implicit al PIB, ceea ce rezultă constituind în fapt indicele PIB-ului real.
IPIB real ( %) = (I PIB preţ uri curente : Deflatorul implicit al PIB ) x 100
PIB real
Creşterea economică naţională sau modificarea anuală a I , după 1990
Tabel nr. 2.7 Anul precedent = 100

1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
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.
1.Indicatori ai echilibrului investiţie - consum şi ai creşterii economice (ritmul creşterii

economice reale, rata formării brute de capital fix, ponderea consumului final etc.)
2.Indicatori ai echilibrului cerere-ofertă prin nivelul preţurilor (indicii preţurilor, rata

anuală a inflaţiei, deflatorul PIB-ului, cursul de schimb al monedei, taxa de scont etc)
3.Indicatori ai echilibrului pieţei forţei de muncă (gradul şi structura ocupării şi migrării

internaţionale a forţei de muncă, rata şomajului, rata de înlocuire etc.)
4.Indicatori ai echilibrului extern al economiei naţionale (indicatorii contului curent al

balanţei de plăţi externe, fluxurilor internaţionale în investiţii, îndatorării externe etc.)
5.Indicatori ai echilibrului social şi comunitar (ecartul dintre salariul minim şi maxim,

greve şi conflicte, indicele de cost al vieţii şi dezvoltării umane, concentrarea veniturilor)
Modelările macroeconometrice valorifică aceşti indicatori prin regrupare

tactică şi sub alte denumiri la fel de expresive: indicatori instrumentali (exemplu:
deficitul bugetului general consolidat ca procent din PIB), indicatori de pilotaj
(exemplu: soldul balanţei comerciale), indicatori de obiective (exemplu: rata
şomajului şi rata inflaţiei) etc.
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
Productivitatea muncii beneficiază de aceeaşi modalitate de determinare

generală cu eficienţa fondurilor sau activelor imobilizate ori cu profitabilitatea
capitalului.
Dintre indicatorii care sintetizează participarea firmei pe piaţă se detaliază în
afară de cifra de afaceri în expresie valorică, considerat cel mai important indicato
al firmei, cota de piaţă şi indicii raportului de schimb pentru relevanţa lor deosebită
în modele microeconometrice. Cota de piaţă reprezintă ponderea deţinută de
vânzările unei firme în totalul vânzărilor acelui produs sau activităţi pe o anumită
piaţă.Cota de piaţă se evaluează sub formă de coeficient sau procent prin
intermediul a trei indicatori:
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
- fluxurile cantitative izolate şi ulterior relativizate conduc şi la raportul de schimb brut.

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

• indicele raportului de schimb valoric (IRSV) cunoscut şi ca indice al gradului
de acoperire a importurilor prin exporturi IGA = GA1:GA0 = I VX : I M V
; IRSV sau
IGA>1 (sau IRSV>100,0%) descriu o evoluţie pozitivă în care valoarea exportului
creşte mai repede decât valoarea importurilor şi are ca efect o ameliorare a balanţei
comerciale (reducerea deficitului balanţei, creşterea excedentului balanţei);
• indicele raportului de schimb brut (IRSB) definit şi ca raport de schimb
cantitativ IRSB = I XQ : I MQ ; IRSB <1 (sau IRSB<100,0%) identifică o îmbunătăţire
structurală a exporturilor economiei sau firmei, în favoarea exportului de produse
cu un plus de manoperă încorporată;
• indicele raportului de schimb net sau raportul termenului de schimb IRSN
= I XP : I MP sauIVU X : IVU Y ; IRSN > 1 (sau IRSN >100,0%) identifică efectul unei
„ieftiniri” relative a importurilor faţă de exporturi şi faptul că are loc o îmbunătăţire
a raporturilor de schimb în comercializarea externă economiei sau firmei;
• foarfecele de preţuri în comerţul exterior (FP), calculat numai în condiţiile în
care IRSN <1 sau 100 %: FP = (1-IRSN) x 100; foarfecele de preţuri în comerţul
exterior este expresia procentuală a pierderii pe care o economie (firmă) o
înregistrează prin comercializare externă ca urmare a faptului că preţurile de export
nu reuşesc să ţină pasul cu preţurilor importurilor;
• efectul în mărime absolută al deteriorării raportului de schimb net determinat în
condiţii similare cu foarfecele de preţuri; relaţia de calcul este:
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.
2.6. Concepte statistico-matematice frecvent valorificate în modelul econometric

„Indicatorii statistici îşi propun să dea seama nu despre stări încremenite ci
despre tendinţe de manifestare.” – Ian Miles –
Problemele fundamentale ale statisticii matematice, legate de modelarea

realităţii economice, rezultă atât din abordarea bazată pe teoria probabilităţilor, mai
ales pe legea numerelor mari (abordări concretizate în legile de repartiţie specifice
fenomenelor economice studiate), cât şi din optica verificării ipotezelor statistice şi
din aceea a estimării parametrilor necunoscuţi ale variatelor repartiţii empirice.
Un prim set de probleme fundamentale statistico-matematice, axate pe
interpretarea legii numerelor mari, rezultă din necesitatea practică de
determinare a legilor de repartiţie ale diferitelor variabile aleatoare pe baza
datelor concrete oferite de observarea statistică (apelând la metodele statisticii
matematice care încearcă să releve legile specifice repartiţiilor empirice, respectiv
la tehnica ajustării datelor statistice prin intermediul repartiţiei teoretice normale şi
la utilizarea criteriilor de verificare a concordanţei diferitelor repartiţii empirice cu
cele teoretice).Un al doilea set de probleme apare ca urmare a substituirii
repartiţiilor prin valori medii sau tipice pornind de la disponibilităţile concrete de
date statistice, respectiv estimaţia parametrilor necunoscuţi ale repartiţiilor
empirice (incluzând analiză de omogenitate, asimetrie şi exces sau boltire cât şi
determinarea preciziei cu care se lucrează în estimaţie). Un al treilea set este
rezultatul cerinţei de a lua decizii în urma unui proces de verificare a unor ipoteze
statistice admisibile, pornind de la supoziţia de existenţă a unei relaţii de
dependenţă între variabile (asociere, regresie şi corelaţie), continuând cu
concordanţa cu distribuţia normală sau alte tipuri de distribuţii, a repartiţiei
empirice analizate şi detaliind până la teste de semnificaţie şi elemente de analiză
dispersională.
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
• populaţie sau colectivitate (o mulţime bine delimitată în timp, spaţiu şi

organizatoric de manifestări, cazuri, elemente de aceeaşi natură, având cel puţin o
trăsătură comună),
• unitate statistică (purtător originar de informaţie, subiectul logic al informaţiei
statistice, o manifestare, un caz sau un element din populaţia ce defineşte
fenomenul cercetat),
• caracteristică (trăsătura, însuşirea sau proprietatea cantitativă-un anumit nivel -
sau calitativă -o anumită stare -comună tuturor elementelor din colectivitate),
• variabilă (variable - totalitatea nivelurilor, stărilor concrete -variantelor - ce pot
fi atinse de o caracteristică ),
• frecvenţă (frequency - în variantele: absolută, sintetizând numărul de înregistrări
ale aceleiaşi variante într-o populaţie statistică ni sau fi şi relativă, desemnând şi
ponderea, greutatea specifică sau cota parte a unei variante într-o populaţie
ni xifi
statistică n *i = x100 , gi = x100),
∑ ni ∑ xifi
• indicator (expresie cantitativă a unei anumite determinări, stări sau trăsături
calitative constatate printre manifestările, cazurile, elementele unei populaţii
statistice).
b) Concepte esenţiale ce aparţin teoriei probabilităţilor

• experiment aleator sau experienţă (realizarea practică a unui complex de condiţii
pentru un fenomen aleator),
• probă (rezultatul experienţei),
• eveniment (acel fenomen care se poate produce sau nu în cadrul unei experienţe,
a cărui afirmare certă nu este posibilă decât numai după realizarea experienţei),
• probabilitate (în sens clasic, raportul dintre numărul cazurilor favorabile -m- şi
numărul cazurilor posibile -n- : P(A)= m/n∈[0,1], pentru o experienţă cu n
evenimente egal probabile şi un eveniment A ∈ K , realizabil în m probe) .
c) Concepte fundamentale dependente strict de statistica matematică
• variabilă aleatoare sau caracteristică ale cărei valori, apriori necunoscute apar în
împrejurǎri datorate întâmplării, cu o anumită probabilitate determinabilă; o
variabilă “ specială “ ce exprimă atât un ansamblu de valori posibile ( xi ) , cât şi o
funcţie finită care indică, în raport cu rezultatul unui experiment, probabilitatea
fiecăruia dintre valorile posibile ( pi ),
• variabilă aleatoare discretă (când mulţimea valorilor posibile este finită sau
 x1 x2 ... xn ...
numărabilă, fiind descrisă de X :   cu ∑ pi = 1 ,unde mulţimea
 p1 p2 ... pn ... i
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).
Eroarea (error) sau cunoştinţa care nu reflectă adecvat, corect, veridic,

realitatea obiectivă este o componentă a adevărului relativ şi are o semnificaţie
primordial tot statistico-matematică. Eroarea statistică este diferenţa rezultată între
o dată statistică (indicator statistic) şi valoarea reală corespunzătoare sau
înregistrarea altei valori (x) în locul celei reale (x0).
În modelarea statistico-matematică a fenomenelor economice, informaţiile

aleatoare reflectate prin variabile de aceeaşi natură sunt înlocuite cu o serie de
indicatori prin care putem măsura caracteristici ale fenomenului respectiv, precum
media, dispersia momentele centrate de ordin k etc. atât pentru variabilele de tip
discret cât si pentru cele de tip continuu.
Alte concepte statistico-matematice nelipsite din modelarea econometrică
sunt şi indicatorii tendinţei centrale de la medii calculate (means or averages)
dincolo de media aritmetică (arithmetic mean/average), către media armonică
(harmonic mean), media geometrică (geometric mean), media pătratică (quadratic
mean) sau medii poziţionale (positional averages) ca mediana (median) şi modul
(mode) grafice statistice (graphs:line, bar, scatter, charts, plots etc), indicatorii
simpli ai variaţiei, de la amplitudinea absolută şi relativă (absolute and relative
range), la abaterea individuală absolută şi relativă (absolute and relative individual
deviation), indicatorii sintetici ai variaţiei, dincolo de dispersie (variance), către
abaterea medie pătratică (standard deviation) şi coeficientul de variaţie (coefficient
of variation), indicatorii asimetriei (skewness), indicatorii boltirii sau excesului
(kurtosis) etc.[28-29]
Legea numerelor mari este o teoremă a statisticii matematice potrivit căreia
frecvenţa unui eveniment converge în probabilitate către probabilitatea acelui
eveniment. Într-o formă mai generală, legea numerelor mari caracterizează legătura
dintre numărul evenimentelor şi gradul de acţiune al legii generale, cu respectarea
câtorva condiţii simple.
Legea numerelor mari are o utilizare curentă, întrucât ea permite să se
aprecieze probabilitatea unui eveniment prin simpla referire la numărul de cazuri în
care s-a produs, o atare apreciere fiind cu atât mai bună cu cât numărul de
observaţii este mai mare. Alături de distribuţiile empirice în statistică se acordă o
atenţie deosebită distribuţiilor teoretice fiind considerate „cazuri ideale”. Repartiţia
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:
Statistica descriptivă a creşterii economice în România, după 1990
Figura nr. 2.4
O variantă alternativă conţine simultan un grafic specific (o histogramă) şi

statistica descriptivă reprezentând practic aceleaşi valori, însoţite de teste statistice
specifice, pentru un eşantion de 20 de valori observate.
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
Seriile de date se obţin fie accesând surse de date prompte şi credibile

(anuare, buletine statistice, date disponibile on-line: http://www.insse.ro/,
http://www.bnr.ro/, http://www.nber.org/, http://epp.eurostat.ec.europa.eu/ etc.), fie
din surse proprii ca rezultat al unor cercetări statistice proprii (anchete, sondaje
etc.) Autenticitatea şi completitudinea sau acoperirea reprezentativităţii necesare
limitării erorii sub 5 % în cazul datelor statistice ce descriu fenomene economice
aparţine statisticii aplicate, iar variabilele economice specificate în modelul
econometric trebuie să fie culese fără erori sistematice de măsurare, înregistrare
observare şi prelucrare, dar şi asigurând condiţiile de omogenitate. Omogenitatea
datelor statistice impune de la bun început o populaţie omogenă de studiu
(fenomenul economic analizat), metodologie omogenă, interval de analiză omogen,
teritoriu omogen, unităţi de măsură omogene (în lumea economică omogenitatea
indicatorilor economici impune exprimarea variabilelor în preţuri comparabile sau
preţuri reale).
Principala formă de serie de date statistice în care se prezintă datele şi
informaţiile economice o constituie seria cronologică (seria de intervale sau flux şi
seria de momente sau de stoc), dar şi sera teritorială, sau seria mixtă ori de tip panel
simultan transversală temporal şi longitudinală teritorial (ale variabilelor accesate
sau construite pe baza unor bănci de date statistice disponibile).
Dacă în modelare s-a valorificat sondajul statistico-matematic, există mai
multe sisteme de notaţii pentru cele două seturi de indicatori sau noţiuni pereche,
respectiv din populaţia totală (originară) şi din eşantion (populaţia extrasă)[30].
Caseta nr.2.10
Xi Simbolul caracteristicii cantitative a unităţilor din populaţia totală
xi Simbolul caracteristicii cantitative a unităţilor din eşantion
n sau r Volumul eşantionului
N sau R Volumul populaţiei totale
X Media caracteristicii cantitative în populaţia totala
0
x Media caracteristicii cantitative în eşantion
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
Modelul econometric contemporan nu este de conceput în absenţa deciziei

axate pe validarea unei ipoteze statistice din mulţimea ipotezelor admisibile.
Formularea ipotezelor, testarea şi decizia constituie componente statistice vitale ale
modelului econometric. Pe cât de variată este lumea modelelor econometric, tot pe
atât de diversă este şi aceea a testelor aplicate în construcţia lor. Decizia privind
verificarea ipotezelor statistice presupune respectarea unui algoritm riguros, comun
ca etapizare, dar total diferit în ceea ce privesc cuantificările şi confruntările
caracteristice fiecărui test în parte. Testele statistice de concordanţă verifică dacă
valorile înregistrate urmează într-adevăr repartiţia teoretică presupusă în ipoteză,
iar cele de semnificaţie dacă între un parametru empiric şi o valoarea teoretică
există sau nu diferenţe semnificative.
Multe alte concepte statistico-matematice sunt prezente în gândirea
econometrică, pornind de la cele mai simple valori reale sau empirice, care se
consideră că ar urma o distribuţie normală, fiind exprimate în unităţi de măsură
specifice naturii fenomenului economic studiat şi definite prin medie şi dispersie ca
doi parametri de mare stabilitate, la valori centrate care deţin o medie egală cu
zero şi o dispersie egală cu dispersia valorilor reale.
Dar ceea ce defineşte în mod esenţial şi de o manieră statistico-matematică
aparte, întregul model econometric sunt relaţiile din interiorul acestuia. Un model
econometric poate fi format dintr-o singură legătură cuantificată statistico-
matematic (dependenţă sau interdependenţă) ori dintr-un veritabil sistem de
legături statistico-matematice. Aceste legături sau relaţii permit cuantificarea
parametrilor şi formularea cantitativă a modelului în sine. Econometria a evoluat
de la legătura abordată clasic prin prisma gândirii statistice simplificatoare, fără
a mai păstra în model umbra dispersiei reziduale către investigaţia şi modelarea
modernă, abandonând atât de puţin probabilă inferenţă „punctuală” în favoarea
inferenţierii în interval de variaţie mai ales în previziunea econometrică, cu
reziduul cuantificat şi testat permanent, pentru a fi astfel transformat şi a deveni
instrumentul de monitorizare continuă a perfecţionării modelului şi a adecvării lui
la realitatea fenomenelor economice.
2.7.1. Întrebări
a)Prin ce se definesc şi delimitează modelarea uni,inter, trans şi multidisciplinară?

b)Care sunt principalele accente care conturează semnificaţiile relativ diferite
atribuite modelului în optica economică, matematică şi statistică?
c)Care sunt limitele modelării unidisciplinare?
d)Puteţi defini modelului econometric prin abordare tridimensională reunită?
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?
2.7.2. Teste tip grilă
1. Arhitectura modelării inter, trans şi multidisciplinare valorifică:

a) minima simplificare prin ipoteze sau existenţa unui număr minim de propoziţii
nelegate între ele şi de propoziţii nedemonstrate;
b) alternativa de maximă complexitate ca grad de acoperire şi număr de factori;
c) alternativa simplă;
d) valoarea certificată prin raţionament dialectic (limitează erorile de raţionament);
e) componentele experimentală şi limitativă;
f) componenta culturală;
g) tranzitarea de la uni la inter, trans şi multidisciplinaritate prin modele succesive
(perfecţionarea prin imitaţie, analogie şi prin tranzitivitate de la un tip la altul).
2.Cele două etape ale modelării matematice sunt:
a)Etapa formulării matematice a problemei, identificarea şi elaborarea modelului;
b)Obţinerea primului model descriptiv de lucru (modelul matematic brut);
c)Cercetarea valabilităţii modelului matematic prin aplicarea lui în timp;
d) Păstrarea sau abandonarea modelului deteriorat în timp.
3. Reconstituiţi demersul unei modelări econometrice clasice şi moderne alăturând
etapele ce îl alcătuiesc:
a)asigurarea seriilor de date statistice; b)elaborarea teoretică a modelului econometric;
c)trecerea în revistă a teoriei în domeniul din care face parte fenomenului cercetat; d)
asigurarea seriilor de date statistice; e) prezentarea teoriei ce fundamentează modelul
econometric; f) operaţionalizarea modelului econometric; g) asigurarea de serii de date
actualizate; h) estimarea modelelor econometrice; i) decizia privind testarea ipotezelor
statistice; j) rezultate empirice; k) confruntarea cu realitatea; l) decizia privind testarea
modelului în ansamblul său; m) validarea sau invalidarea modelului; n) concluziile şi
impactul asupra teoriei existente anterior modelării.
4. Conform naturii fizice a elementelor modelului sau a mijloacele prin care se
reproduc simplificat obiectele studiate se disting:
a) modele fizice; b) modele matematice; c) modele abstracte; d) modele cantitative; e)
modele calitative; f) modele tehnice; g) modele hibride.
5.După modul de reflectare a caracteristicilor obiectului de studiu sau
fenomenului cercetat, modelele econometrice sunt:
a) normative; b) teoretice c) modele operaţionale d) descriptive.
6. Criteriul în raport cu care modelele dinamice se clasifică în autoregresive şi în
modele cu decalaj (lag) este:
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
10.Pentru a determina un coeficient de asimetrie în cadrul unei statistici

descriptive a unei serii de date bimodale soluţia de calcul corectă este:
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
1.Pentru anul următor, anticipând o majorare a preţului la benzină, firma „Z”,

exportatoare de biciclete, anticipează o creştere a exporturilor de la 14 la 18
milioane €, pe piaţa regiunii europene „X”. Analizaţi şi motivaţi în ce proporţii
creşterea se datorează firmei şi produsului, în condiţiile în care studiile de piaţă
privind predicţia cererii europene de bunuri identifică o creştere în anul ce va
urma cu 12,0 %, iar la cererea de biciclete în aceeaşi perioadă cu 15,0%. De
asemenea importul de biciclete pe piaţa regiunii „X” va creşte cu 20,0%.
2. O firmă specializată în producţia şi vânzarea a trei produse (x, y şi z), a realizat

un studiu de marketing, bazat pe modelul elementar de analiză al coeficienţilor de
elasticitate transversali, având drept sursă informaţiile anchetelor specializate.
Studiul a identificat următoarele valori ale indicilor volumului fizic, publicate în
semestrul trecut, pentru cererea cantitativă a celor trei tipuri de produse:109,3%,
105,4% şi 108,2%, iar ca indici de preţ lunari IPC (indicele preţurilor bunurilor
de consum) valorile de 101,6%, 98,8% şi 115,5%. Utilizând modelul elementar al
coeficienţilor transversali comentaţi dacă programul de vânzări al firmei trebuie
refăcut sau nu, analizând impactul relaţiei existente între preţurile şi cantităţile ce
ar putea fi livrate conform acestuia (datele programului de vânzări al firmei
prevăd pentru cele trei produse în aceeaşi ordine, creşteri cantitative de 15%, şi de
12% şi respectiv diminuări de 9%, iar limitele de creştere a preţurilor de livrare
prevăzute pentru negocieri sunt de 110%, 105 % şi 120%).
3. Pentru datele centralizate ale firmei X să se calculeze valoarea adăugată

brută la preţurile pieţei în cele două semestre (VAB0 şi VAB1). Cunoscând că
indicele preţurilor bunurilor de consum a fost de 115,0% să se determine şi să se
comenteze dinamica reală a valorii adăugate brute la preţurile pieţei. În aceleaşi
condiţii să se calculeze productivitatea muncii şi eficienţa folosirii activelor
imobilizate în utilaje în semestrele I şi II.Care este dinamica reală a productivităţii
muncii şi a eficienţei folosirii utilajelor?
Tabel nr. 2.10 mii lei (RON)
Denumire indicator Semestrul
I II
Valoarea produselor vândute (Vz) 30000 34000
din care : produse din stoc ( S0 ) 2000 2800
Valoarea stocurilor la finele perioadei (S1) 2800 3200
Construirea unui nou atelier de producţie (BCPP sau bunuri de 3200 3600
natura capitalului -utilaje- din producţie proprie)
Valoarea materiilor prime, combustibililor, energiei, 13000 14000
semifabricatelor folosite pentru producţie – (CI)
Numărul mediu al salariaţilor (T) 1000 1050
Valoarea medie a fondurilor fixe (FF) 11000 11800
4. Creşterea economică se estimează pornind de la indicele PIB-ului în preţuri

comparabile sau real şi se exprimă ca ritm al creşterii reale: R = I qPIB x100– 100.
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
[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 –
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
Cuvinte cheie: dependenţă şi interdependenţă statistică,asociere,

coeficient de asociere, de interdependenţă şi pătratul de contingenţă,
corelograma, regresia uni şi multifactorială, coeficient de regresie şi
corelaţie, raport de corelaţie, coeficient de tip Spearman şi Kendall,
Fechner şi Bravais-Pearson, coeficient de corelaţie cu decalaj.
Obiective:identificarea şi interpretarea corectă a existenţei legăturilor
statistice între variabilele economice, în vederea construirii unui model
statistic (econometric brut), cunoaşterea şi utilizarea practică a
metodelor de identificare şi comensurare a asocierii, regresiei şi
corelaţiei, necesare formării gândirii econometrice modelatoare.
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 –
Gândirea statistică este un proces metodic, complex, beneficiar al

simultaneităţii unor acţiuni multiple, destul de rar un proces asincronic şi, în final,
mai ales simplificator. Accepţiunea de proces metodic apare ca urmare a
sistematizării proprii acestui tip de gândire, complexitatea este cauzată mai ales de
volumul din ce în ce mai mare de date statistice ce “invadează” cunoaşterea umană
şi de dorinţa individuală de observare, sistematizare, prelucrare, analiză,
interpretare. Simultaneitatea reuneşte diversitatea acţiunilor acestui tip de gândire,
de la sinteză, la analiză, de la izolare, la coeziune, de la individualizare la agregare,
de la interpolare, la extrapolare iar, mai rar, asincronismul sau prezenţa decalajului
temporal (lag) constituie expresia practică a inerţiei temporale specifice cercetării
statistice, ale demersului ei cronologic, întotdeauna sub influenţe tendenţiale,
ciclice, sezonale şi aleatoare. Simplificarea procesului apare ca rezultat al metodei
statistice aplicate pe durata analizei finale. Într-un astfel de context al unui limbaj şi
al unei comunicări realizate cu scopuri specifice, cercetătorul consideră “paradigma
asocierii, regresiei şi corelaţiei”, în primul rând, de esenţă statistică şi, mai apoi
matematică, un element de profundă diferenţiere şi personalizare a gândirii
statistice în raport cu alte modalităţi de “cugetare” ştiinţifică. Statistica devine un
tip de abordare prin relaţii sau legături existente între fenomene, o viziune logică
sau un mod de gândire cu ajutorul paradigmei descrise ca esenţă a modelării.
...Asocierea, regresia şi corelaţia constituie reflectarea conceptuală a
identificării şi cuantificării legăturilor cu caracter simplu sau complex existente în
mod obiectiv între fenomene sau procese. Într-o exprimare generalizată, legătura
statistică reprezintă influenţa unidirecţională sau reciprocă, manifestată prin
dependenţe sau interdependenţe, care conduc la schimbarea nivelului de dezvoltare
final al unei variabile rezultative în raport cu modificări survenite în nivelul unor
variabile factoriale. Această variaţie unidirecţională sau reciprocă poate fi numită,
fie variaţie a caracteristicii dependente în raport cu o altă caracteristică
independentă, fie covariaţie între cele două variabile.
Variabila exogenă sau independentă se redefineşte ca explicativă, factorială
sau cauzală, în timp ce variabila endogenă sau dependentă apare ca explicată,
rezultativă sau ca variabilă efect. Legăturile sau covariaţiile dintre diverse
fenomene sau procese din natură, economie şi societate au fost iniţial denumite
dinamice, deoarece păreau a se afla doar sub influenţa unor legi mono-cauzale de
tip o cauză - un efect, iar apoi au devenit stohastice, datorită complexităţii lor
factoriale şi s-au transformat în legi statistice.[1] O lege de tip dinamic, transpusă
simplificat, generează o legătură dinamică sau de cauzalitate simplă, exprimată prin
afirmaţia: „unei cauze xi îi corespunde un efect yi, respectiv unui nivel xi îi
corespunde un anumit nivel yi. Legăturile statistice, unde fiecărei valori xi îi
corespunde nu o singură valoare y, ci o repartiţie legată de valori yi (legată de
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 x Legătură dinamică sau Variabila y

explicativă conexiune unifactorială explicată
(exogenă) (endogenă)
Din punct de vedere matematic această legătură sau dependenţă este o

funcţie univocă yi = f(xi), în timp ce legătura statistică se transformă într-o funcţie
multifactorială yi = f(x1,x2,...,xi,…,xn). Conţinutul relaţiilor existente între familia
variabilelor explicative: x1,x2,…,xi,…,xn şi efectul yi îmbracă forme multiple.Pentru
exemplificare se pot disting simultan:
• dependenţă, o legătură univocă sau dinamică (figura nr. 3.1.),
• interdependenţă statistică sau o legătură biunivocă (figura nr. 3.2.)
Figura nr.3.2.
Variabila x2 Variabila y
• interdependenţă falsă între x3 şi y (iluzorie sau aparentă), care dezvăluie în

profunzime o cauză comună (x4), descrisă în figura nr. 3.3:
Figura nr.3.3.
Variabila x3 Variabila y
Variabila x4
• dublă dependenţă de sens contrar între x5 şi y precum şi x6 şi y, integral

compensată ca rezultat final, descrisă în figura nr. 3.4:
Figura nr.3.4.
Variabila x5 Variabila y Variabila x6
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.
d)Când se formulează o corelaţie se va satisface cerinţa de independenţa reciprocă

a variabilelor explicative x1,x2, ...,xi,…,xn, altfel se introduc erori de estimare, destul
de stranii, manifestate chiar şi prin schimbarea sensului legăturii reale.
e)Variabilele ce vor genera calculele de corelaţie permit variabilitate sub raportul
formei de exprimare: „fiind preferat indicatorul statistic purificat de orice element
în stare să estompeze influenţa economică reală a factorului acceptat.”
f)Înţelegerea esenţei şi a mecanismului legăturii sau relaţiei fondatoare a modelului
statistic, permite alegerea corectă şi stabilirea formei ecuaţiei de regresie, destinată
să descrie relaţia dintre variabila dependentă şi variabilele independente incluse în
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.
3.2. Asocierea statistică şi coeficienţii ei specifici

“Asocierea este o analogie constatată pentru un număr finit de fapte.“
– Edmond Goblot –
Asocierea este frecvent utilizată cu sensul de dependenţă existentă între două

variabile calitative, fiind percepută ca opusul ideii de independenţă. În principiu,
asocierea s-ar putea defini ca o situaţie contrară independenţei a două variabile
calitative şi chiar există această tentaţie. Totuşi, nici limbajul comun şi nici cel
statistic nu utilizează antonimele asociere şi independenţă, ci mai degrabă le
tratează prin antinomii paralele: asociere–neasociere şi independenţă–dependenţă.
Două variabile calitative αi şi βi sunt denumite reciproc independente, dacă
unităţile statistice αi se găsesc în aceeaşi proporţie şi printre unităţile βi, dar şi
printre unităţile non βi, sau dacă unităţile non αi se regăsesc şi ele în aceeaşi
proporţie printre unităţile βi, dar şi printre unităţile non βi .
Într-o exprimare calitativă de natură etică este acelaşi lucru cu afirmaţia
concretă „proporţia oamenilor cinstiţi e aceeaşi şi la nord dar şi la sud de ecuator,
tot aşa cum proporţia oamenilor necinstiţi este şi ea identică, atât la nord cât şi la
sud de acelaşi ecuator“ sau şi mai concis, onestitatea şi localizarea într-o emisferă
nordică sau sudică sunt variabile independente. Manifestarea concret logică a
independenţei este cu mult mai diversă.
Transpusă statistic[3] într-un tabel combinat, independenţa formulată mai sus
devine o egalitate evidentă a unor raporturi precise, într-o primă varianta (I):
Tabel nr. 3.1. Varianta I
1) pe rânduri
β βi (non βi) Total αiβi = ( nonαi ) βi
α αi ( nonαi )
αi αiβi αi(non βi) αi αi (nonβi ) = (nonαi )(nonβi )
αi ( nonαi )
(non αi) (non αi) βi (nonαi)(nonβi) (non αi) 2) pe coloane
αiβi = αi (nonβi )
Total βi (non βi) N βi (nonβi )
(nonαi ) βi = ( nonαi )(nonβi )
unde: αi + (non αi) = βi + (non βi) = N (nonβi )
βi
O altă variantă de exprimare a independenţei celor două variabile ar putea fi
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
O a treia varianta de exprimare a independenţei variabilelor αi şi βi devine

posibilă printr-o formularea diferită a criteriului: proporţia unităţilor αi şi a
unităţilor non αi în unităţile βi este egală cu proporţia unităţilor αi şi a unităţilor
non αi în unităţile non βi:
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
Opusă independenţei, asocierea a două variabile calitative reprezintă situaţia

în care nici unul din criteriile de independenţă nu sunt respectate sau semnul “=” se
înlocuieşte cu “≠“ (“>“ sau asociere pozitivă şi “<“ sau asociere negativă).Dacă în
limbajul comun variabila calitativă αi este asociată cu βi atunci când ambele apar
într-un anumit număr, evident neprecizat, de cazuri, în limbajul statistic tocmai
acest număr de cazuri trebuie să fie suficient de mare (mai mare decât ar fi de
aşteptat într-o ipoteză de independenţă), respectiv precizat, pentru a descrie
cantitativ relaţia. Independenţa variabilelor apare ca una din limitele asocierii
(inferioară), tot astfel cum asocierea completă apare ca cealaltă limită (inferioară)
posibilă a aceluiaşi fenomen de asociere.
În final, se poate exprima o relaţie posibilă între două variabile calitative,
apelând numai la asociere:
Nonasociere completă < Asociere < Asociere completă

( independenţă) (dependenţă) (dependenţă completă)
Asocierea completă este definită de Yule G.U.şi Kendall M.G.drept o situaţie

în care una dintre variabilele calitative nu poate avea loc fără cealaltă variabilă
calitativă, deşi cealaltă poate avea loc fără ca prima să se fi produs. Dintre criteriile
de nonasociere completă sau independenţă expuse în variantele A,B şi C se poate
alege şi prelucra unul pentru a obţine un procedeu convenţional şi rapid pentru
verificarea asocierii. După simplificarea conţinutului tabelului nr. 3.1, pentru
variabilele calitative xi şi yi cu variantele x1 şi non x1, respectiv y1, şi non y1 acesta
va arăta de forma următoare:
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
Qc=T= ad − bc =0,44(legătură directă de intensitate mică).

(a + d )(a + c)(d + b)(d + c)
În final, constatarea referitoare la variabilele xi şi yi este că există o legătură
medie ca intensitate şi directă ca sens (direcţie), între calitatea proiectului realizat
de către student şi promovarea la examenul final.
Acest exemplu arată că orice tip de variabilă la origine cantitativă poate fi
transformată în raport cu un prag mediu (nota 7 ca medie a grupei), într-o variabilă
calitativă alternativă. Se va evita totuşi asocierea iluzorie sau falsă, punând
accentul pe esenţa fenomenelor dependente, pe natura primară a acestor
dependenţe. Într-o populaţie statistică în care se disting n caracteristici calitative
există întotdeauna un număr de asocieri totale definit prin relaţia:
( n−2)
asocieri n( n − 1) n ( n − 1)
N totale = x 3 ,din care sunt asocieri totale iar restul parţiale,
2 2
respectiv 3 ( n − 2 ) .
Asocierea dintre αi şi βi într-o subpopulaţie bine determinată de valori yi
poate fi considerată o asociere parţială, ce se verifică sau nu în populaţia iniţială
totală. Asocierile parţiale de tipul αi cu βi datorate asocierii separate dintre αi cu yi
şi βi cu yi, pot ascunde două dependenţe ce ar trebui studiate separat (al treilea caz
din prezentarea iniţială a legăturilor statistice). Asocierile parţiale sunt susceptibile
a descrie şi interdependenţe false (iluzorii).
În concluzie, în evaluarea asocierilor trei construcţii de coeficienţi de
interdependenţă Yule domină practica în arealul variabilelor alternative şi al celor
transformate din numerice în binare, cu ajutorul mediei (variantele sub medie
devenind alfa, iar variantele egale şi peste medie, non alfa): Q1 = (ad-bc):(ad+bc)
sau Q2= 1 − ( bc ) : ( ad )  : 1 + ( bc ) : ( ad )  sau Q3=  ( ad ) − ( bc)  :  ( ad ) + ( bc) 
deşi niciuna dintre ele nu face distincţie structural cauzală între formele de asociere
completă de natură 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). Cu toate acestea, prima modalitate de calcul a rămas în practică,
drept cea mai rapidă şi simplă modalitate de identificare a asocierii şi a intensităţii
unei asocieri. De asemenea asocierile permit evaluări rapide ale factorilor ce sunt
susceptibili de a fi preluaţi în modelul statistic [5].
Astfel într-o analiză prealabilă construirii unui model statistic clasic privind
PIB, în raport cu datele oferite pe http: //www.cia.gov/library/publications/the-
world-factbook/index.html, în cadrul raportului CIA (2006), intitulat The World
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
PIB≥10200$* 1445,8 46,4 1492,2

PIB<10200$* 2711,5 2308,7 5020,2
Total 4157,3 2355,1 6512,4
Q1 = (ad-bc):(ad+bc) = 0,873
Literatura statistică a multiplicat şi multiplică practic permanent, atât
coeficienţii clasici de asociere, descrişi anterior, cât şi modalităţile de determinare
ale acestora, adăugând variantelor consacrate, pe aceea a coeficientului Jaccard,
determinat clasic prin formula J = [a:(a+b+c)] sau coeficientul de coincidenţă,
determinat prin formula CC = [2a:(2a+b+c)] etc.
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
calculul mediilor parţiale y i la nivel de grupă. Întrucât în fiecare grupă apar de

obicei, unităţi statistice în număr variabil soluţia de asigurare a comparabilităţii este
10
utilizarea valorii medii parţiale, în locul valorilor centralizate ( ∑ yi ). În final, se
i =1
analizează evoluţia mediei parţiale la nivel de grupă. Se definesc trei situaţii
specifice:
- Dacă media parţială creşte se identifică o legătură statistică directă.
- Dacă media parţială scade se identifică o legătură statistică indirectă.
- Dacă media parţială este staţionară sau oscilantă şi nu se identifică existenţa unei
legături statistice se recomandă utilizarea altei metode elementare.
Calculul mediilor parţiale pentru cele 10 agenţii, grupate pe trei intervale egale, cât
şi centralizarea valorilor yi corespondente sunt prezentate în tabelul următor:
Tabel nr. 3.6
Grupe de agenţii Număr de Centralizarea datelor Media parţială a
după numărul agenţii după yi grupei
salariaţilor ( xi ) (ni)
5-8 3 3,3 y 1 =3,3:3=1,1
8-11 4 5,7 y 2 =5,7:4=1,425
11-14 3 5,0 y 3 =5,0:3=1,667
Total 10 14 -
Observaţie : limita superioară este inclusă în interval
În final, la creşterea prin grupare a centrului de interval xi, corespunde o

creştere a mediei parţiale, identificându-se o legătură statistică directă.
C. Metoda tabelului de corelaţie se caracterizează prin utilizarea unui tabel
combinat uşor modificat, cu scopul ca interiorul sau reţeaua acestuia să coincidă cu
cadranul I din sistemul cartezian de axe rectangulare xOy. Repartiţia
bidimensională, prezentată într-un tabel de corelaţie, înscrie pe abscisa Ox
coloanele grupării pe intervale după variabila xi, iar pe ordonată Oy rândurile
grupării pe intervale după variabila yi, ierarhizate crescător de jos în sus.
Se urmăresc apoi frecvenţele cele mai mari din tabel:
1.Dacă grupele cu frecvenţele cele mai mari se concentrează în jurul primei
diagonale stânga-jos → dreapta-sus, atunci există o legătură statistică directă, iar
în situaţia în care legătura este şi liniară, de forma yi = a+bxi şi b>0.
2.Dacă grupele cu frecvenţele cele mai mari se concentrează în jurul celeilalte
diagonale, respectiv stânga-sus → dreapta-jos,atunci există o legătură statistică
indirectă, iar în situaţia în care legătura este şi liniară, de forma yi=a+bxi şi b<0.
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.
Diagramă de corelaţie liniară

Există o legătură directă de formă liniară:
Ecuaţie de regresie liniară yi = a + bxi, b>0, cu
variabile corelate pozitiv.
Grafic nr. 3.3.
Diagramă de corelaţie liniară

Există o legătură indirectă de formă liniară:
Ecuaţie de regresie liniară yi = a + bxi, b<0, cu
variabile corelate negativ.
103
Grafic nr. 3.4.
Diagramă de corelaţie neliniară (hiperbolică)

Există o legătură statistică definită de o
ecuaţie de regresie neliniară hiperbolică
1
yi = a + b , b>0 (sus), şi b<0 (jos).
xi
Grafic nr. 3.5.
Diagramă de corelaţie neliniară (exponenţială)

ecuaţie de regresie neliniară exponenţială:
yi = abX i, cu a>0 (dreapta) şi cu a<0 (stânga).
Grafic nr. 3.6.
Diagramă de corelaţie neliniară (parabolică)

ecuaţie de regresie neliniară parabolică:
2
yi = a + bxi + c xi ,
cu a>0 (dreapta sus) şi cu a<0 (stânga jos).
Grafic nr.3.7. Grafic nr.3.8. Grafic nr.3.9.
Corelograma poate să apară şi ca un nor de puncte dispersat sau ca valori

constante ce identifică independenţa variabilelor (lipsa unei legături între xi şi yi).
În exemplul societăţii comerciale cu activitate turistică, metoda grafică are ca

rezultat o corelogramă a celor zece agenţii devenite puncte în grafic de coordonate
xi, yi, respectiv P(xi, yi). Prin reprezentare grafică se identifică în corelograma
agenţiilor o legătură liniară directă, (yi = a + bxi), cu b > 0 şi de o intensitate mărită
(jumătate din puncte fiind plasate chiar pe dreapta finală).
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)
Informaţia obţinută pe baza metodelor elementare este insuficientă pentru a

exprima concret parametrii şi intensitatea legăturii şi se impune folosirea unor
metode analitice, care urmăresc determinarea cu mai mare precizie a legăturii, a
formei, direcţiei şi mai ales a intensităţii acesteia. Cazul limitativ sau simplificat
este cel al legăturii dintre variabila xi explicativă (cauză, factor) şi varianta yi
explicată (efect, rezultat).
3.4. Regresia şi corelaţia statistică

„Relaţia cauză - efect are trei caracteristici esenţiale şi anume: continuitate în
spaţiu, succesiune în timp, alăturarea constantă.” – David Hume –
Gândirea statistică determină cantitativ expresii analitice ale formei şi

sensului legăturii prin simplitatea regresiei sau a metodei regresiei, tot aşa cum
comensurează identitatea legăturii folosind metode parametrice şi neparametrice de
corelaţie mai evoluate. Pornind de la reprezentarea grafică pe un sistem de axe
rectangulare a perechilor de valori x, y şi unind punctele se descrie o linie
poligonală numită linie de regresie a variabilei y în raport cu variabila x.
Caseta nr. 3.2.
Prima formulare a conceptului de regresie (din cuvântul de origine latină regressio =
întoarcere) aparţine lui Francis Galton, respectiv a apărut în memoriul său ştiinţific
intitulat Regression toward mediocrity in hereditary stature (1886), inclus mai târziu în
lucrarea Natural inheritance (1889), unde cu ajutorul tabelului de corelaţie şi al seriilor
de medii legate, prezintă rezultatele prelucrării observaţiilor asupra a 928 cazuri, prin
care a analizat legătura dintre înălţimea părinţilor şi înălţimea fiilor acestora, postulând
existenţa unei regresii către valoarea medie. Constatarea finală a cercetării ereditare a
acestui remarcabil statistician suna astfel: „din părinţi cu talie superioară regresează
copii cu talie inferioară şi invers”. De aici, s-au ivit două aspecte fundamentale în teoria
regresiei: ecuaţia matematică a liniei de regresie şi intensitate variată în grupuri diferite
a tendinţei de regresie. Răspunsul matematic avea să mai întârzie puţin, până când avea
să fie dat de către Karl Pearson, la primul aspect prin indicarea ecuaţiei liniare simple
ca fiind singura adecvată problemei originale de regresie a lui Galton F. şi la al doilea
aspect prin introducerea celebrului său coeficient de corelaţie. În anul 1909, Yule G.U.
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.
Regresia statistică sau metoda regresiei selectează funcţia, ce aparţine unei

clase de funcţii matematice, care realizează cea mai bună descriere a variaţiei lui yi,
bazându-se pe relaţia existentă între xi şi yi, o relaţie liniară de tipul yi=a+bxi.
Modelul regresiei liniare este modelul practic al variaţiei proporţionale şi
investigarea sa geometrică[6] se dovedeşte cea mai indicată cu putinţă, datorită
simplităţii. Din graficul nr. 8.10 se selectează două puncte, de exemplu P1(x1,y1) şi
P2(x2,y2), aflate pe dreapta de regresie, a cărei ecuaţie yi = a + bxi, are în a o
ordonată calculată de la origine şi în b un coeficient de regresie, respectiv o pantă,
înclinaţie sau un coeficient unghiular al dreptei de regresie, în raport cu axa
absciselor. Substituind valorile reale ale punctelor astfel selecţionate P1(x1,y1) şi
P2(x2,y2) în ecuaţia yi = a + bxi rezultă sistemul:
a+bx1=y1
{ a+bx2=y2
prin a cărui rezolvare se obţin parametrii a şi b. Parametrul a exprimă influenţa
celorlalţi factori cu acţiune constantă, în afara factorului xi studiat, iar b denumit
coeficient unghiular al dreptei b = (y2-y1)/(x2-x1) însă cunoscut, mai ales, sub
numele de coeficient de regresie, defineşte atât existenţa legăturii (b≠0) cât şi
sensul ei (pentru b>0, directă, iar pentru b<0, indirectă). Coeficientul de regresie ce
măsoară înclinaţia, panta sau coeficientul unghiular al dreptei faţă de axa absciselor
este tangenta unghiului α format din valorile punctelor selecţionate:
y − y
b = tg α = 2 1
x − x
2 1
Determinarea rapidă a parametrilor regresiei liniare prin intermediul metodei
punctelor selecţionate este totuşi destul de rar posibilă, întrucât evaluarea practică a
punctelor situate riguros pe dreapta de regresie este foarte dificilă, în cele mai
multe cazuri concrete. O soluţie de determinare mult mai eficientă a parametrilor
regresiei liniare este oferită de către cunoscuta metodă a celor mai mici pătrate.
Chiar şi această metodă are limitele ei. Ea este aplicabilă numai acelor funcţii care
sunt de formă polinomială sau pot fi aduse la o formă polinomială printr-un
artificiu de calcul. Prin mulţimea punctelor care alcătuiesc corelograma sau
diagrama de corelaţie se pot trasa practic o infinitate de linii aparţinând aceleiaşi
clase de funcţii. Pentru a determina parametrii funcţiei care se apropie cel mai mult
de mulţimea punctelor din grafic se recurge la minimizarea sumei pătratelor
diferenţelor dintre punctele graficului Pi(xi,yi) şi punctele situate pe dreapta de
regresie Pi(xi, yi = a+bxi). În ipoteza avansată a unei legături liniare (yi depinzând
liniar de xi), respectiv yi = y(xi) = a + bxi, atunci condiţia impusă de aplicarea
metodei celor mai mici pătrate este:
∑ ( yi − y( xi ) ) 2 = minim, care devine echivalentă cu:
f = ∑ ( yi − a − bxi ) 2 = minim
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
Apelând la metoda determinanţilor, sistemul capătă următoarele soluţii

redactate simplificat, fără a se mai preciza limitele operatorului sumǎ („Σ”):
 ∑ yi ∑ xi 
det  2 
∑ x y ∑ x i  ∑ y i ∑ xi − ∑ xi ∑ xi y i
2
a =  i i =
 n ∑ xi  n ∑ xi 2 − ( ∑ xi ) 2
det  
∑ x 
i ∑ xi 
2

 n ∑ yi 
det  
b=  ∑ xi ∑ xi yi  = n ∑ xi yi − ∑ xi ∑ yi
 n ∑ xi  n ∑ xi 2 − ( ∑ xi ) 2
det  
∑ x ∑ x 2 
 i i 
Ecuaţia de regresie căutată yi = a + bxi este identică, în final, cu:
 ∑y ⋅ ∑xi2 −∑xi ⋅ ∑xi yi   n ⋅ ∑ xi yi − ∑ xi ⋅ ∑ yi 
Yi =  i  +   X i
∑ ∑   n ⋅ ∑ xi − (∑ xi )
 n ⋅ x 2
− ( x )2 2 2
 i i 
Parametrul a este lipsit de semnificaţie, în schimb b sau coeficientul de regresie
arată sensul („+” sau „-”) şi mărimea influenţei lui xi asupra lui yi, respectiv sensul
şi mărimea reacţiei finale a lui yi la modificarea cu o unitate a lui xi:
• când b > 0 există o legătură directă;
• când b = 0 nu există nici o legătură;
• când b < 0 există o legătură indirectă.
În exemplul concret, al celor 10 agenţii turistice calculul parametrilor a şi b ai
legăturii liniare directe dintre xi şi yi este prezentat în tabelul următor, prin
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
D = 1 −  × 100 , unde D ∈ (0,100%).


∑ yi − y 
( )
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
Dualitatea în regresie permite calculul coeficientului de regresie pe baza mediei

geometrice a coeficienţilor de regresie sau a pantelor celor două drepte de regresie:
Yxi = a + by / x × xi şi X yi = a + bx / y × yi , respectiv: r y / x = b y / x × b x / y .
O soluţie practică accesibilă este oferită şi de relaţia de calcul:
( )
ry / x = b y / x × σ x / σ y , dacă se dispune cu promptitudine de σ x şi σ y .
Coeficientul de corelaţie (ry/x), ca parametru al distribuţiilor normale
bidimensionale[8] ce caracterizează legătura între variabila explicativă xi şi
variabila rezultativă yi aparţine intervalului [-1,0) ∪ (0,1]. Pentru ry/x=0 nu există
legătură statistică, variabilele xi şi yi fiind independente. Interpretarea unui
coeficient de corelaţie se realizează succint în modul matematic ( ry / x ) şi conform
acestei interpretări se consideră corecte următoarele afirmaţii:
a) când ry / x ∈(0;0,2] practic nu există legătură statistică sau este foarte slabă;
b) când ry / x ∈(0,2;0,5] legătura este slabă şi trebuie testată statistic;
c) când ry / x ∈(0,5;0,75] legătura este de intensitate medie;

d) când ry / x ∈(0,75;0,95] legătura este puternică;
e) când ry / x ∈(0,95;1] legătura este foarte puternică,deterministă (funcţională).
O problemă finală importantă a regresiei liniare este testarea liniarităţii
legăturii ca soluţie unică, în raport cu orice altă regresie neliniară sau curbilinie.
Testul cel mai simplu de verificare a liniarităţii legăturii este „confruntarea”
valorilor coeficientului (ry/x) şi raportul de corelaţie (Ry/x). Dacă cele două valori
coincid (ry/x= Ry/x), atunci corelaţia este exclusiv de formă liniară. Raportul de
corelaţie măsoară intensitatea legăturii indiferent de forma acesteia (liniară sau
neliniară). Raportul de corelaţie (Ry/x) este rezultatul extragerii unui radical
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]
În practică, apar forme variate de legături neliniare sau curbilinii specifice

relaţiilor de dependenţă dintre variabila explicativă xi şi variabila rezultativă yi.
Ecuaţia regresiei neliniare aferentă funcţiei teoretice ce estimează evoluţia
variabilei rezultative yi, identificată grafic, corespunde formei obiective de
manifestare a legăturii. Odată identificată regresia neliniară se va parametriza şi, în
final, intensitatea corelaţiei va fi evaluată printr-un raport de corelaţie, indicatorul
deţinând un grad maxim de generalizare şi utilizare.
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
Soluţiile sistemului sunt prezentate în continuare :

 1 
 ∑ yi ∑
xi 
det  
 1 1  1 1 1
∑ y ∑  ∑ yi ∑ 2 − ∑ ∑ yi
 xi i x 2  x x
a=  i 
=
xi i i
 1 
n∑
1
− (∑ )2
1
 n ∑  2
xi xi xi
det  
 1 1 
 ∑ x ∑ 2 
 i xi 
 n ∑ yi 
 
d et  1 1
yi 
1 1
∑ x ∑
xi  n∑ yi − ∑ ∑ yi
b =  i  = xi xi
 1 
n∑
1
− (∑
1 2
 n ∑ )
xi  xi 2 x
d et   i
 1 1 
 ∑ x ∑ 2 
 i x i 
Raportul de corelaţie specific bazat pe o funcţie hiperbolică este egal cu:
2
n  1 
∑  yi − a − b 
i =1  xi 
R = 1−
y/x
( )
n 2
∑ yi − y
i =1
În situaţia când corelograma identifică o funcţie exponenţială: Yxi = ab i

x
(grafic nr.3.5.), funcţia estimată va fi de forma: lg Yxi = lg a + xi lg b , care în urma

aplicării metodei celor mai mici pătrate:
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
Soluţiile sistemului sunt cele descrise în continuare:

 ∑ lg yi ∑ xi 
det  
 ∑ x lg y ∑ x2  2
∑ lg yi ∑ xi − ∑ xi ∑ xi lg yi
a = anti lg 
i i i 
= anti lg
 n ∑ xi  n∑ xi2 − (∑ xi )2
det  
 ∑ x ∑ x2 
 i i 
 n ∑ lg yi 
det  
 ∑ xi ∑ xi lg yi  n∑ xi lg yi − ∑ xi ∑ lg yi
b = anti lg = anti lg
 n ∑ xi  n∑ xi 2 − (∑ xi )2
det  
∑ x ∑ x 2 
 i i 
Raportul de corelaţie specific bazat pe o funcţie exponenţială este egal cu:
R
n
∑ yi − ab i
= 1 − i =1
(
x 2
)
y/ x
( )
n 2
∑ yi − y
i =1
Dacă funcţia identificată în corelogramă este o funcţie parabolică (de

gradul al II-lea), aşa cum apare în graficul nr. 3.6, respectiv Yxi = a + bxi + cxi2 ,
după aplicarea şi în acest caz a metodei celor mai mici pătrate:
∑( y −Y ) ∑  yi − ( a + bxi + cxi2 )

2 2
i xi = minim ⇔ = minim,
i =1
se va obţine următorul sistem de trei ecuaţii, necesar în vederea determinării

parametrilor a, b şi c:
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
Soluţiile sistemului sunt următoarele:

 ∑ yi

∑x i ∑ x  2
i
 n

∑y i ∑ x  2
i
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
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
i ∑x y 
i i
 ∑ xi 2 ∑x 3
∑ x y 
2
c=  i i i
 n

∑x i ∑ x 
2
i
i ∑x 3
i
 ∑ xi 2 ∑x 3
∑ x 
4
 i i
Fiecare parametru a, b şi c se determină efectiv, utilizând regula lui Cramer

pentru sisteme de tip 3×3 (trei rânduri × trei coloane).
Raportul de corelaţie specific, bazat pe o funcţie parabolică este egal cu:
( )
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
logaritmic (Yxi = a + b lg xi ) etc.
În corelaţia multiplă, specifică distribuţiilor multidimensionale de formă

liniară sau neliniară (curbilinie), se utilizează pentru determinarea intensităţii un
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
care se particularizează astfel, în cazul a două variabile explicative (x1 şi x2):
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
• între Y şi x2 izolând sau neglijând influenţa lui x1:

rY / x − rYx × r
2 1 x2 / x1
r(Y / x ), x =
2 1 (1 − r 2 )(1 − r 2 )
Y/x x2 / x1
1
Abordarea temporală a corelaţiei statistice sau compararea seriilor cu
evoluţie în raport de factorul timp extinde noţiunea de corelaţie. Astfel se disting
trei tipuri de corelaţii temporale, conform detalierii gândirii statistice:
a) autocorelaţia sau corelaţia internă ca legătură statistică între valorile aceleiaşi

variabile, separate printr-un interval de timp;
b) corelaţia sincronă sau o legătură statistică între valoarea variabilei explicative

xi, luată într-un anumit moment şi valoarea variabilei rezultative yi, luată în acelaşi
moment;
c) corelaţia asincronă sau cu decalaj în timp, ca legătură statistică între valoarea

variabilei xi (promptă sau nedecalată), atinsă într-un anumit moment şi valoarea
unei alte variabile yi (tardivă sau decalată), atinsă după un interval de timp
determinat sau determinabil.
Analiza corelaţiei asincrone sau cu decalaj în timp a fost realizată de către E.
Morice şi F. Charter în lucrarea Methode statistique încă din 1964.
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.
Pentru a fixa cât mai corect valoarea lui h se recomandă reprezentarea

grafică a celor două serii statistice şi glisarea unui grafic peste celălalt
(reprezentările fiind distincte şi la aceeaşi scară). Coeficientul rh arată practic
legătura între primii termeni ai seriei prompte şi factoriale xi şi ultimii termeni ai
seriei tardive şi rezultative yi:
- xi: x1, x2, x3, . . . , xt (primii termeni),

- yi: y1+h, y2+h, y3+h, . . . , yt+h (ultimii termeni)
Identificarea şi parametrizarea unor funcţii de regresie liniară sau neliniară

nu este întotdeauna fie posibilă (cazul în care se deţin ierarhii şi nu date efective),
fie recomandabilă (situaţia în care se doreşte selectarea unor factori esenţiali sau
aflaţi într-o corelaţie de intensitate maximă în raport cu alţi factori esenţiali sau
aflaţi într-o corelaţie de intensitate maximă în raport cu alţi factori secundari ).
Acest tip de selectare ar dura mult prea mult timp dacă s-ar utiliza coeficientul de
corelaţie calculat după parametrizarea funcţiei teoretice.
În astfel de situaţii, ca şi în altele similare se folosesc cu succes metode
neparametrice de cuantificare a corelaţiilor. Dintre acestea cea mai largă utilizare o
au coeficienţii de corelaţie a rangurilor.
3.5. Coeficienţii de corelaţie a rangurilor
„Trebuie să compare asemănările şi deosebirile dintre condiţiile prezente şi cele

trecute. Trebuie să cunoască şi cauzele asemănărilor în anumite cazuri şi ale
deosebirilor în altele .” – Ibn Khaldun –
Metodele neparametrice pentru evaluarea rapidă a intensităţii corelaţiilor,

printre care se numără şi coeficienţii de corelaţie a rangurilor deţin un loc
important, atât prin coeficientul lui Charles Eduard Spearman (1883-1945), cât şi
cel al lui Maurice Kendall (1907-1983), ce definesc proceduri standard de debut
neparametric în analiza intensităţii legăturilor, dar şi datorită avantajelor practice
rezultate din aplicarea acestora. Metodele neparametrice presupun înlocuirea
variantelor reale ale seriei empirice, fie prin numere de ordine, ierarhii sau ranguri,
fie prin diferenţe între termeni consecutivi.
Principalele avantaje ale utilizării lor concrete sunt următoarele:
• sunt adecvate situaţiilor când distribuţia variabilelor corelate nu este normală
sau nu este cunoscută;
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
condiţionată de caracteristica factorială (ordonată). De regulă, coeficientul de tip

Kendall este mai mic decât coeficientul de tip Spearman, respectiv rk<rs .Cei doi
coeficienţi se interpretează, în final, ca orice alt coeficient de corelaţie.
Revenind la exemplul celor 10 agenţii turistice, cărora li s-au acordat
ranguri după xi şi după yi, calculul celor doi coeficienţi de corelaţie a rangurilor de
tip Spearman şi de tip Kendall este prezentat în tabelul nr 3.9:
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.
IV. Coeficientul simplu se înlocuieşte cu coeficientul ponderat de concordanţă
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.
V. Un al treilea coeficient de concordanţă, mai echilibrat metodologic şi care nu

atinge cu aceeaşi uşurinţă ±1, ca în cazul celorlalţi doi coeficienţi descrişi anterior
(uneori şi atunci când legătura descrisă nu este funcţională), este coeficientul de tip
Bravais-Pearson:
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
a)În ce constă diferenţa de conţinut între o legătură statistică sau stochastică şi

una dinamică?
b)Care sunt principalele modalităţi practice de determinare a asocierii
variabilelor în statistica de tip clasic?
c)Care sunt principalele metode elementare de determinare a legăturilor dintre
variabile în statistica de tip clasic?
d)Puteţi defini asocierea, regresia şi corelaţia statistică?
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?
1. Coeficientul de regresie liniară arată:

a) cu cât se modifică variabila explicativă când variabila rezultativă se modifică cu o
unitate; b) intensitatea legăturii dintre variabila rezultativă şi cea explicativă; c) cu cât
se modifică variabila rezultativă când se modifică variabila factorială; d) cu cât se
modifică variabila rezultativă când variabila factorială se modifică cu o unitate.
2. Funcţia de regresie: yˆ x = 2, 6 + 1, 5 xi , unde: n = 20, ceea ce înseamnă că:
a) Legătura dintre cele două variabile este de intensitate ridicată;
b) La o creştere cu o unitate a lui x, y creşte în medie cu 1,5 unităţi;
c) La o creştere cu o unitate a lui y, x creşte în medie cu 1,5 unităţi;
d) Există o legătură indirectă între cele două variabile.
3. Să se precizeze care din metodele de mai jos nu se includ între cele elementare
a) metoda grafică;
b)metoda grupărilor;
c) metoda seriilor paralele interdependente;
d)metoda regresiei;
e) metoda tabelului de corelaţie.
4.Coeficientul de corelaţie liniară arată:
a) cu cât se modifică variabila explicativă când cea rezultativă se modifică cu o unitate;
b) intensitatea legăturii dintre variabila rezultativă şi cea explicativă;
c) cu cât se modifică variabila rezultativă când se modifică cea factorială;
d) cu cât se modifică variabila endogenă când variabila exogenă variază cu o unitate.
5. Metoda celor mai mici pătrate presupune minimizarea următoarei sume:
a) ∑( yi − y )2 ; b) ∑ ( xi − yi ) 2 ; c) ∑ ( yi − y)i )2 ; d) ∑ ( yi − y )2 .
)
6. Dacă legătura dintre două variabile se exprimă prin funcţia: yˆ x = a + bx + cx 2 ,

atunci intensitatea legăturii se caracterizează prin:
a) coeficientul Sperman;b)coeficientul Kendall;c) raportul de corelaţie;d) coeficientul
de regresie.
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.
2. Se cunosc următoarele date referitoare la două variabile Xi şi Yi între care s-a

identificat o legătură statistică:
Tabel nr. 3.11.
Xi 4 6 8 10 12 15 20 21 26 28
Yi 85 70 120 165 185 220 215 225 209 206
I. Coeficientul de regresie este: a) 5,687; b) 0,37449; c) 0,99704; d) 0,78182.
II. Raportul de corelaţie este: a) 5,687; b) 0,37449;c) 0,99704; d) 0,78182.
III. Coeficientul Sperman este: a) 5,687; b) 0,37449; c) 0,99704; d) 0,78182.
3. Evoluţia suprafeţei comerciale în metrii pătraţi şi a vânzărilor ca valoare în mii

lei la agentul „ALFA" au evoluat astfel în ultimele 6 luni:
Tabel nr. 3.12

Luna
I II III IV V VI
Suprafaţa comercială (mp) 50 70 80 120 140 210
Valoarea vânzărilor (mii lei) 480 600 820 1100 1400 2200
I. Să se calculeze parametrii regresiei liniare dintre variabile [yi = a + bxi].
II. Să se determine coeficientul de corelaţie dintre variabile.
III. Estimaţi vânzările la o suprafaţă potenţială de 250 şi respectiv 300 mp.
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).
5. Pentru 10 oraşe cu peste 100 de mii de locuitori, populaţia şi volumul serviciilor

comerciale personale (coafură şi frizerie) sunt următoarele:
Tabel nr. 3.14
Oraşul Populaţia (mii locuitori) Volumul serviciilor comerciale
- xi - personale -yi- (milioane lei)
A 101 10,7
B 104 11,4
Γ 114 12,3
∆ 119 13,5
Ε 123 14,5
Σ 134 15,7
Φ 149 17,1
Ω 158 18,3
Π 174 19,2
Τ 187 20,6
Total ∑ xi =1363 ∑ yi =1533
I. Se cer a fi soluţionate cele patru cerinţe ale aplicaţiei anterioare.
II. Dacă următorul oraş are o populaţie de 200 de mii de locuitori care este volumul
estimat al serviciilor comerciale personale?
[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 –
Sinteza interogativă şi sumarul capitolului

Nevoia de a lua decizii importante în modelarea econometrică, decizii axate pe ipoteze
statistice, este dictată de multe situaţii ce apar în procesul identificării, construcţiei,
parametrizării, aplicării, validării sau invalidării, previziunii sau simulării etc. există
însă cel puţin trei situaţii în care decizia axată pe testare este nelipsită. Prima dintre ele
derivă din faptul că orice model econometric de regresie unifactorial y = f(x) + u sau
y = f(x) + ε precum şi multifactorial y = f(x1,x2,…,xn) + u sau y = f(x1,x2,…,xn) + ε
vor deţine în mod cert un reziduu u sau ε care 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). O a
doua situaţie ce apare în marea majoritate a situaţiilor practice de modelare, relevă
că datele utilizate în construcţia modelelor nu provin din cercetări exhaustive, ci
din eşantioane, cercetarea totală cedând de peste un secol locul său dominant, în
faţa sondajului. Astfel că între estimatori şi parametri, respectiv între valorile
esenţiale ale populaţiei selectate şi cele ale populaţiei totale sau originare pot apare
diferenţe mai mult sau mai puţin semnificative. Cea de a treia situaţie se desprinde
din validarea modelului ca atare, ceea ce nu este altceva decât un proces de decizie
axat tot pe ipoteze statistice. Această realitate specifică modelării econometrice a
generat un limbaj, o tehnică, o etapizare şi o practică aflată într-o expansiune de
excepţie. Dacă prin modelarea econometrică se construiesc noi teorii economice se
face oare aceasta într-o manieră specifică, exclusiv prin decizii care verifică noi ipoteze
statistice? Toate acestea se regăsesc prin răspunsuri cu un grad mai mare sau mai mic
de acoperire a întrebărilor anterioare, sub formă de subcapitole distincte ce delimitează
coerent subtitlurile următoare:
4.1. Aspecte şi noţiuni generale privind decizia şi testarea ipotezelor statistice
4.2. Tipologia testelor privind verificările ipotezelor statistice şi demersul teoretic
general al testării unei ipoteze statistice
4.3. Câteva exemple de ipoteze statistice testate
Cuvinte cheie: test, ipoteză, decizie, ipoteze admisibile, ipoteza nulă şi

alternativă, prag de semnificaţie, erori de rang I şi II, risc alfa şi beta,
distribuţie, valoarea calculată şi tabelată a unui test, puterea testului.
Obiective:dezvoltarea abilităţilor de a formula seturi de ipoteze admisible,
identificarea şi interpretarea corectă a unei distribuţii normale sau clasice
definirea corectă a unui prag de semnificaţie, cunoaşterea statisticii
testului şi a tabelelor de valori de unde se extrage valoarea de confruntare
a testului, dezvoltarea capacităţii de lua formula reguli de decizie, crearea
obişnuinţei de a alege testul adecvat etapei de modelare.
124
4.1. Aspecte şi noţiuni generale privind decizia axată pe testarea
ipotezelor statistice
„A asigura viitorul înseamnă a gestiona informaţia.” – Marion Harper –
Cunoaşterea generată în mod fragmentar (prin testarea ipotezelor parţiale

care asociază două sau mai multe variabile) ajunge să fie cumulată în cercetări ce
deţin un grad de acoperire şi relevanţă tot mai complet şi complex. Ştiinţele
experimentale şi cele modelatoare, bazate pe descoperirea legităţilor ştiinţifice cu
ajutorul modelării sau a modelelor, cum este şi cazul econometriei fac deseori apel
la decizii axate pe testarea unor ipoteze statistice. Cel puţin în două situaţii clasice
nu există practic altă alternativă, aşa cum sunt cunoscute inferenţa statistică a
datelor obţinute din sondaje şi confruntarea distribuţiilor reale cu cele teoretice.
Obţinerea de date statistice exhaustive sau totale despre un fenomen
economic fiind permanent o operaţie costisitoare atât financiar şi ineficientă din
punct de vedere al consumului de timp, va impune cu certitudine sondajul ca
soluţie de cercetare, culegere şi înregistrare a datelor. Sondajul va oferi estimatori
care solicită la rândul lor o inferenţă statistică (acţiunea de a generaliza a
rezultatelor din eşantion la întreaga populaţie, cu un grad calculat de incertitudine
sau o estimare a parametrilor). Acest tip de abordare impune testul de semnificaţie.
Tipul de descriere adecvat al datelor brute odată culese şi înregistrate este
conferit în cazul datelor calitative sau categoriale de analize frecvenţiale, calculul
unor proporţii, rate şi procente, iar în cazul datelor cantitative de conceptul de
distribuţie sau repartiţie, cu toată gama de indicatori implicaţi în descrierea
tendinţei centrale, împrăştierii, asimetriei, boltirii sau excesului acestora. Măsura în
care datele obţinute se vor identifica sau apropia de distribuţia normală va impune
testul de concordanţă al celor două distribuţii, respectiv al repartiţiei reale cu aceea
clasică (normală sau normată) ori cu alte distribuţii de tipul distribuţiei
evenimentelor rare (Poisson) etc.
Practica a extins testarea ca un element fundamental al cercetării în general.
Testul este tot mai prezent de îndată ce se introduce o nouă metodă, un nou
instrument, o nouă tehnică, un nou model etc. O mulţime de întrebări însoţesc actul
de inovare, cercetare, schimbare în general. Iată câteva dintre cele mai des prezente
în practica modelării:
- Sunt oare noua metodă, noul instrument, tehnica recent introdusă sau
modelul superior celor vechi apte să permită o cunoaştere îmbunătăţită a
realităţii economice sau să conteste metode, instrumente, tehnici, modele şi
chiar teorii mai vechi ?
- Nu cumva rezultatele obţinute prin metode, instrumente, tehnici şi modele
noi se datoresc întâmplării?
- Cum se demonstrează statistico-matematic această capacitate îmbunătăţită de
cunoaştere sau previziune ?
- Care sunt etapele sau paşii optimi prin care se va derula testul prin care să se
ajungă la concluzia superiorităţii noii metode, noului instrument, tehnicii
recent introduse, modelului superior apărut ?
Acceptarea sau neaceptarea superiorităţii noii metode, noului instrument
tehnicii recent introduse sau modelului superior apărut se realizează ca urmare a
unei decizii axate pe testarea ipotezelor statistice.
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).
Conexiunea grafică dintre probabilităţile sau riscurile α şi β,

în varianta unui test unilateral
Grafic nr.4.2
H0 H1
O dinamică aparte a acestor riscuri este generată de evoluţia volumului

eşantioanelor de date pentru formularea ipotezelor H0 şi H1. Astfel după cum se ştie
eroarea medie de reprezentativitate în populaţiile de date înregistrate din selecţii
este invers proporţională cu volumul acestor selecţii, şi de îndată ce se produc
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.
Astfel se concretizează şi se clarifică în profunzime semnificaţia termenului de

regiune de respingere, pentru un nivel de semnificaţie α fixat, ca mulţime a
rezultatelor (valorilor statisticii testului) care conduc la respingerea ipotezei H0.
Dacă se pot defini limitele numerice ale regiunii de respingere, acestea se vor numi
firesc valori critice ale testului.
În sinteză se pot expune câteva concluzii referitoare la erorile testării în
următorul tabel:
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).
În concluzie, pentru a oferi o soluţie practică în problema superiorităţii noilor

metode, instrumente, tehnici, modelări econometrice se testează statistic
semnificaţia acestora, se formulează şi se analizează iniţial o ipoteză care va fi la
final acceptată sau respinsă. Frecvent se foloseşte conceptul de ipoteza statistică. O
ipoteză statistică reprezintă o anumită presupunere cu privire la legea de distribuţie
pe care o urmează o anumită variabilă sau la câţiva dintre parametri distribuţiei. O
ipoteză poate fi adevărată sau falsă, iar econometricianul poate să accepte sau să
respingă ipoteza. Dacă se respinge o ipoteză adevărată se comite o eroare de tipul
(genul) I, iar dacă se acceptă o ipoteză falsă se comite o eroare de tipul (genul) II.
Probabilitatea de a respinge ipoteza H0 când este falsă se numeşte puterea
criteriului sau a testului. Modelele econometrice în care puterea testului este
neadecvată nu sunt decât o pierdere de timp, bani şi resurse. Deoarece puterea este
determinată de mărimea eşantionului, ea obligă econometricianul să colecteze
suficiente date statistice în decursul observărilor şi înregistrărilor fenomenelor
economice. Problema fundamentală în teoria deciziei axată pe testarea ipotezelor
statistice este de a alege dintre toate testele ce deţin practic acelaşi prag de
semnificaţie α acel test pentru care puterea este maximă (1- β se maximizează şi β
se minimizează).
În formularea unui criteriu de semnificaţie se porneşte de la o ipoteză de
lucru, numită în statistică ipoteza nulă sau a diferenţei nule(H0). Această ipoteză
presupune că nu există nici o diferenţă semnificativă între indicatorii obţinuţi pe
baza unor date incomplete şi indicatorii obţinuţi pe baza unor date complete.
Criteriul pe care îl avem în vedere cu privire la respectiva ipoteză reprezintă un
test. În situaţia în care testul are în vedere o ipoteză privind similitudinea cu o
anumită distribuţie sau repartiţie acesta se numeşte test de concordanţă. În situaţia
în care însă testul are în vedere o ipoteză privind anumite valori estimate ale unei
variabile şi diferenţa lor faţă de unii parametri, acesta se numeşte test de
semnificaţie. Dacă prin aplicarea unui test de semnificaţie, diferenţa dintre valoarea
aşteptată şi valoarea estimată prin calcule este mare, atunci ipoteza nulă se
respinge. Dacă diferenţa este mică, se poate aprecia că aceasta este nesemnificativă
ceea ce înseamnă că se acceptă ipoteza nulă. Rolul decisiv revine aici formulării
regulilor de decizie, probabilităţii critice a testului (α) şi implicit limitelor numerice
ale regiunii de respingere sau valorilor critice ale testului.
Decizia axată pe testarea ipotezelor statistice este una relativ unidisciplinară şi
poate fi îmbunătăţită, astfel încât atunci când este combinată cu alte forme de validări
şi testări axate pe informaţii (aşa cum sunt reţele neuronale, algoritmi genetici,
raţionamente biologice etc.), testarea ipotezelor multidisciplinare oferă avertismente
suplimentare importante contra concluziilor imprudente.
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 –
Înainte de a detalia mai concret demersul specific al testării ipotezelor

statistice este necesară segmentarea lor mai întâi în cele două categorii esenţiale,
respectiv teste de semnificaţie sau bazate pe ipoteze parametrice şi teste de
concordanţă sau bazate pe ipoteze despre similitudinea cu o anumită repartiţie sau
distribuţie statistică teoretică şi tratarea lor distinctă, iar ulterior o extindere a
tipologiei remarcabile a acestei familii numeroase a testelor econometrice.
Testele pentru verificarea semnificaţiei parametrilor repartiţiilor se
utilizează pentru a compara estimatori obţinuţi prelucrând date din eşantion cu
parametri corespunzători ai populaţiei sau pentru compararea estimatorilor
proveniţi din eşantioane diferite.
Testele pentru verificarea concordanţei repartiţiilor se utilizează pentru a
verifica dacă valorile înregistrate urmează într-adevăr repartiţia teoretică presupusă
în urma efectuării unui sondaj unde se formulase o anumită ipoteză cu privire la
legea de repartiţie pe care o urmează caracteristicile studiate.
Aceste două clase mari de teste se raportează strict la prezenţa ipotezelor
referitoare la parametri sau la absenţa lor fiind adeseori redefinite ca parametrice
sau neparametrice. Testele de semnificaţie sunt parametrice iar cele de concordanţa
sunt neparametrice.
Problematica examinării semnificaţiei regrupează testele de semnificaţie, în
funcţie de natura ipotezelor ce se verifică, în mai multe subclase:
- teste referitoare la parametrii repartiţiei (z,t) comparară parametrii dintr-o
populaţie originară sau teoretică cu o altă populaţie prelevată şi observată din punct
de vedere al mediei, medianei, abaterii standard, varianţei, coeficientului de
corelaţie, coeficientului de regresie;
- teste de egalitate–omogenitate(F) comparară un anumit număr de populaţii
statistice fiind aplicat pentru verificarea omogenităţii populaţiilor originare, a
stabilităţii mediilor, varianţelor, coeficienţilor de corelaţie etc.;
- teste de ajustare(χ2 ) verificarea şi examinarea semnificaţiei unui estimator
(comparativ cu un parametru) rezultat dintr-o populaţie prelevată şi observată,
permite concluzia valabilă în orice condiţii, conform căreia eşantionul să poată fi
considerat ca extras dintr-o populaţie originară dată;
- teste de independenţă controlează, în baza unor eşantioane, dacă populaţiile
sunt sau nu independente, pe baza a două sau mai multe criterii de clasificare, în
general calitative.
Principalele teste de semnificaţie ale parametrilor variabilelor aleatoare au în

vedere verificarea ipotezelor privind egalitatea unor parametri ca media, verificarea
ipotezei referitoare la egalitatea dispersiilor, verificarea semnificaţiei intervalelor
de încredere pentru selecţiile cu volum mare, verificarea ipotezelor privind
distribuţia caracteristicilor calitative etc. Principalele teste utilizate practic sunt
testele bazate pe metoda Neuman-Pearson, testul Z, testul t, testul F etc.
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.
Caseta nr. 4.3

Prin analiza dispersională se separă influenţa factorilor esenţiali de influenţa factorilor
neesenţiali. Analiza dispersională presupune mai întâi determinarea unui Fcalculat ca
raport între dispersia factorială corectată (S21) şi dispersia reziduală corectată (S22):
2 S2
F calculat = S1 / 2 unde:
Corespunzător unui anumit prag de semnificaţie α şi al numărului de grade de libertate
r-1, respectiv n-r, se determină valoarea teoretică a testului F şi dacă:
-Fcalculat > Fteoretic atunci factorul de grupare sau parametri calculaţi sunt semnificativi,
-Fcalculat<F teoretic atunci factorul de grupare sau parametri calculaţi nu sunt semnificativi.
În funcţie de numărul factorilor analizaţi se face distincţie între analiza dispersională
factorială şi analiza dispersională multifactorială.
Coexistă cu toate celelalte teste descrise şi o categorie aparte, dezvoltată

intens de către econometrie, respectiv teste de verificare a modelului de regresie
unifactorială şi multifactorială, a ipotezei de homoscedasticitate (constanţa
varianţei erorilor),de la teste prin procedeul Glejser, la testul t pentru coeficientul
de corelaţie Spearman sau testele clasice F sau t pentru regresie etc.)
O tipologia mai extinsă a testelor statistice reuneşte teste ale raportului de
verosimilitate şi de verificare a ipotezelor statistice privind parametrii repartiţiei
normale, teste de verificare a ipotezelor privind parametrii repartiţiilor binomială,
hipergeometrică şi Poisson, teste pentru egalitatea dispersiilor şi mediilor, teste
neparametrice, teste specifice ale analizei dispersionale, teste specifice ale regresiei
lineare, teste specifice ale repartiţiei normale bidimensionale şi coeficientului de
corelaţie, teste specifice ale regresiei multiple şi analizei dispersionale, testul
secvenţial şi multe alte teste utilizate în econometrie.
Selectarea unui test în decizia axată pe testarea ipotezelor statistice şi mai
ales verificarea ipotezei nule depinde de nivelul şi prezenţa sau absenţa erorilor de
măsură a datelor, de mărimea eşantioanelor, de enunţul ipotezei nule şi al celei
alternative sau de condiţiile pe care le îndeplineşte populaţia totală sau originară.
Orice etapizare a unei testări de ipoteze statistice, oricât de simplă sau de
complicată se doreşte va ţine cont în mod necesar de următoarele elemente: ipoteza
nulă şi alternativă, statistica testului, pragul de semnificaţie şi decizia testului
statistic. Verificarea clasică a ipotezelor presupune un algoritm în cinci paşi.
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
Eşantion = 12 u.s. Grafice

Valori Frecvente Variabila HR1 şi Variabila HR2
HR1 HR2 160
153.0000 134.0000 150
96.00000 109.0000 140

88.00000 84.00000 130
143.0000 129.0000 120
96.00000 78.00000 110
146.0000 133.0000 100
114.0000 96.00000
90
123.0000 114.0000
80
149.0000 130.0000
104.0000 119.0000 70
1 2 3 4 5 6 7 8 9 10 11 12
87.00000 87.00000
97.00000 90.00000 HR1 HR2
Statistica descriptivă Distribuţia grafică a abaterilor

HR individuale HR2 – HR1
160
HR1 HR2 150
Mean 116.3333 108.5833 140
Median 109.0000 111.5000 130
Maximum 153.0000 134.0000 120
Minimum 87.00000 78.00000
110
Range 66.0000 56.0000
100
Std. Dev. 25.34968 20.81284
Skewness 0.324149 -0.119305 90
Kurtosis 1.469335 1.464532 80

Observations 12 12 70
2 4 6 8 10 12
Software utilizat: E - Views HR1- HR2
Pasul 2. Stabilirea ipotezelor admisibile, respectiv a ipotezei nule (H0) şi a celei

alternative (H0 este elementul central al oricărui test statistic deoarece întreaga
procedura se rezumă la acceptarea sau respingerea ei, dar econometricianul dorind
adeseori să respingă ipoteza nulă în favoarea celei alternative sau cercetate-H1).
136
Formularea ipotezelor şi posibilitatea de apariţie a erorilor tip/gen I şi II
Figura nr.4.2
SE FORMULEAZĂ IPOTEZA NULĂ

ŞI ALTERNATIVĂ (H0 ŞI H1)
SE VERIFICĂ DACĂ EXISTĂ

DIFERENŢE ÎNTRE θ0 ŞI θ1
NU EXISTĂ. EXISTĂ.
IPOTEZA ADEVĂRATĂ=H0 IPOTEZA ADEVĂRATĂ=H1
DECIZIE DE RESPINGERE H0 DECIZIE DE ACCEPTARE H0

ŞI ACCEPTARE H1 (FALSĂ) (FALSĂ) ŞI RESPINGERE H1
EROARE TIP/ GEN I (α) EROARE TIP/GEN II (β)
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
Selectarea testului de semnificaţie privind egalitatea estimatorului

eşantionului cu parametrul populaţiei
Mai întâi se compară estimatorul cu parametrul
σ 2 cunoscută σ 2 necunoscută
Este populaţia cu exactitate sau cu Este populaţia cu exactitate sau cu
aproximaţie normal distribuită? aproximaţie normal distribuită?
DA NU DA NU
Este n ≥ 30 ? Este n ≥ 30 ? Este n ≥ 30 ?
DA NU DA NU NU DA
Se utilizează
v “z” Se utilizează “t” Se utilizează
v “z”
x−X Se utilizează x−X x−X
z= alte teste t= z=
S n −1
2
S n neparametrice
2
S2 n
Regiunea critică se stabileşte pornind de la valoarea teoretică a statisticii testului,

respectiv a limitelor în cazul testului bilateral sau a limitei în cel unilateral, ca
puncte de tăietură ce separă regiunea critică de regiunea de acceptare. Valoarea
teoretică a statisticii testului este o valoare tabelată în funcţie de forma distribuţiei,
de volumul eşantionului, dar şi de probabilitatea cu care se garantează rezultatele.
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
Ipotezele admisibile sunt: Ipotezele admisibile sunt: Ipotezele admisibile sunt:

H0: x = X 0 şi H1: x ≠ X 0 . H0: x ≤ X 0 şi H1: x > X 0 H0: x ≥ X 0 şi H1: x < X 0
Statistica testului z
X0 − x
Z= ∈ N (0,1) unde: X 0 =media teoretică (parametrul populaţiei totale); x = media
σ/ n
selecţiei (estimatorul eşantionului); n = volumul eşantionului; σ2 =dispersia teoretică.
Testul z se bazează pe o statistică a cărei repartiţie teoretică este normal distribuită cu
parametri X 0 = 0 şi σ2 = 1, respectiv N (0,1) şi prag de semnificaţie (α)
stabilirea zonei critice stabilirea zonei critice stabilirea zonei critice

x − X0 x − X0 x − X0
> z ≥ z1−α ≤ zα
α
σ 2
n 1−
2
σ2 n σ2 n
Luarea deciziei Luarea deciziei Luarea deciziei
Dacă zc este mai mic decât Dacă zc este mai mare decât Dacă zc este mai mic decât
ztab se acceptă ipoteza H0. ztab se respinge ipoteza H0 şi ztab se respinge ipoteza H0
se acceptă H1 şi se acceptă H1.
Utilizarea testului z pentru compararea a două medii are loc atunci când cele două
variabile sunt normal distribuite şi cele două eşantioane sunt de volum normal (n1
x1 − x 2
şi n2>30), iar statistica testului z se schimbă şi devine z =
σ1 n 1 + σ 22 n 2
2
139
unde: x1 şi x2 = estimatori a două eşantioane independente; n1 şi n2 = volumul
eşantioanelor; σ 12 şi σ 22 = dispersiile cunoscute ale populaţiilor;
2. Testul t pentru compararea mediei eşantionului cu media populaţiei (Student)

(a estimatorului eşantionului cu parametrul populaţiei totale)
Verificarea premizelor de tip statistic descriptiv identifică
X 0 =media teoretică (parametrul populaţiei totale); x =media selecţiei (estimatorul
eşantionului); n = volumul eşantionului; S2 = dispersia eşantionului.
Se disting şi în acest caz în funcţie de modul de definire a regiunii critice testul
bilateral, unilateral dreapta sau unilateral stânga.
Caseta nr. 4.6
Testul t bilateral Testul t unilateral dreapta Testul t unilateral stânga
Ipotezele admisibile sunt: Ipotezele admisibile sunt: Ipotezele admisibile sunt:

H0: x = X 0 şi H1: x ≠ X 0 . H0: x ≤ X 0 şi H1: x > X 0 H0: x ≥ X 0 şi H1: x < X 0
Statistica testului t
x − X0
t= unde: X 0 =media teoretică (parametrul populaţiei totale); x = media
S2 n − 1
selecţiei (estimatorul eşantionului); n = volumul eşantionului; S2 = dispersia eşantionului.
Testul z se bazează pe o statistică a cărei repartiţie teoretică este normal sau aproximativ
normal distribuită cu parametri X 0 =0 şi σ2 =1, respectiv N (0,1) şi prag de semnificaţie (α)
stabilirea zonei critice stabilirea zonei critice stabilirea zonei critice
x − X0 x - X0 x - X0
>t ≥ t n-1, 1-α ≤ t n-1, α
α 2
S2 n − 1 n −1, (1− )
2
S n -1 S2 n -1
Luarea deciziei Luarea deciziei Luarea deciziei
Dacă tc este mai mic decât ttab Dacă tc este mai mare decât Dacă tc este mai mic decât
se acceptă ipoteza H0. ttab se respinge ipoteza H0 şi ttab se respinge ipoteza H0 şi
se acceptă H1 se acceptă H1.
Utilizarea testului t pentru verificarea egalităţii a două medii (σ1,σ2 necunoscute cu
σ1≠σ2) are loc atunci când cele două variabile sunt normal repartizate dar
dispersiile teoretice nu se cunosc, iar eşantioanele sunt de volum redus (n1 şi
n2<30). Statistica testului este: t = x1 − x2 unde: x1 şi x 2 = estimatorii din
S1 n1 + S 22 n2
2
cele două eşantioane independente; n1 şi n2 =volumul eşantioanelor; S12 şi S 22 =

estimaţiile dispersiilor necunoscute ale populaţiilor.
3. Testul F pentru verificarea ipotezei egalităţii dispersiilor

Testul F sau Fisher-Snedecor a rămas cel mai cunoscut test pentru verificarea
ipotezei egalităţii dispersiilor, pornind de la două eşantioane independente, fiind
caracterizat de o distribuţie continuă determinată de două valori diferite ale
gradelor de libertate. În sinteză suita de paşi în derularea testului sunt:
Pasul 1 - Enunţarea ipotezelor admisibile H 0 : σ 21 = σ 2 2 şi H1 : σ 21 ≠ σ 22 ;
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
n-1 din calculul abaterii standard: σ =

n −1
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 

unde Y reprezintă valori reale şi P valori previzionate prin modele econometrice.

Acest indicator compară eroarea metodei sau modelului de previziune care se
utilizează cu eroarea care s-ar obţine dacă s-ar folosi ultima valoare ca şi valoare
prognozată. Compară, practic o metodă de previziune cu metoda valorii anterioare.
Se disting trei situaţii uşor de analizat în vederea luării deciziei statistice:
- Theil’s U < 1 metoda utilizată este mai exactă decât metoda valorii anterioare;
- Theil’s U >1 metoda utilizată dă erori mai mari decât metoda valorii anterioare;
- Theil’s U =1 metoda utilizată este la fel de exactă ca şi metoda valorii anterioare
deci nu se justifică a fi utilizată.
Validarea modelelor econometrice competitive cu implicaţii în previziune,

impun şi analiza sistematică a erorilor specifice acestui obiectiv al construcţiei
modelului ca atare. Rolul erorilor de previziune este acela de a cuantifica abaterile
valorilor previzionate prin modelul de prognoză, de la valorile reale, devenind
astfel criterii de selecţie în alegerea celui mai competitiv model econometric. Astfel
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.
4.3. Câteva exemple de ipoteze statistice testate

„Societatea umană parcurge era judecăţii practice.” – John Kenneth Galbraith –
O viziune modernă asupra inteligenţei umane este considerată în general

tridimensională, cuprinzând sintetic inteligenţa „academică sau intelectuală”
(teoretică), definită drept capacitate agregată de a raţiona, de a se exprima şi
calcula reunită cu abilităţile cognitive, inteligenţa „emoţională”, sintetizând
capacitatea oamenilor de a rezolva probleme şi de a face faţă provocărilor şi
dificultăţilor, precum şi inteligenţa „partenerială”, reunind abilitatea de a construi
relaţii cu aceea de a dezvolta încrederea, simultan cu realizarea unor obiective
predeterminate prin asociere cu altcineva. Modelarea econometrică a evoluţiei celei
mai interesante dintre categoriile de inteligenţă umană, respectiv cea partenerială,
cu un impact major în dezvoltarea economică, a constituit exemplul ales pentru a
detalia câteva dintre deciziile axate pe testarea ipotezelor statistice. Dar mai înainte
de toate se impune cunoaşterea mecanismului statistic de observare şi evaluare a
inteligenţei parteneriale, respectiv un test propus de către Stephen M. Dent, în
lucrarea intitulată Parteneriatul în afaceri[15], căruia i s-a adaptat în această formă
o scală Likert (punctajul fiind cuprins între 1 şi 5).
Evaluarea concretă a inteligenţei parteneriale (testul IP)
Tabel nr. 4.2.
Dezacord parţial
Dezacord total
Acord parţial
Acord total
Indiferent
1.Cred că de-a lungul timpului, comportamentul unui om X

rămâne neschimbat.
2.Îmi place să fac lucruri cu care m-am obişnuit. X
3.Oamenii îmi spun că am tendinţa să intru în competiţie. X
4.Atunci când sunt în compania altora, mă asigur
întotdeauna că dorinţele mele sunt satisfăcute primele. X
5.Îmi place ca toată lumea să respecte regulile. X
6.Prefer să mă bazez pe mine pentru a rezolva problemele. X
7.Oamenii trebuie să se dovedească demni de încrederea X
mea.
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
Sursa: Datele răspunsurilor marcate cu X şi prelucrate în tabelul 4.2 şi 4.3.
O inteligenţă partenerială prin nivelul ridicat al scorului final, respectiv un IP

situat peste 110 puncte, presupune o dezvoltare cel puţin medie a tuturor vectorilor
specifici. O inteligenţă partenerială prin nivelul scăzut al scorului final, altfel spus un IP
situat sub 71 de puncte, poate periclita un parteneriat şi chiar întregul proiect ca
atare, presupune o dezvoltare sub nivel mediu a marii majorităţi a vectorilor
specifici,. ceea ce impune ca ea să fie urgent îmbunătăţită. Rezultatele obţinute de
către un număr iniţial de 100 de persoane şi testarea acestora, din care ulterior s-au
reţinut conform omogenităţii vectoriale a opiniilor lor numai 56 de persoane şi un
număr dublu de teste (ante şi post proiect sau anchetă), a generat un eşantionul
final structurat şi analizat factorial S-au emis şi câteva ipoteze interesante privind
factorii explicativi ai variaţiei punctajului individual, în funcţie de participarea
anterioară în echipe ale unor proiecte sau anchete derulate, vârsta sau vechimea,
sexul, în sensul unei semnificaţii crescute la personalul de sex feminin etc.
În urma dezmembrării pe intervale de variaţie în raport cu punctajul mediu
individual obţinut la testul Stephen M. Dent, în baza ierarhizării răspunsurilor
individuale, s-au desprins două valori medii complet diferite pre anchetă (pre
proiect) şi post anchetă (post proiect). Aşa cum se poate constata populaţia
statistică finală alcătuită din cele 56 de persoane (47 de sex feminin şi 9 de sex
masculin) a fost supusă analizei iar rezultatele au fost relevante, în sensul
participării lor la ancheta sau proiectul vizat prin prisma punctajului individual
obţinut la chestionarul autoadministrat de inteligenţă partenerială (în varianta
testului cu 30 de întrebări).
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
IP ridicată
3,67 < IPmediu <5,00 - 7 - 3 - - - -
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
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
IP ridicată
3,67 < IPmediu <5,00 - - - - - - - 10 4,4 4.7 4,8 4,6 4,9 4,7
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
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
IP medie sau 2,33 < IPmedie < 3,67 10 37 47
IP ridicată sau 3,67 < IPridicată <5,00 - 10 10
Total 56 56 112
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
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
IP medie 2,33 < IPmediu < 3,67 4 16 20
IP ridicată3,67 < IPmediu <5,00 - 7 7
Total 26 26 52

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
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 %.
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)
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
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
IP medie 2,33 < IPmediu < 3,67 6 13 19
IP ridicată3,67 < IPmediu <5,00 - 3 3
Total 21 21 42
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
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 %.
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)
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
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)
Se selectează cele două variabile firma_a şi firma_b pentru a putea fi vizualizate:
154
Din meniul View se alege comanda Tests of Equality şi opţiunea Mean
La final se obţine statistica testului t (dacă se dorea aplicarea unui test de

egalitate al dispersiilor, un test F se putea apela la opţiunea Variance)
Pentru un prag de semnificaţie α=0,05 se preia valoarea t0,05=1,96.

Deoarece tcalculat < ttabelat rezultă că între calitatea pieselor livrate de cei doi furnizori,
cu o probabilitate de 0,95 (95%), nu se poate accepta o diferenţă semnificativă şi,
ca atare, nu este corectă decizia de a se renunţa la furnizorul B pe motivul unei mai
slabe calităţi a pieselor.
155
4.4.1. Întrebări
a) Ce înţelegeţi prin ipoteză şi mai ales prin ipoteza statistică?

b) Care sunt principalele opinii ale econometricienilor referitor la acceptarea
metodologiei de testare care are ca principal suport formularea ipotezei nule?
c) Care este principala semnificaţie a testului asupra unei ipoteze statistice?
d) Puteţi defini regiunea critică şi regiunea de acceptare?
e) Diferă semnificativ procedura de determinare a regiunii şi a tăieturii critice în
testarea ipotezelor statistice în raport cu tipul de test utilizat?
f) Care sunt cele două clase de erori de testare în cazul unei ipoteze statistice?
g) Care este strategia în cazul unui test statistic referitor la pragul de semnificaţie?
h) Ce semnifică noţiunea de putere a testului?
i) Ce reprezintă în esenţă testele de concordanţă ?
j) Ce accepţiune principală deţin testele de semnificaţie?
k) Care sunt principalele subclase ale testelor de semnificaţie, în funcţie de natura
ipotezelor ce se verifică ?
l) Care este algoritmul paşilor ce trebuie parcurşi în mod logic în cadrul
procedurii de verificare clasică a ipotezelor statistice?
m) În ce constă diferenţa majoră între un risc de tip alfa şi unul de tip beta în
posibilitatea de a comite erori în testarea ipotezelor statistice?
n) Care sunt principalele semnificaţii şi diferenţe între conceptele de estimare,
estimare punctuală şi estimare în interval ?
o) Care este mecanismul de apariţie a erorilor de tip/gen I şi II ?
p) În ce constă selectarea testului de semnificaţie t sau z, în raport cu gradul
de cunoaştere şi volumul eşantionului ?
r) Care este statistica testului z? Dar a testului t sau F?
s) Care sunt erorile de previziune şi cum se determină acestea ?
1. Ipotezele admisibile principale sunt:

a) ipoteza nulă; b) ipoteza echivalentă; c) ipoteza alternativă; d) ipoteza finală;
e) ipoteza echiprobabilă;
2.Riscul alfa semnifică:
a) probabilitatea apariţiei erorii de tip / gen I;
b) probabilitatea unei erori de tip / gen II;
c) riscul pe care cercetătorul este dispus să-l asume prin respingerea eronată a unei
ipoteze nule adevărate;
d) riscul asumat de către cercetător prin acceptarea eronată a unei ipoteze nule false.
3. Riscul beta se traduce prin:
a) probabilitatea apariţiei erorii de tip / gen I;
b) probabilitatea unei erori de tip / gen II;
c) riscul pe care cercetătorul este dispus să-l asume prin respingerea eronată a unei
ipoteze nule adevărate;
d) riscul asumat de către cercetător prin acceptarea eronată a unei ipoteze nule false.
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%.
2.La nivelul unui eşantion selectat aleator un număr de 12 autoturisme au

beneficiat de un tip vechi şi de unul nou de anvelope şi s-a măsurat distanţa
parcursă până la uzura lor totală. Pornind de la datele din tabelele de mai jos se
poate afirma că distanţa medie parcursă cu noul tip de anvelope şi cu vechiul tip
diferă semnificativ între ele? Rezultatele se vor garanta cu o probabilitate de 95%.
Tabel nr. 4.13.
Autoturism 1 2 3 4 5 6 7 8 9 10 11 12
Distanţa în mii de km cu anvelope noi 57 64 102 62 81 87 61 62 74 62 67 98
Distanţa în mii de km cu anvelope vechi 48 50 89 56 78 75 50 49 70 66 58 89
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.
4. Se doreşte a se cunoaşte mai atent profilul consumatorului unui anumit tip de

serviciu prestat în două locaţii diferite. Se compară dispersia (împrăştierea)
veniturilor per familie în cele două locaţii. Datele distribuţiilor veniturilor anuale
sunt exprimate în lei şi sunt aproximativ normale, abaterile medii pătratice fiind de
2543 lei şi 2019 lei şi provin din două eşantioane aleator extrase de volum 60 şi
respectiv 50 de persoane. Utilizând o probabilitate de garantare a rezultatelor de
0,95 (în procente 95%) cu o valoare tabelată a statisticii specifice F0,05; 59;49 de
aproximativ 1,64 să se stabilească prin testare dacă există o dispersie semnificativ
diferită în distribuţiile veniturilor celor două locaţii.
[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
„Educaţia este descoperirea progresivă a propriei ignoranţe.” – Will Durant –

O realitate economică oferă suportul pentru o abordare cantitativă, în speranţa
identificării şi cuantificării unor relaţii interne, structurale ale fenomenului modelat.
Modelul econometric de regresie unifactorială deţine un caracter reducţionist,
simplificator. Numărul variabilelor ce-l alcătuiesc şi-l descriu constituie scheletul
fenomenului economic, acestea fiind concentrate într-o manieră tridimensională. O
singură variabilă endogenă sau rezultativă va caracteriza efectul economic cercetat şi
tot o singură variabilă exogenă sau explicativă dominantă va constitui factorul cu cea
mai mare determinaţie în variaţia efectului în cadrul modelului. Originalitatea abordării
econometrice apare însă odată cu cea de-a treia variabilă sau dimensiunea reziduală a
modelului, care reuneşte toate celelalte variabile existente în fenomenul sau procesul
economic investigat. Reziduul devine cel mai important termometru al temperaturii
modelului econometric, el reuşind a fi permanent şi instrument de măsură a calităţii
măsurării realităţii economice prin modelul econometric de regresie unifactorială, dar
şi instrument de selectare a capacităţii de a previziona cu competenţă economia. Pentru
a construi cu rigoarea-i statistico-matematică atât de cunoscută, modelul econometric
de regresie unifactorială trece prin etape complexe. Care este tehnica econometrică
optimă în a asigura identificarea şi specificarea modelului? Care este metoda adecvată
parametrizării modelului de o manieră cât mai eficientă, cu un nivel de eroare minimă?
Este oare modelul econometric dominat de analiza variabilei reziduale, în a cărei
„retortă” se petrec fenomene inexplicabile şi incognoscibile sau dimpotrivă tocmai prin
intermediul unor teste statistice de o noutate şi o fiabilitate deosebită ele devin
transparente? Cât de competitiv poate fi modelul econometric de regresie unifactorială
în contextul unei singure variabile de intrare semnificative? Identificarea, specificarea,
parametrizarea şi testarea modelului econometric de regresie unifactorială relevă o
mulţime de răspunsuri şi soluţii originale la întrebările anterioare şi generează astfel
subcapitole distincte după cum se poate constata din subtitlurile următoare:
5.1.Gândirea statistică modernă şi modelul econometric de regresie unifactorială
5.2.Specificarea şi identificarea modelului econometric de regresie unifactorială
5.3.Estimări ale parametrilor în regresia unifactorială modelată
5.4.Ipoteze, teste şi validări ale modelului econometric de regresie unifactorială
5.5.Un exemplu practic de model econometric de regresie unifactorială
5.6.Întrebări, teste tip grilă şi aplicaţii
5.7.Note şi referinţe bibliografice
Cuvinte cheie: model econometric de regresie unifactorială,

homoscedasticitate, heteroscedasticitate, independenţă, autocorelare. .
Obiective: abilitatea de a identifica, specifica, parametriza şi testa
modelul econometric de regresie unifactorială, cunoaşterea ipotezelor,
testelor şi metodelor de validare a unui model, însuşirea practică a
modelării econometrice unifactoriale.
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 –
Modelul şi activitatea de modelare constituie elementele de discriminare şi

individualizare ale econometriei, investigarea fenomenelor economice prin
intermediul lor dovedind superioritatea acestei opţiuni multidisciplinare, simultan
economice, statistice şi matematice. Nimeni nu pune la îndoială originalitatea şi
simplitatea modelării econometrice, dar şi aici, unde se impun validări permanente,
apar violări ale gândirii statistice, ale ipotezelor acesteia privind modelul clasic,
sub forma unor competiţii de tipul homoscedasticitate versus heteroscedasticitate,
independenţă versus multicoliniaritate şi chiar absenţa versus prezenţa autocorelării
datelor modelului econometric.
În ce constă gândirea statistică modelatoare clasică şi optica ei specifică de
modelare, pentru a putea înţelege contextul originalităţii gândirii statistice moderne
în raport cu modelul de regresie unifactorială? Pentru a răspunde mai rapid şi mai
ales coerent la o astfel de întrebare probabil că este necesară o retrospectivă
succintă asupra fenomenului gândirii cu accent pe specificitatea celei statistice în
raport cu modelarea. Gândirea statistică a susţinut primele sale modele simple pe
direcţia cauză–efect, afirmând despre cauzalitate că este bazată pe experienţă, iar
experienţa pe presupunerea viitorului, pornind de la modelele trecutului. Dar
presupunerea era şi ea bazată pe experienţă ceea ce a condus la un cerc logic vicios.
Treptat ieşirea din această spirală a modelării prin date (experienţă) şi ipoteze
(presupuneri) a generat un nou tip de raţionament statistic al modelării prin
relaţionare, prin corespondenţe, legături, prin teoretizarea acestora.
Gândirea statistică, privită ca un proces de teoretizare a devenit liantul
realităţii cu teoria, tot prin intermediul modelării. Procesul de teoretizare statistic a
cuprins un ansamblu tot mai organizat de principii, de reguli şi legi ştiinţifice
destinate descrierii şi explicării unui ansamblu de fapte, dar şi un ansamblu relativ
organizat de idei şi de concepte referitoare la un domeniu dat, susţinut de un sistem
de ipoteze care fundamenta interpretările fenomenelor şi asigura construcţia de
modele ale realităţii ca urmare a cunoaşterii prin prisma unor legi formal-abstracte
intermediată printr-un limbaj formal-specific, prin axiome, reguli de deducere,
inducere, transformare etc.
La baza gândirii statistice clasice au stat trei tipuri de teoretizări:
- teoretizarea inductivă de la particular la general, prin corelarea mai multor
discursuri particulare (logic,matematic etc) se construieşte un discurs generalizator
sintetic sau din mai multe discursuri cu aceeaşi sferă de referinţă (economia,
demografia etc.) pentru a se obţine un discurs cu o sferă ordonată, agregativă;
- teoretizarea deductivă ce deţine un sens descendent, de subordonare a
particularului faţă de general, de derivare a unor structuri formale din alte structuri
formale, prin aplicarea unor reguli de dezagregare;
- teoretizarea analogică explicarea şi interpretarea unui sistem mai puţin
cunoscut şi aparent inaccesibil cu ajutorul altui sistem cunoscut şi accesibil.
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.
5.2. Specificarea şi identificarea modelului econometric

de regresie unifactorială
„Inferenţa cauzalităţii este una dintre cele mai importante, cele mai subtile şi una
dintre cele mai neglijate dintre toate problemele statistice.” – Philip Dawid –
Specificarea unui model econometric constă în stabilirea ecuaţiilor şi elementelor

care intră în componenţa sa.
Un model econometric de regresie unifactorial se prezintă sub forma:

y = f(x) + u sau y = f(x) + ε
unde:
x = (x1; x2; ... xn) este variabila exogenă sau variabila cauză;
y = (y1; y2; ... yn) este variabila endogenă sau variabila efect;
u = (u1; u2; ... un) sau ε (ε1; ε2; ... εn) este variabila reziduală, aleatoare sau eroare.
Identificarea modelului econometric de regresie unifactorială constă în

alegerea unei funcţii matematice. Cu ajutorul acestor funcţii matematice se descriu
valorile variabilei endogene y în funcţie de variaţia variabilei exogene x.
După tipul relaţiei dintre variabila exogenă şi variabila endogenă distingem
următoarele funcţii matematice:
• funcţii liniare;
• funcţii neliniare.
162
Cele mai utilizate funcţii matematice sunt:
funcţii liniare
Funcţia liniară: y = a + b·x + u sau y = a + b·x + ε
funcţii neliniare
Funcţia semilogaritmică: y = a + b·logx + u sau y = a + b·logx + ε
Funcţia putere: y = a·xb·u

sau y = a·xb·ε
şi funcţia exponenţială: y = a·bx·u
sau : y = a·bx· ε
Se liniarizează funcţia matematică
de tip putere folosind logaritmul:
log y = log a + b · log x + log u
sau
log y = log a + b · log x + log ε
Se liniarizează funcţia de tip
exponenţial folosind logaritmul:
log y = log a + x · log b + log u
sau
log y = log a + x · log b + log ε
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
Funcţia de tip parabolă:

y = a + b·x + c·x2 + u
sau
y = a + b·x + c·x2 + ε
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.
Alegerea unei funcţii matematice ca funcţie de regresie a unui model

econometric se face utilizând procedeul grafic care constă în construirea
corelogramei dintre cele două variabile.
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 –
Parametrii unui model econometric pot fi calculaţi cu ajutorul mai multor

metode cum ar fi:
a) metoda punctelor empirice (M.P.E.);
b) metoda punctelor medii (M.P.M.);
c) metoda celor mai mici pătrate (M.C.M.M.P.);
Primele două metode, a) şi b), sunt folosite atunci când nu se urmăreşte o

riguroasă statistică a calculelor în schimb metoda c) este anevoioasă şi necesită
calcule complicate.
@ Modelul econometric liniar

yt = a + b·xt + ut;
unde:
yt şi xt sunt valorile empirice ale variabilelor;
a şi b sunt parametrii modelului;
Parametrul b se mai numeşte şi coeficient de regresie şi indică panta dreptei
^ ^ ^
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.
Pentru a calcula estimatorii parametrilor modelului se utilizează metoda

celor mai mici pătrate care constă în a minimiza funcţia:
2 2
^ ^ n  ^  ^ ^ n  ^ ^ 
F(a , b) = ∑  y t - y t  = min ⇒ F(a , b) = ∑  y t - a - b x t  = min
t =1   t =1  
Condiţia de minim a funcţiei rezultă din:
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
De unde rezultă sistemul de ecuaţii:

 ^ ^ n n
 n a + b ∑ x t = ∑ yt
t =1 t =1
^ n ^ n n
a ∑ x + b ∑ (x )2 = ∑ x ⋅ y
 t =1
t t t t
t =1 t =1
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
Dispunând de estimaţiile parametrilor se pot calcula valorile teoretice

^ ^ ^ ^
(estimate) ale variabilei endogene, y t , cu ajutorul relaţiei: y t = a + b·x t
Valorile variabilei reziduale vor rezulta din următoarea relaţie:
^ ^
ut = yt − yt
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
iar abaterea medie pătratică este: S^ = S 2^

a a
^ 1
S 2^ = S 2^
∑ (x t − x t )
dispersia estimatorului b : 2
b u
iar abaterea medie pătratică este: S ^ = S 2^

b b
@ Modele econometrice neliniare

Funcţia de tip putere: yt = a · xbt · u
unde:
Acest model econometric neliniar se transformă în model liniar prin logaritmare:

log y = log a + b · log x + log u
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
^ ^ ^
date de relaţia: y t = a ⋅ x bt
167
^ ^
unde:
^
Estimarea parametrilor modelului econometric se realizează cu ajutorul

M.C.M.M.P.:
2
^ ^ n  ^ 
F(log a , b) = ∑  log y t - log y t  = min
t =1  
2
^ ^ n  ^ ^ 
⇒ F(log a , b) = ∑  log y t - log a - b log x t  = min
t =1  
În continuare se folosesc derivatele parţiale:
 ^ ^
∂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
Rezultă sistemul de ecuaţii:
 ^ ^ 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
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
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
^ ^ ^ ^
teoretice (estimate) ale variabilei endogene, y t , cu ajutorul relaţiei: y t = a ⋅ x bt

^ ^
ut = yt − yt
x
Funcţia exponenţială: yt = a · b t · u
unde:
Acest model econometric neliniar se transformă în model liniar prin logaritmare:

log y = log a + x · log b + log u
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
^ ^
unde:
^

M.C.M.M.P.:
2
^ ^ n  ^ 
F(log a , b) = ∑  log y t - log y t  = min
t =1  
2
^ ^ n  ^ ^
⇒ F(log a , b) = ∑  log y t - log a - x t ⋅ log b  = min
t =1  
În continuare se folosesc derivatele parţiale:
 ^ ^
∂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
Rezultă sistemul de ecuaţii:

 ^ ^ n n
 n log a + log b ∑ x t = ∑ log y t
t =1 t =1
 ^ n ^ n n
log a ∑ x + log b ∑ (x )2 = ∑ x ⋅ log y
 t =1
t
t =1
t
t =1
t t
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
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
^ ^
ut = yt − yt
Funcţia de regresie de tip parabolă: Yt = a + bxt + cx2
unde:
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
^ ^
unde:
^
171
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
Se determină estimaţiile parametrilor a, b şi c.
5.4. Ipoteze, teste şi validări ale modelului econometric de

regresie unifactorială
„Ori găsim un drum, ori facem unul” – Hannibal –
Procesul de luare a deciziilor presupune analiza şi interpretarea evidenţelor

oferite de datele pe care le avem la dispoziţie.
Ipotezele apar întotdeauna în perechi: ipoteza nulă şi ipoteza alternativă.
Ipoteza ce urmează a fi testată se numeşte ipoteză nulă şi este notată cu H0. Ea
constă întotdeauna în admiterea caracterului întâmplător al deosebirilor, adică în
presupunerea că nu există deosebiri esenţiale. Respingerea ipotezei nule care este
testată implică acceptarea unei alte ipoteze. Această altă ipoteză este numită
ipoteză alternativă şi este notată cu H1. Procedeul de verificare a unei ipoteze se
numeşte test al ipotezei sau criteriu de semnificaţie. Calitatea unui test este dată de
puterea sa, dar şi de erorile potenţiale de tip/gen I (risc α sau prag de semnificaţie)
şi de tip/gen II (risc β). Pornind de la criteriul maximizării atunci se impun valori
maxime pentru nivelul de încredere al unui test este (1-α) şi pentru puterea sa (1-β)
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.
Verificarea validităţii modelului unifactorial de regresie presupune

parcurgerea următoarelor etape:
I. Testarea validităţii modelului de regresie folosind metoda analizei de varianţă;
II. Calculul raportului de corelaţie şi testarea semnificaţiei lui;
III. Testarea parametrilor modelului de regresie;
IV. Verificarea ipotezelor modelului de regresie.
I. Testarea validităţii modelului de regresie folosind metoda analizei de varianţă

Metoda analizei variaţiei porneşte de la relaţia:
2
 ^ ^ 
∑ (y t − y )
n 2 n  
= ∑  y t − y  +  y t − y t  =
t =1 t =1    
2 2
n ^  n  ^  n ^   ^ 
∑  y t − y  + ∑  y t − y t  + 2∑  y t − y  ⋅  y t − y t 
t =1   t =1   t =1    
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  
V02 = Vx2 + Vu2
Tabel nr. 5.1

Varianţa (suma Gradele de Dispersia corectată Statistica F
Sursa variaţiei pătratelor) libertate (media pătratelor)
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).
II. Calculul raportului de corelaţie şi testarea semnificaţiei lui

Pentru a măsura calitatea ajustării în cazul regresiei liniare unifactoriale se
calculează:
a) Coeficientul de determinaţie (indicator relativ)
b) Abaterea medie pătratică (eroarea standard) a reziduurilor (măsură
absolută a calităţii ajustării pe baza regresiei în eşantion)
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
Coeficientul de determinaţie ia valori în intervalul [0,1] şi poate fi interpretat ca

procentul variaţiei lui y explicată de variaţia variabilei x
Pe baza coeficientului de determinaţie se determină raportul de corelaţie:

R = R2
9 Dacă R→1 legătura dintre X şi Y este puternică
9 Dacă R →0 legătura dintre X şi Y este slabă
b) Abaterea medie pătratică a erorilor în eşantion

n
∑ (y t − ŷ t )
2
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
În testul bilateral, regiunea de respingere a ipotezei H0: b = 0 corespunde unui

interval, divizat în două subintervale delimitate la un capăt de o valoare critică, iar
la celălalt capăt de infinit: (- ∞; valoarea critică inferioară] şi [valoarea critică
superioară; ∞). Valorile critice atât aceea inferioara(Li), cât şi aceea superioară
(Ls) sunt definite de relaţiile: Li = µ(b0) – z (α/2) · σ(b0) şi Ls =µ(b0) + z (α/2) ·
σ(b0)
unde:
µ (b0) este media distribuţiei de selecţie a unei statistici b0;
σ(b0) este eroarea medie de selecţie a statisticii b0;
α este pragul de semnificaţie al testului; fiind un test bilateral se consideră α/2.
Figura nr. 5.1
α/2 α/2 α α
Test bilateral Testul unilateral dreapta Testul unilateral stânga
¾ Test unilateral dreapta sau stânga

H0: b = 0
H1: b > 0 (b < 0)
Dacă avem un eşantion de volum mic se poate aplica testul t

b − µ(b ) b − 0 b
t calc = = =
sb sb sb
Regiunea critică:
9 Pentru testul bilateral: dacă t calc < − t α / 2,n − 2 sau t calc > t α / 2,n −2 se respinge
H0.
9 Pentru testul unilateral dreapta: t calc > t α ,n − 2
9 Pentru testul unilateral stânga: t calc < − t α ,n −2
Intervalul de încredere pentru „b”: b − t α / 2,n − 2 ⋅ s b ≤ b ≤ b + t α / 2,n −2 ⋅ s b
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
¾ Test unilateral dreapta sau stânga

H0: a = 0
H1: a > 0 (a < 0)
Dacă avem un eşantion de volum mic se poate aplica testul t
a − µ(a ) a − 0 a
t calc = = =
sa sa sa
Regiunea critică:
9 Pentru testul bilateral: dacă t calc < − t α / 2,n − 2 sau t calc > t α / 2,n −2 se respinge
H0.
9 Pentru testul unilateral dreapta: t calc > t α ,n − 2
9 Pentru testul unilateral stânga: t calc < − t α ,n −2
Intervalul de încredere pentru „a”: b − t α / 2,n − 2 ⋅ s b ≤ a ≤ b + t α / 2,n −2 ⋅ s b
Dacă avem un eşantion de volum mare se poate aplica testul z

a − µ(a ) a − 0
z calc = =
sa sa
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”:
176
b − zα / 2 ⋅ sb ≤ a ≤ b + zα / 2 ⋅ sb
IV. Verificarea ipotezelor modelului de regresie.

a) Variabilele x şi y nu sunt afectate de erori de măsură
Această ipoteză se poate verifica cu regula celor 3 sigma, regulă care constă în
verificarea următoarelor relaţii:
( )
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.
b) Ipoteza de homoscedasticitate a variabilei reziduale (variabila aleatoare u este de

^
medie nulă M( u ) = 0, iar dispersia ei S 2^ este constantă şi independentă de x)
u
Pe baza acestei ipoteze se poate admite că legătura dintre Y şi X este relativ stabilă.
Acceptarea ipotezei se poate face prin intermediul mai multor procedee:
9 Procedeul grafic - care constă în construirea corelogramei privind valorile
variabilei factoriale x şi ale variabilei reziduale u. Dacă, pe măsura creşterii
(scăderii) valorilor variabilei factoriale x, se observă o creştere (scădere) a
valorilor variabilei reziduale u, înseamnă că cele două variabile sunt corelate şi
nu independente.
9 Acceptarea sau respingerea ipotezei de homoscedasticitate cu ajutorul analizei
variaţiei
9 Calculul coeficientului de corelaţie
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.
c) Valorile variabilei reziduale u sunt necorelate (nu există fenomenul de

autocorelare a erorilor)
Acceptarea sau respingerea acestei condiţii se poate face cu:
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.
9 Coeficientul de autocorelaţie de ordinul 1

n ^ ^
∑ u t ⋅ u t −1
t =2
r1 =
n ^2
∑ ut
t =1
Coeficientul de autocorelaţie ia valori în intervalul [-1,1] şi are următoarea

semnificaţie:
r1 = -1 autocorelare strict negativă
r1 = 0 independenţă
r1 = 1 autocorelare strict pozitivă
d) Legea de probabilitate a variabilei reziduale ut este legea normală, de medie nulă

şi abatere medie pătratică σu, ut → N(0, σu)
Dacă erorile urmează o lege normală de medie zero şi de abatere medie pătratică
S ^ atunci:
u
^ 
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
Verificarea semnificaţiei estimatorilor constă în a accepta sau a respinge,

una din cele două ipoteze:
a = 0 a ≠ 0
H0 :  şi H1 : 
b = 0 b ≠ 0
În acest scop se aplică testul t care constă în compararea unor valori calculate, t 1c şi
t c2 , cu o valoare teoretică: tα variabilă normală, dacă n>30 şi cu tα; n-(k+1) variabilă
Student, dacă n≤30.
^ ^
a b
t 1c = şi t c2 =
S^ S^
a b
În funcţie de cele două valori, tc şi tα;υ, decizia testului este:

t 1c ≤ t α;ν
dacă:  se acceptă ipoteza nulă, H0, deci estimatorii nu sunt
t c ≤ t α;ν
2
semnificativ diferiţi de zero, deci se poate renunţa la ei şi la model;
179
t 1c > t α;ν
dacă:  se acceptă ipoteza H1, deci modelul a fost corect specificat.
t c > t α;ν
2
Estimarea intervalelor de încredere a parametrilor:
^ ^ 
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
Parametrii a şi b sunt semnificativ diferiţi de zero dacă:
 ^   ^ 
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 
Previziuni cu modelul econometric al regresiei unifactoriale

Abaterea medie pătratică a erorii de previziune se determină conform relaţiei:
1 ( xn +1 − x ) 2
σˆyˆ n +1 = σˆ ε + +1
n n
∑ ( xt − x )
t =1
2
Rezultă intervalul de încredere IC al variabilei y la n+1:
α /2 1 ( xn +1 − x ) 2
ICyn +1 = yˆ n +1 ± t n − 2 ⋅ σˆ ε + +1
n ∑ ( xt − x ) 2
t
5.5. Un exemplu practic de model econometric de regresie unifactorială

„Libertatea nu merită să fie obţinută dacă ea nu include libertatea de a greşi.”
– Mahatma Gandhi –
Puterea unui exemplu transformă un simplu exerciţiu într-o informaţie gata

însuşită. Excelenţa modelării, nu este altceva decât obişnuinţa de a o exersa.
Se cunosc următoarele date privind formarea brută de capital fix (FBCF)şi
produsul intern brut (PIB), exprimate în mil. lei preţuri curente, precum şi dinamica
lor reală, în România, între 2000 şi 2007.
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
Trecerea de la preţuri curente la preţuri comparabile se face cu:

FBCFi*
I FBCF = ⇒ FBCFi* = I FBCF ⋅ FBCF0 pentru formarea brută de
FBCF0
capital fix;
PIB*i
I PIB
= ⇒ PIB*i = I PIB ⋅ PIB0 pentru produsul intern brut
PIB 0
a) Modelul econometric ce descrie legătura dintre PIB şi FBCF
Vom folosi următoarele notaţii:

y = valorile reale ale variabilelor dependente (variabila rezultativă, endogenă),
formarea brută de capital fix;
x = valorile reale ale variabilelor independente (variabila factorială, exogenă),
produsul intern brut, respectiv factorul considerat prin ipoteza de lucru cu influenţa
cea mai puternică asupra variabilei y.
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.
Pasul 1: Se creează foaia de lucru folosind comanda: File/New/Workfile.
Se alege frecvenţa
anuală a datelor
primul an ultimul an
Pasul 2: Se introduc seriile de date prin import din Excel: Procs/Import/Read

Text_Lotus_Excel
datele sunt ordonate pe
coloane numele foii de lucru din
Excel
poziţia din stânga sus din

pagina Excel din care începe
citirea seriilor de date
numele sau numărul seriilor
de date ce vor fi importate
182
Pasul 3: Se realizează corelograma View/Graph/Scatter/Scatter with Regression
În urma reprezentării grafice a distribuţiei punctelor empirice se constată că aceasta

poate fi aproximată cu ajutorul unei funcţii neliniare, respectiv funcţia
exponenţială. Modelul econometric care descrie legătura dintre cele două variabile
se transformă într-un model neliniar unifactorial: y = a ⋅ b x ⋅ u .
Acest model neliniar se transformă în model liniar prin logaritmare: ln y = ln a + x
ln b + ln u
b) Estimarea parametrilor modelului econometric
M.C.M.M.P.
Pasul 1. Se selectează cele două variabile
183
Pasul 2. Se defineşte ecuaţia de regresie
Pasul 3. Rezultatele estimării, utilizând pachetul de programe EViews sunt

următoarele:
Semnificaţia indicatorilor pe care-i calculează pachetul de programe EViews este

următoarea:
^
Abaterea medie pătratică a estimatorului log a : S ^ = 0,1395 şi
log a
^
abaterea medie pătratică a estimatorului log b : S ^ = 0,00000139
log b
184
^
Probabilitatea asociată parametrului a este p = 0 şi respectiv a
^
parametrului b este p = 0
O valoare cât mai apropiată de zero a acestei probabilităţi va indica o

semnificaţie ridicată a parametrului respectiv, în caz contrar, aceasta confirmând,
împreună cu testul t, faptul că parametrul respectiv este nesemnificativ
^
Valoarea calculată a testului t pentru estimatorul log a este t 1c =
^
56,60015 şi pentru estimatorul log b este t c2 = 15,21967.
Adjusted Rsquared este coeficientul de determinare corectat sau

ajustat. Acesta este utilizat în vederea evidenţierii numărului de
variabile factoriale cuprinse în model, precum şi a numărului de
observaţii pe baza cărora au fost estimaţi parametrii modelului. În
cazul unui model multifactorial acesta va înregistra valori inferioare
coeficientului de deteminaţie. R c2 = 0,970543
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 =
13,18953
Mean dependent var este media variabilei dependente sau endogene
y = 10,00079
S.D. dependent var este abaterea medie pătratică (standard)
corespunzătoare variabilei dependente Sy = 0,313057
Akaike info criterion este criteriul Akaike este utilizat în cazul
comparării a două sau mai multe modele econometrice. Regula de
decizie utilizată în cazul aplicării acestui test este aceea potrivit căreia
este ales acel model econometric pentru care s-a obţinut valoarea cea
mai mică corespunzătoare acestui indicator. AIC = -2,797384
Schwarz criterion este criteriul Schwartz utilizat pentru a compara
două sau mai multe modele econometrice. Şi în acest caz, este ales acel
model econometric pentru care s-a obţinut valoarea cea mai mică
corespunzătoare acestui indicator. SC = -2,777523
F-statistic este valoarea calculată a testului F. Fc = 231,6383
Durbin-Watson stat este variabila Durbin-Watson, d = 1,255030
Prob(F-statistic) este probabilitatea asociată statisticii F. O valoare cât
mai apropiată de zero a acestei probabilităţi va indica o semnificaţie
ridicată a rezultatelor estimării, respectiv a modelului. p = 0,000005
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 .
În continuare sunt prezentate valorile reale şi cele estimate ale caracteristicii y,

respectiv valorile variabilei reziduale şi graficul seriei.
Pe baza rezultatelor estimării afişate de programul EViews rezultă modelul:

log yt = 7,897 + 0,0000212 ·xt
(0,1395) (0,00000139)
Verificarea semnificaţiei modelului presupune:

I. verificarea ipotezei de independenţă a erorilor;
II. verificarea ipotezei de homoscedasticitate a erorilor;
III. verificarea ipotezei de normalitate a erorilor;
IV. verificarea semnificaţiei estimatorilor;
V. verificarea semnificaţiei raportului de corelaţie.
I. Verificarea ipotezei de independenţă a erorilor se realizează cu ajutorul

testului Durbin-Watson, constând în calcularea variabilei d şi compararea sa cu
două valori teoretice d1 şi d2 (d1 = 1,08 şi d2 = 1,36) preluate din tabela distribuţiei
Durbin-Watson în funcţie de un prag de semnificaţie α (α = 0,05), de numărul
variabilelor explicative k (k = 1) şi de numărul observaţiilor n.
Deoarece d1 < d < d2 indecizie, recomandându-se acceptarea autocorelării pozitive.
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
Pasul 3. Se introduce ecuaţia:
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.
II. Verificarea ipotezei de homoscedasticitate a erorilor
Verificarea ipotezei de homoscedasticitate a erorilor se va realiza cu ajutorul

testului White.
Din meniul ferestrei în care sunt afişate rezultatele procesului de estimare se

alege comanda: View/Residual Tests/White Heteroskedasticity
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.
III. Verificarea ipotezei de normalitate a erorilor

Verificarea ipotezei de normalitate a erorilor se va realiza cu ajutorul testului
Jarque-Berra.Din meniul ferestrei în care sunt afişate rezultatele procesului de
estimare se alege comanda: View/Residual Tests/Histogram-Normality Test
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;
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;
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.
5. 7. Note şi referinţe bibliografice
[1] Andrei, T., (2003), Statistică şi econometrie Ed. Economică, Bucureşti.

[2]Andrei, T., Stancu, S.,Pele, D., (2002), Statistică.Teorie şi aplicaţii,Ed.II,Ed.Economică, Bucureşti
[3] Andrei, T, Stancu, S, Iacob, AI, Tuşa E, (2008), Introducere în econometrie utilizând Eviews, Ed.
Economică, Bucureşti.
[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] *** Anuarul Statistic al României, 2006- 2008, ED. INS, Bucureşti.
[10] *** Raport Asupra Inflaţiei, Caiete de Studii, nr. 1/2008, BNR
[11] *** Raport Anual 1999 - 2009, BNR
[12] *** Buletin Statistic de Preţuri 1999 - 2009, INSE
[13] *** Buletin Statistic Lunar 1999 – 2009, INSE
[14] *** Buletin Lunar 1999 – 2009, BNR
191
CAPITOLUL VI
IDENTIFICARE, SPECIFICARE, PARAMETRIZARE ŞI
TESTARE ÎN MODELUL ECONOMETRIC DE REGRESIE
MULTIFACTORIALĂ
„Trecutul e maleabil si flexibil, schimbător pe măsură ce memoria noastră

interpretează şi re-explică ceea ce s-a întâmplat.” – Peter Berger –
Sinteza interogativă şi sumarul capitolului

Noile date sau informaţiile recente introduse în bazele de date cu ajutorul cărora s-au
construit modelele econometrice de regresie unifactorială conduc la concluzii privind
necesitatea schimbării numărului de variabile exogene sau de factori explicativi pe care
acesta îi conţinea iniţial. Mai devreme sau mai târziu modele unifactoriale se alterează
sau previziunile lor prezintă erori tot mai mari sau variabila reziduală printr-un
comportament anormal al distribuţiei sale impune regândirea întregului fenomen. Prin
urmare o primă apariţie a modelului econometric de regresie multifactorială este dictată
de ameliorarea sau dezvoltarea modelului unifactorial y = f(x)+u sau y = f(x)+ε se
transformă treptat în y = f(x1,x2,…,xn)+u sau y = f(x1,x2,…,xn)+ε. Modelul econometric
de regresie multifactorială reprezintă în practică o iteraţie sau o reluare succesivă şi
selectivă de modele unifactoriale, care poate aduce însă cu sine o altă formă de viciere
prin fenomenul de multicolinearitate. Excesul factorial este compensat în acest tip de
modelare prin adagiul latin „non multa, sed multum”, selectarea adevăratelor variabile
cu determinaţie majoră în variaţia variabilei endogene fiind mai importantă decât
simpla multiplicare a acestora şi supraaglomerarea modelului (din toate punctele de
vedere, atât ca multiplicări de surse de date, cât şi ca testări, validări etc). Este oare
modelul econometric de regresie multifactorială soluţia optimă a modelării sau doar o
alternativă pentru lipsa unui factor determinant sau pentru influenţe oscilante şi
compensatorii ale unor factori secundari? Are modelul de regresie multifactorială o
acoperire explicativă şi de previziune mai bună în oricare dintre fenomenele economice
analizate? Un număr restrâns de subcapitole încearcă să răspundă acestor interogaţii.
6.1.Gândirea statistică şi definirea succesivă a modelului de regresie multifactorială
6.2.Specificarea şi identificarea modelului econometric de regresie multifactorială
6.3.Estimări ale parametrilor în modelul econometric de regresie multifactorială
6.4.Ipoteze, teste şi validări ale modelului econometric de regresie multifactorială
6.5.Un exemplu practic de model econometric de regresie multifactorială
6.7.Note şi referinţe bibliografice
Cuvinte cheie: modelul econometric de regresie multifactorială, fenomen

de multicoliniaritate, ipotezele modelului de regresie.
Obiective: formarea capacităţii de a construi prin iteraţii modele
econometrice de regresie multifactorială din modele unifactoriale,
dezvoltarea unor abilităţi de a depista fenomenul de multicoliniaritate
(situaţia în care variabilele exogene ale modelului econometric sunt
corelate puternic), precum şi de a-l ameliora sau atenua într-o cât mai
mare măsură.
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 –
Modelul de gândire constituie deci un model de aproximare cognitivă a

realităţii economice complexe şi aparent infinite în care trăim. Cu cât modelul de
gândire este mai puternic, cu atât aproximarea este mai bună şi înţelegerea
complexităţii lumii economice înconjurătoare este mai profundă, mai plină de
semnificaţii, mai bună.
Modelul liniar de gândire[1] un model simplu, cu un grad destul de redus de
aproximare a fost preferat altor modele o lungă perioadă de timp, el deţinând
informaţional calitatea de a exprima „multum in parvo” conform perceptului lui
Pitagora: „Nu spuneţi puţin în multe cuvinte, ci mult în puţine cuvinte”. Matematic
şi astăzi liniarizăm, aproximând o linie curbă neliniară cu o linie dreaptă sau cu
segmente de dreaptă. Simplitatea modelului de regresie liniară a condus la folosirea
lui aproape universală, secole de liniaritate definind societăţi de gândire şi
modelare liniară, în care marea majoritate a fenomenelor şi proceselor au fost
uniformizate şi liniarizate. Rezultatul acestei lungi liniarizări a comis în final o
transformare atât de spectaculoasă, în gândirea ştiinţifică, încât mulţi dintre
cercetători nici nu au dorit să mai facă efortul să înţeleagă realitatea, care a fost
astfel substituită cu un surogat liniarizat, considerând în mod eronat că rezultatul
liniarizării este realitatea însăşi. Cel mai bun exemplu al acestui raţionament este
modelul clasic econometric al elasticităţii, model ce a epuizat gândirea statistică
aproape un secol. Desigur că gândirea statistică nu s-a oprit din măsurarea
fenomenelor economice, din activitatea care o alătura celorlalte ştiinţe numite
„metrii” pasionate de propria „metrică”. Diversitatea unităţii de măsură a complicat
fenomenele şi procesele investigate.
Dacă se face referire la profitabilitatea unui fenomen economic, atunci
„metrica” folosită de gândirea statistică, pornind de la realitatea diversificată a
instrumentelor de măsură, a multiplicat şi relaţiile dintre ele (liră sterlină, dolar,
marcă, leu etc. iar mai recent euro, dar şi relaţiile continui dintre acestea sau
formele de transformare) prin procese simple de liniarizare a legăturilor dintre
principalele unităţi de măsură simplificând înţelegerea economiei în ansamblu. În
teoria sondajului, gândirea statistică a inferenţiat liniar prin interval de încredere,
iar în cercetarea de piaţă sau marketing a valorificat o metrică a procentelor prin
care a încercat să exprime în mod relativ ierarhii, structuri, opinii, comportamente.
Marea majoritate a metricilor gândirii clasice statistice sunt metrici liniare simple
unifactoriale, respectiv, au la bază relaţii matematice liniare de tipul Y = a + b X.
Complexitatea fenomenului economic a crescut însă în mod continuu şi a
impus o gândire multifactorială. Dacă se are în vedere numai modelul negocierii ca
fenomen economic se constată că nu poate fi abstractizată printr-un model de
gândire liniar unifactorial, ci modelul ei econometric se va apropia tot mai mult de
multifactorialitate şi neliniaritate, devenite sinonime ale complexităţii lumii
economice contemporane. Dar gândirea statistică multifactorială, neliniară şi
probabilistică este ceva mai complicată şi necesită o altfel de educaţie încă din
şcoală şi până în universitate, rolul gândirii econometrice fiind tocmai acesta de a
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.
6.2. Specificarea şi identificarea modelului econometric de regresie

multifactorială
„Nu lucrurile sunt greu de făcut, ci greu este să intri în starea de a le face.”
– Constantin Brâncuşi –
Prin specificarea unui model econometric se stabilesc ecuaţiile şi

elementele componente ale acestuia.
Modelul multifactorial se defineşte prin următoarea relaţie: y = f(xj) + u
unde:
y – variabila endogenă, dependentă sau explicată;
xj – variabile exogene, independente sau explicative, j = 1, k , k numărul
variabilelor exogene;
u – variabila reziduală, aleatoare sau eroare;
f(xj) – funcţia de regresie cu ajutorul căreia vor fi estimate valorile variabilei y.
Identificarea modelului econometric constă în alegerea unei funcţii

matematice care descrie relaţia dintre variabila endogenă y şi factorii săi de
influenţă.
Alegerea funcţiei de regresie multifactoriale se face prin utilizarea mai
multor tipuri de funcţii de regresie şi se decide care este modelul cel mai
performant.
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
logaritmul: logyt = logb0 + b1logx1t + b2 logx2t + ...+ bk logxkt

x x x
9 funcţia exponenţială: y t = b 0 ⋅ b1 1t ⋅ b 2 2 t ⋅ K b k k t ; se liniarizează funcţia
folosind logaritmul: logyt = logb0 + x1tlog b1 + x2tlogb2+ ...+ xktlogbk
6.3. Estimări ale parametrilor modelului econometric de regresie

multifactorială
„Ceea ce merită să fie făcut merită să fie bine făcut.” – Nicolas Poussin –
Forma generală a unui model multifactorial se prezintă astfel:

yt = b0 + b1x1t + b2x2t + ...+ bkxkt + ut
unde:
t = 1, n ; n este numărul de termeni ai seriei statistice
j = 1, k ; k este numărul de variabile exogene
Coeficienţii de regresie (b1, b2, …, bn) măsoară influenţa fiecăreia dintre
cele n caracteristici factoriale asupra rezultativei y.
Analitic se scrie:
b 0 + b1 x 11 + b 2 x 12 + ... + b k x 1k + u 1 = y1
b + b1 x 21 + b 2 x 22 + ... + b k x 2 k + u 2 = y 2
 0
b 0 + b1 x 31 + b 2 x 32 + ... + b k x 3k + u 3 = y 3
M

b 0 + b1 x n1 + b 2 x n 2 + ... + b k x nk + u n = y n
Vom nota cu:
 y1 
 
y 
Y =  2  este vectorul variabilei endogene yt;
M
 
y 
 n
1 x 11 L x 1k 
 
1 x 21 L x 2 k 
X=  este matricea variabilelor exogene
L
 
1 x L x 
 n1 nk 
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
Parametrii modelului econometric multifactorial pot fi estimaţi prin intermediul

metodelor:
a) metoda punctelor empirice;
b) metoda punctelor medii;
c) metoda celor mai mici pătrate;
d) metoda verosimilităţii maxime
Cea mai utilizată metodă de estimare a parametrilor modelului econometric

este metoda celor mai mici pătrate care constă în minimizarea funcţiei:
) ) 2 ) 2
() ) 2
( ) (
F B = min ∑ (y t − y t ) = min Y − Y = min Y − X ⋅ B = )
( ) '
)( )
) (
) )
( ) ( ))
)
= min Y − XB Y − XB = min Y ' Y − 2B ' X ' Y + B ' X ' X B
)
Se derivează în funcţie de B şi rezultă:
)
()
∂F B
( ) ( ) ) )
( )
) = 0 ⇒ −2 X ' Y + 2 X ' X B = 0 ⇒ X ' X B = X ' Y
∂B
( )
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.
I. Estimarea parametrilor modelului econometric folosind matricea

varianţelor şi a covarianţelor
Se consideră modelul econometric: y t = b 0 + b1 x 1t + b 2 x 2 t + u t

Se însumează termenii seriei şi se împarte la numărul de termeni, n:
n n n n
∑ yt ∑1 ∑ x 1t ∑ x 2t
t =1 t =1 t =1 t =1
= b0 + b1 + b2 ⇒ y = b 0 + b1 x 1 + b 2 x 2
n n n n
Se scad cele două ecuaţii şi obţinem:
( )
y t − y = b1 x 1t − x 1 + b 2 x 2 t − x 2 + u t ( )
Folosind notaţiile: y *t = y t − y ; x 1*t = x 1t − x 1 ; x *2 t = x 2 t − x 2
modelul construit pe baza abaterilor variabilelor de la medie devine:
y *t = b1 x 1*t + b 2 x *2 t + u t
iar valorile ajustate ale variabilei endogene pot fi determinate cu:
) ) )
y *t = b1 x 1*t + b 2 x *2 t
Pentru estimarea parametrilor acestui model econometric se foloseşte metoda celor

mai mici pătrate:
) )
( ) )
F b1 , b 2 = ∑ y *t − y *t ( ) 2 )
( )
= min ⇒ ∑ y *t − b1 x 1*t − b 2 x *2 t )
2
= min
Se aplică derivatele parţiale asupra funcţiei:

) )
(
 ∂F b1 , b 2 ) ) )
(
= 0 ⇒ 2∑ y *t − b1 x 1*t − b 2 x *2 t − x 1*t = 0 )( )
 )
 ∂ b1 ( )
 ) )
( ) (
 ∂F b)1 , b 2 = 0 ⇒ 2 y * − b) x * − b) x * − x * = 0
∑ t 1 1t 2 2 t )( )
 ∂b
 2 ( ) 2t
Se desfac parantezele şi se atribuie semnul de sumă fiecărui termen:
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
Matricea varianţelor şi a covarianţelor este:

 σ 2y cov(y, x 1 ) cov(y, x 2 ) L cov(y, x k ) 
 
 cov(x , y ) σ 2 cov(x 1 , x 2 ) L cov(x 1 , x k ) 
 1 x1

V =  cov(x 2 , y ) cov(x 2 , x 1 ) σ 2x 2 L cov(x 2 , x k )
 
LLLL 
 
 cov(x k , y ) cov(x k , x 1 ) cov(x k , x 2 ) L σ x k
2

 
) ) ∆j
Estimatorii b j se calculează cu relaţia: b j =
∆
unde:
∆j este determinantul matricei varianţelor şi covarianţelor din care se elimină linia y
şi coloana xj;
∆ este determinantul matricei varianţelor şi covarianţelor din care se elimină linia y
şi coloana y.
II. Estimarea parametrilor modelului econometric folosind matricea

coeficienţilor de corelaţie liniară
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
Se aplică derivatele parţiale şi obţine:

) )
(
 ∂F b1 , b 2 ) ) n
( )
2 ) n n
= 0 ⇒ b1σ x1 ∑ x 1*t + b 2 σ x 2 ∑ x 1*t x *2 t = σ y ∑ y *t x 1*t
 )
 ∂ b1 ( ) t =1 t =1 t =1
 ) )
( )
 ∂F b)1 , b 2 = 0 ⇒ b) σ n x * x * + b) σ n x * 2 = σ n y * x * ( )
1 x1 ∑ 1t 2 t 2 x2 ∑ y ∑ t 2t
 ∂b
 2( ) t =1 t =1
2t
t =1
∑ y *t x *tj
Coeficientul de corelaţie este: ry / x j = iar rx j / x j = 1
nσ y σ x j
Folosind coeficientul de corelaţie, sistemul de ecuaţii devine:

) )
b1σ x + b 2 σ x rx x = σ y ryx
1 2 1 2 1
) )
b1σ x1 rx1x 2 + b 2 σ x 2 = σ y ryx2
Matricea coeficienţilor de corelaţie liniară simplă a variabilelor este:
1 ryx1 ryx2 L ryxk 
 
 rx y 1 rx1x 2 L rx1x k 
R = 1 
L 
r 
 x k y rx k x1 rx k x 2 L1 
) ) ∆j
Estimatorii b j se determină cu relaţia: b j =
∆
unde:
∆j este determinantul matricei R din care se elimină linia y şi coloana xj;
∆ este determinantul matricei R din care se elimină linia y şi coloana y.
200
6.4. Ipoteze, teste şi validări ale modelului econometric de regresie
multifactorială
„Nu am văzut niciodată o problemă care să nu poată fi rezolvată cu o oră de citit.”

– Charles-Louis de Secondat (Montesquieu) –
Aplicarea metodei celor mai mici pătrate constă în verificarea următoarelor

ipotezele:
a) variabilele modelului econometric nu sunt afectate de erori de măsură;
b) ipoteza de homoscedasticitate (variabila reziduală este de medie nulă M(u1) =
M(u2) = ...= M(un) = 0 iar dispersia ei σ 2u este constantă şi independentă de
variabilele exogene xj);
c) valorile variabilei reziduale sunt independente, adică nu există fenomenul de
autocorelare a erorilor cov(u1,un)=0;
d) legea de probabilitate a variabilei reziduale este legea normală de medie zero şi
de abatere medie pătratică σu;
e) variabilele exogene xj sunt independente între ele.
Verificarea semnificaţiei modelului presupune:

9 verificarea ipotezelor de aplicare a metodei celor mai mici pătrate;
9 verificarea semnificaţiei estimatorilor;
9 verificarea verosimilităţii modelului;
9 verificarea semnificaţiei raportului de corelaţie.
6.5.Un exemplu practic de model econometric de regresie

multifactorială
„La ce bun să lucrezi după model ?...” – Constantin Brâncuşi –
Calitatea şi utilitatea exemplelor este derivată şi din posibilitatea de a fi

considerate ele însele modele practice. Iată un exemplu de modelare econometrică
multifactorială practică a principalului rezultat al economiei naţionale pornind de la
datele oferite de Institutul Naţional de Statistică (INS) pe site-ul http://www. ins.ro:
Tabel nr. 6.1
ANUL Impozite directe Impozite indirecte PIB
1994 51,36 42,53 310,18
1995 49,20 47,44 315,82
1996 46,44 48,93 319,11
1997 46,80 44,56 325,77
1998 33,79 56,48 336,40
1999 28,49 62,70 346,59
2000 26,15 68,91 360,63
2001 27,12 61,88 367,15
2002 27,56 61,44 371,25
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:
Descrierea econometrică a legăturii dintre cele trei variabile, y – PIB; x1 –

impozitele directe; x2 – impozitele indirecte, se poate face cu ajutorul a trei modele:
1. Modelul unifactorial: y t = f(x1 t ) + u 1t explică variaţia PIB pe seama
impozitelor directe;
2. Modelul unifactorial: y t = f(x 2 t ) + u 2 t explică variaţia PIB pe seama
impozitelor indirecte;
3. Modelul multifactorial: y t = f(x 1 t , x 2 t ) + u 4 t , explică variaţia PIB pe seama
celor doi factori.
Identificarea funcţiilor de regresie a primelor trei modele se realizează cu
ajutorul reprezentării grafice a variabilei y în funcţie de celelalte trei variabile
factoriale x1 şi respectiv x2.
Pasul 1: Se creează foaia de lucru folosind comanda: File/New/Workfile.
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
poziţia din stânga sus din

pagina Excel din care începe
citirea seriilor de date
numele sau numărul seriilor

de date ce vor fi importate
Pasul 3: Se realizează corelograma View/Graph/Scatter/Scatter with Regression
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
M.C.M.M.P.
204
următoarele:
Semnificaţia indicatorilor pe care-i calculează pachetul de programe EViews este

următoarea:
^
Abaterea medie pătratică a estimatorului log a : S ^ = 0,093 şi
log a
^
abaterea medie pătratică a estimatorului log b : S ^ = 0,027
log b
^
Probabilitatea asociată parametrului log a este p = 0 şi respectiv a
^
parametrului log b este p = 0
O valoare cât mai apropiată de zero a acestei probabilităţi va indica o
semnificaţie ridicată a parametrului respectiv, în caz contrar, aceasta confirmând,
împreună cu testul t, faptul că parametrul respectiv este nesemnificativ
^
Valoarea calculată a testului t pentru estimatorul log a este t log a)1 =
^
72,4197 şi pentru estimatorul log b este t log b) = -9,566.
1
Adjusted Rsquared este coeficientul de deteminare corectat sau ajustat.

Acesta este utilizat în vederea evidenţierii numărului de variabile
factoriale cuprinse în model, precum şi a numărului de observaţii pe baza
cărora au fost estimaţi parametrii modelului. În cazul unui model
multifactorial acesta va înregistra valori inferioare coeficientului de
determinaţie. R c2 = 0,8916
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
Mean dependent var este media variabilei dependente y =5,85

S.D.dependent var este abaterea medie pătratică (standard)
corespunzătoare variabilei dependente Sy = 0,08
Akaike info criterion este criteriul Akaike este utilizat în cazul
comparării a două sau mai multe modele econometrice. Regula de decizie
utilizată în cazul aplicării acestui test este aceea potrivit căreia este ales
acel model econometric pentru care s-a obţinut valoarea cea mai mică
corespunzătoare acestui indicator. AIC = -4,28
Schwarz criterion este criteriul Schwartz utilizat pentru a compara două
sau mai multe modele econometrice. Şi în acest caz, este ales acel model
econometric pentru care s-a obţinut valoarea cea mai mică
corespunzătoare acestui indicator. SC = -4,20
F-statistic este valoarea calculată a testului F. Fc = 91,51
Durbin-Watson stat este variabila Durbin-Watson, d = 1,039
Prob(F-statistic) este probabilitatea asociată statisticii F. O valoare cât
mai apropiată de zero a acestei probabilităţi va indica o semnificaţie
ridicată a rezultatelor estimării, respectiv a modelului. p = 0,000002
Pe baza estimatorilor parametrilor au fost calculate valorile estimate ale variabilei
) ) )
y, log y t = 6,74 – 0,25 ·xt şi ale variabilei reziduale u t = y t − y t .
În continuare sunt prezentate valorile reale şi cele estimate ale caracteristicii y,
respectiv valorile variabilei reziduale şi graficul seriei. View/Actual, Fitted,
Residual/Actual, Fitted, Residual Table
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
M.C.M.M.P.
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:
În vederea verificării ipotezei de independenţă a erorilor se calculează

valoarea variabilei Durbin-Watson: d =1,012.
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 = 1,012 < d2 = 1,36 rezultă indecizie, recomandându-se
acceptarea autocorelării pozitive.
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

un prag de semnificaţie de 5%, Fc = 36,497 > F0,05;1;10 = 4,96
Se constată că Fc = 36,497 > 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 = 4,1269 + 0,4282 ·logx2t
(0,286) (0,071)
3) Model econometric multifactorial privind dependenţa PIB de impozitele

indirecte şi directe.
b1
Estimarea parametrilor modelului multifactorial, y t = b 0 ⋅ x ⋅ x b 2 ⋅ u 3t
1t 2t
Pasul 1. Se selectează cele trei variabile

următoarele:
209
)
Valorile estimate ale variabilei logyt şi ale variabilei reziduale log u 3 t sunt:
Valorile teoretice ale PIB rezultă deci din relaţia:

)
log y 3 t = 7,87 − 4,19 log x 1 t − 0,33 log x 2 t
(1,11) (1,10) (0,19)
Pentru testarea ipotezei de independenţă a erorilor se calculează valoarea
variabilei Durbin-Watson: d =1,3895.
Pentru un prag de semnificaţie α = 0,05, din tabela distribuţiei Durbin-
Watson se preiau valorile pentru cazul n=12, k=2 – numărul variabilelor explicative
d1 = 0,95 şi d2 = 1,36.
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
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
1. Care este semnificaţia multicolinearităţii în modelul de regresie multifactorială?

2. Care este forma modelului clasic de regresie multiplă liniară?
3. Enumeraţi ipotezele regresiei multiple liniare.
4. În ce constă ipoteza de homoscedasticitate?
5. În ce constă ipoteza de normalitate a distribuţiei?
6. Care este metodologia de parametrizare a funcţiei de regresie multifactorială?
7.Care este forma matriceală a sistemului de ecuaţii utilizat pentru estimarea
parametrilor de regresie?
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
[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
„Practica ar trebui să fie produsul reflecţiei, nu invers.”

– Hermann Hesse –

Modelul econometric nu este sinonim cu un remediu universal al situaţiilor
sau evenimentelor critice în evoluţia unor fenomene economice şi nici nu are
pretenţii de instrument perfect de anticipare a viitorului într-o economie. Ceea
ce poate însă face şi o face totdeauna corect este să aprofundeze cunoaşterea
şi evoluţiile în timp şi spaţiu a unui fenomen economic. Modelul econometric
urmăreşte şi evoluţiile longitudinale sau temporale cu mare atenţie, dar mai
ales cu gândul la îmbunătăţirea predicţiei acestora. În condiţiile cunoaşterii
modelatoare a fenomenelor economice constituie timpul şi derivata statistică
ce îl ia în calcul, denumită serie cronologică, un interes aparte justificat? Ce
accepţiuni noi pot primi şi ce impact pot deţine în modelarea econometrică
componentele statistice ale seriei cronologice şi care va fi competitivitatea
acestor noi modele de predicţie? Cât de utile se dovedesc în practică noi
metodologii precum cele de tip Box-Jenkins sau modelele liniare de serii
temporale, respectiv axate pe procese de tip ARIMA? Modelul şi modelarea
econometrică s-au extins treptat în multe domenii micro sau macroeconomice,
dar există şi multe alte areale încă nestructurate sau mai puţin accesate. Ca o
deficienţă de fond a modelelor econometrice contemporane se constată o mai
slabă acoperire a tipului de areal ce implică o modelare de tip mezoeconomic
sau mezoteritorial în stare să surprindă tranziţia de la micro la macro sau de la
individual la global. Este oare posibil ca un bazin hidrografic sau un areal
ecologic alterat să fie accesat printr-un model econometric structural, e drept
mai limitat, dar relativ acceptabil prin nivelul de eroare (sub3-5%)? Oare sunt
necesare dezvoltări ale modelelor de tip mezo (economic, comportamental,
teritorial etc.) în contextul interdependenţelor şi convergenţei economice ca
tendinţe majore? Etapele modelărilor specifice sunt descrise teoretic şi practic
în subcapitolele ce alcătuiesc conţinutul succint ce urmează:
7.1. Modelarea econometrică a seriei cronologice
7.2. Modele mezoeconometrice
Cuvinte cheie: model mezoeconomic, model mezoteritorial,

modele ARIMA, metodologie Box-Jenkins.
Obiective: perceperea corectă a influenţei componentelor
generale sau tendenţiale, ciclice sau sezonale, aleatoare sau
perturbatoare în construcţia modelul econometric axat pe serii
de date cronologice, identificarea şi însuşirea unor soluţii
practice de modelare la nivel mezoeconomic şi mezoteritorial.
213
7.1. Modelarea econometrică a seriei cronologice
„Cărţile sunt cei mai tăcuţi şi constanţi prieteni şi cei mai răbdători
profesori.” – Charles W. Eliot –
7.1.1. Serii de timp. Aspecte teoretice

Seria temporală este formată din două şiruri de date ale căror
termeni sunt puşi în corespondenţă. Primul şir exprimă valorile
convenţionale ale variabilei timp, iar al doilea exprimă valorile variabilei
statistice a cărei evoluţie se urmăreşte, valori corespunzătoare fiecărei
unităţi de timp. În concordanţă cu această definiţie o serie de timp se
prezintă sub forma:X = (x 1 , x 2 , ..., x n ), unde: x i sunt valorile variabilei
pentru fiecare moment sau interval de timp.
În general vom numi serie de timp o aplicaţie de forma:
ϕ : T → S cu x t = ϕ(t ) , unde:
T reprezintă momentul/perioada de timp, iar S descrie starea sistemului
măsurat pentru unul sau mai mulţi parametrii.
În cazul unui singur parametru, S desemnează câmpul de valori pentru
indicatorul analizat iar seria de timp prezintă forma generală: (x t ), t = 1, T
În alcătuirea şi analiza seriilor cronologice, trebuie avute în vedere
proprietăţile variabilei a cărei evoluţie este analizată: variabilitatea,
omogenitatea, succesiunea în timp şi interdependenţa termenilor.
Figura nr.7.1
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.
F Sezonalitatea se manifestă ca oscilaţii periodice pe perioade subanuale,

factorii sezonieri cum ar fi anotimpurile, luni sau zile, având importanţă
deosebită în desfăşurarea unui fenomen sau proces pe o anumită durată.
Aceste oscilaţii se repetă cu relativă exactitate de la o perioadă de
observare la alta.
F Componenta aleatorie/de perturbaţie se manifestă ca abateri
întâmplătoare de la trend, fiind determinate de acţiunea unor factori
întâmplători. Componenta aleatoare are un caracter stocastic deci poate fi
de natură aleatoare, gaussiană sau accidentală. Ea reprezintă fluctuaţii
cauzate de mulţimea de factori aleatori.
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.
7.1.3. Metode de determinare a trendului

I. Metoda funcţiilor de regresie
O largă utilizare în determinarea unei funcţii care să exprime
trendul înregistrat într-o perioadă de timp o au modelele de regresie în care
variabila timp este considerată variabilă independentă.
În cazul unui model liniar unifactorial, modelul are forma:
X t = β0 + β1 ⋅ t + ε t
unde:ε t reprezintă variabila reziduală care îndeplineşte condiţiile formulate
în cazul modelului de regresie.
Parametrii modelului sunt estimaţi folosind metoda celor mai mici
pătrate (OLS). Pentru acest model se aplică procedurile şi testele statistice
aplicabile unui model de regresie.
Modele neliniare. Dacă variabila a cărei evoluţie se analizează
prezintă conform reprezentării grafice o tendinţă de creştere exponenţială,
atunci se poate lua în considerare ajustarea pe baza unei funcţii
exponenţiale a cărei ecuaţie de estimare este: y t = β 0 ⋅ β1t
Trebuie subliniat faptul că în domeniul economic, creşterea
exponenţială este de (foarte) scurtă durată în toate împrejurările, ca urmare
a costului factorilor necesari pentru susţinerea unei astfel de creşteri.
Estimarea parametrilor funcţiei exponenţiale se face după
prealabila logaritmare a ecuaţiei y t = β 0 ⋅ β1t . De multe ori, graficul de
evoluţie prezintă alura unei curbe crescătoare către un punct maxim, sau,
respectiv, descrescătoare către un punct minim. Atunci, se apreciază că
fenomenul studiat se modifică în timp sub forma unei parabole de gradul
doi, a cărei ecuaţie este un polinom de gradul doi: y t = β 0 ⋅ β1 ⋅ t + β 2 ⋅ t 2
Evident, există multe alte forme curbilinii care pot exprima trendul
unei serii cronologice.
Criteriul diferenţelor constă în calculul diferenţelor absolute (în
modul) cu bază în lanţ după cum urmează:
F diferenţele de ordinul unu direct din termenii seriei, după relaţia:
∆(tt/)t −1 = y t − y t −1
(2 ) (1) (t )
F diferenţele de ordinul doi, după relaţia: ∆ t / t −1 = ∆ t − ∆ t −1
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
Din sistemul de mai sus se determină parametrii b 0 , b 1 şi b 2 . Dacă

b 1 > 0 şi b 2 >0, atunci are loc o creştere accelerată de-a lungul perioadei,
iar în cazul când b 1 > 0 şi b 2 < 0, creşterea se încetineşte.
II. Medii mobile. Estimarea componentei sezoniere

Mediile mobile pot fi folosite pentru filtrarea componentelor
sezonale şi reziduală, rezultatul fiind conservarea trendului. Utilizarea
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.
7.1.4. Modelarea econometrică a seriilor cronologice folosind

modelele ARIMA
O abordare interesantă o constituie modelarea indicelui preţurilor
bunurilor de consum (IPC), folosind modele liniare de serii temporale, în
speţă procese de tip ARIMA[1].
Utilizarea unor astfel de modele implică luarea în considerare a
anumitor ipoteze asupra mediului economic, printre care cea mai
importantă se referă la existenţa unei stabilităţi relative pe termen scurt.
În literatura de specialitate determinarea celui mai bun model
ARIMA(p,d,q) pentru modelarea unor observaţii ale unei serii de timp
comportă un ansamblu de tehnici şi metode, mai cunoscute sub numele de
metodologia Box-Jenkins.
Metodologia Box-Jenkins comportă trei aspecte principale:
identificarea modelului;
estimarea parametrilor;
verificarea modelului.
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
În practică ordinul de integrare d este cel mult 2.

În acest moment suntem în situaţia de a decide pentru ce valori ale
parametrilor p şi q procesul ARMA(p,q) modelează cel mai bine seria
staţionară obţinută. Un criteriu în acest sens este comportamentul
funcţiilor de autocorelaţie (acf) şi de autocorelaţie parţială (pacf).
Atunci se poate distinge următorul comportament al funcţiilor de
autocorelaţie şi autocorelaţie parţială în cazul proceselor ARMA:
Comportamentul acf şi pacf pentru modelele ARMA(p,q)
Caseta nr.7.1
Model acf ρ x (.) pacf α x (.)
AR(p) Se amortizează tinzând la zero Se anulează după întârzierea p
MA(q) Se anulează după întârzierea q Se amortizează tinzând la zero
ARMA(p,q) Se amortizează tinzând la zero Se amortizează tinzând la zero
Identificarea practică a modelului se realizează astfel:
Situaţia 1. Se vizualizează coeficienţii de autocorelaţie. Daca aceştia cresc
după lag-ul 1, 2 avem de-a face cu o serie staţionară şi vom realiza
diferenţierea seriei de timp.
Situatia 2. Pentru seria staţionară se examinează coeficienţii de
autocorelaţie care sugerează o influenţă sezonieră dacă sunt semnificativi
coeficienţii pentru lag-uri cu periodicitate sezonieră (4,8,12 sau 12,24,36.)
b) Estimarea modelului
Etapa de estimare a modelului constă în utilizarea eficientă a
datelor pentru a face inferenţe despre parametrii în funcţie de robusteţea
modelului. Pentru estimarea parametrilor poate fi folosita metoda
probabilităţii maxime denumită şi metoda verosimilităţii maxime sau
metoda celor mai mici pătrate.
c) Verificarea diagnosticului. Validarea modelului
Scopul este de a vedea în ce măsură modelul construit concordă cu
observaţiile disponibile asupra procesului stocastic studiat.
Etapa constă în testarea modelului ajustat în relaţia acestuia cu
datele în scopul descoperirii inadecvărilor modelului şi pentru a obţine
îmbunătăţirea acestuia.
Se pot defini mai multe criterii pentru calitatea unui model:
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
Dacă Fa > F critic, atunci avem în medie multă variaţie explicată şi

putină variaţie reziduală, deci modelul este adecvat datelor. În caz contrar
modelul nu este adecvat datelor.
Histograma şi testul de normalitate a reziduurilor se realizează o
histogramă şi o statistică descriptivă a reziduurilor. Indicatorii urmăriţi
sunt:
F Coeficientul de asimetrie - este o măsură a asimetriei
distribuţiei seriei în jurul mediei. Se calculează astfel:
3
1 T  X i − X 
S = ∑ ^ 
T i=1
 σ 
Pentru o distribuţie normală, valoarea sa este 0. Dacă este pozitiv,
înseamnă că distribuţia are o coadă dreaptă lungă, dacă este negativ,
înseamnă ca partea stângă este mai lungă.
F Coeficientul de aplatizare măsoară cât de „plată” sau de
„ascuţită” este distribuţia seriei faţă de curba normală. Se
calculează astfel:
4
1 X −X
K = ∑  i ^ 
T
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
Valorificând pachetul de programe E-Views se poate realiza o analiza

econometrică interesantă a seriei de date disponibile pe site-ul INS.
Pasul1: Se creează foaia de lucru Pasul2:Se importă datele din Excel:

folosind comanda: Procs/Import/Read Text_Lotus_Excel
File/New/Workfile
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
Din analiza datelor prezentate în graficul de mai sus se poate evidenţia o

componentă sezonieră puternică.
3.2 Desezonalizarea seriei de date se face cu: Proc/Seasonal Adjustment/
Moving Average Methods şi se obţin factorii de sezonalitate:
3.3 Analiza staţionarităţii seriei de date

Analiza staţionarităţii seriei de date se realizează prin:
223
- analiza cronogramei
- depistarea prezenţei rădăcinii_unitate View-Unit root test:
Tipul testului
Test pentru rădăcina

unităţii în nivel sau în
diferenţă
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:
În vederea verificării ipotezei de independenţă a erorilor se

calculează valoarea variabilei Durbin-Watson: d =1,94.
Pentru un prag de semnificaţie α = 0,05, din tabela distribuţiei
Durbin-Watson se preiau valorile pentru cazul n = 48, k = 1 – numărul
variabilelor explicative d 1 = 1,48 şi d 2 = 1,57.
Cum d 2 < d < 4 – d 2 erorile sunt independente.
Testul Fisher-Snedecor indică faptul că rezultatele obţinute sunt

semnificative, cu un prag de semnificaţie de 5%, F c = 44,41 > F 0,05;1;47 =
4,08
Se constată că F c = 44,41 > F 0,05;1;47 = 4,08, deci, pentru un prag de

semnificaţie de 5%, valoarea raportului de corelaţie este semnificativ
diferită de zero.
225
7.2. Modele mezoeconometrice
“Omul care a comis o eroare şi nu o îndreaptă, comite o alta eroare şi

mai mare”. – Confucius –
Pentru a înţelege mai rapid procedeul şi etapele unei modelări

econometrice specializate de tip mezoteritorial se exemplifică în
continuare analiza bazelor de date, după un criteriu de agregare a cererii
de tip mezoeconomic, respectiv după criteriul hidrografic.
Concret, o firmă interesată în dezvoltarea pe termen mediu şi lung a
unor afaceri în bazinul hidrografic al Argeşului (abreviat în text BHA),
doreşte să dimensioneze cu ajutorul unui model econometric cererea
globală şi apoi nivelul venitului mediu şi net (afacerile vizează atât zona
rurală cât şi urbană şi au ca obiect produse şi servicii legate de reţele de
alimentare cu apă, pompe etc.). Strategiile folosite până în prezent de
firmă în diverse alte pieţe segmentate arbitrar la nivel mezoeconomic au
avut ca variabile iniţiale cei doi indicatori menţionaţi anterior: cererea
globală a pieţei, relevând un anumit nivel şi o putere caracteristică de
absorbţie, precum şi venitul nominal mediu şi net lunar, în monedă
europeană (€). Acest model permite o relevanţă sporită a impactului
proiectelor europene în areale conturate după criterii mai puţin uzuale
(demografice, hidrografice, ecologice etc.)[2]
7.2.1. Soluţia etapizată de cercetare şi modelare

Cercetarea econometrică axată pe date din sursele statistice oficiale
(http//: www.insse.ro şi colecţia Anuarul statistic al României) este mult
mai indicată în acest stadiu, sub raportul cost-eficienţă, mai ales în ipoteza
unui model de determinare a unui astfel de agregat al cererii globale pe
baza rezultatului publicat în sursele de date statistice privind produsul
intern brut (PIB), conform metodei consumului sau a utilizării finale
[3,4,5,6,7,8].
Etapa I: Se formulează ipoteza teoretică în conformitate cu care se poate

aprecia şi comensura cererea asimilând-o PIB-ului teritorial (PIB-ul definit
drept rezultat al consumului final, şi la nivel mezoeconomic să coincidă cu
cererea solvabilizată prin acest consum final).PIB-ul teritorial determinat
în acest fel, printr-o estimare rezonabilă sub aspectul nivelului de eroare
acceptat (situat sub 3 sau maxim sub 5 %), poate substitui o cercetare de
teren, destul de costisitoare având în vedere dimensiunile foarte mari ale
pieţei. De fapt modelul caută să identifice o pondere a teritoriului cercetat
(bazinul BHA) în cadrul PIB-ului naţional, pornind de la un număr de
şapte variabile selectate pentru importanţa lor în variaţia cererii şi a căror
corelaţie individuală cu evoluţia cererii, substituită aici prin PIB, a fost
testată anterior riguros (apelând la coeficienţi de corelaţie parţială
Pearson)
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
Caseta nr. 7.2

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

oferite de publicaţiile INS, cum sunt comunicatul de presă (anual sau
trimestrial) privind PIB-ul şi dinamica reală a acestui indicator de
excepţie, precum şi datele din anuarele naţionale, breviarele teritoriale,
date cu referire la volumul şi ponderea populaţiei atât în ansamblu, cât şi
pentru anumite categorii considerate mai importante în raport cu scopul
propus (populaţie ocupată şi şomeri). Acest tip de modelare este o soluţie
de calcul utilă celor interesaţi în estimări ale cererii mezoeconomice de tip
teritorial sau în arealul aflat în zona de vânzări a firmelor mai mari. Se pot
determina şi alte variante de rezolvare practică în raport cu alte variabile
ce pot fi selectate în modelul de regresie multifactorial iniţial.. Modelul
final ce a rezultat din soluţionarea sistemului generat de ecuaţiile descrise
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
Etapa IV: În continuare sunt detaliate calculele care au condus la

parametrizarea soluţiei extinse de estimare a modelului cererii la nivel
„mezoeconomic” pornind de la PIB-ul regional (Y=g i ), conform unui
sistem de analiză şi modelare multifactorial ce valorifică datele teritoriale
reagregând mezoeconomic un nou areal:
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
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”.
Tabel nr. 7.6

Indicatori PIB PIB
Regiune g P
g PO
g POI
g POA
g VAI g VAA gŞ g i = efectiv estimat
Σg j x k j
N-E 0,170 0,163 0,139 0,202 0,117 0,181 0,175 0,116 0,096 0,0932
S-E 0,131 0,125 0,109 0,136 0,116 0,150 0,163 0,115 0,093 0,0923
S 0,156 0,148 0,143 0,176 0,140 0,155 0,183 0,119 0,098 0,0956
S -V 0,108 0,110 0,094 0,136 0,113 0,119 0,096 0,095 0,075 0,0763
V 0,090 0,095 0,109 0,081 0,095 0,100 0,082 0,096 0,075 0,0771
N-V 0,126 0,138 0,134 0,150 0,108 0,149 0,100 0,118 0,095 0,0948
CENTRU 0,116 0,123 0,163 0,101 0,153 0,132 0,132 0,126 0,102 0,1012
BUCUREŞTI 0,103 0,098 0,109 0,018 0,158 0,014 0,069 0,215 0,169 0,1725
TOTAL 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 0,803 0,803
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
N-E 0,096 0,0932 0,0028 0,00000784

S-E 0,093 0,0923 0,0007 0,00000049
S 0,098 0,0956 0,0024 0,00000576
S-V 0,075 0,0763 -0,0013 0,00000169
V 0,075 0,0771 -0,0021 0,00000441
N-V 0,095 0,0948 0,0002 0,00000004
CENTRU 0,102 0,1012 0,0008 0,00000064
BUCUREŞTI 0,169 0,1725 0,0035 0,00001225
TOTAL 0,803 0,803 - 0,00003312
Coeficientul de eroare al modelării propuse este de numai 2,027 %, ceea ce

permite o validare a modelului utilizat:
e =(0,0020347:0,100375 x100=2,027 %
În concluzie, o soluţie rapidă de estimare a cererii mezoeconomice
agregate pe baza PIB –ului teritorial, altfel decât regional, este capabilă să
ofere la final valori pertinente, aflate sub limitele de eroare maxim
admisibile din punct de vedere economic şi statistic.
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
În final, modelarea cererii în bazinul hidrografic al Argeşului, pornind de

la PIB-ul, agregat la nivel mezospaţial, permite identificarea valorilor
necesare pentru perioada 2000-2002:
Tabel nr. 7.8 - miliarde lei ROL preţuri curente-

Anul Cererea internă gi PIBestimat Cererea mezoeconomică (BHA)
-%-
PIB -nominal PIB-ul agregat teritorial
2000 803773,1 28,46 228753,8
2001 1167687,0 24,75 289 002,5
2002 1512616,8 28,32 428 270,9
Într-o caracterizare teoretică mai amplă se pot detalia şi alte informaţii ca

urmare a cercetării şi modelării mezoeconomice a pieţei specifice:
Tabel nr. 7.9.

Cererea pieţei (BHA) Populaţia PIB/ Populaţia PIB/persoană
Anul - miliarde lei ROL totală locuitor ocupată ocupată
preţuri curente- -locuitori- - leiROL - -persoane- -lei ROL-
2000 214 527 4 003 120 53 589 950 1 513 348 141 756 556
2001 305 000 3 995 635 76 333 299 1 511 696 201 760 142
2002 426 910 3 899 445 109 479 682 1 545 109 276 297 659
În vederea determinării venitului mediu şi net lunar în piaţa delimitată de bazinul

hidrografic Argeş s-au selectat informaţii şi din alte surse de date reunite cu cele
oferite de ultimul recensământ (Ancheta Integrată în Gospodării sau Ancheta
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
Pentru cercetarea pieţei se pot cuantifica influenţele contrarii ale factorilor

venit şi populaţie, ale căror trenduri sunt complet diferite, iar acţiunea lor
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).
O cerere agregată modelată econometric (ale cărei detalii de calcul

agregativ se află în anexele de la finalul acestei cărţi) deşi aflată în expansiune,
relevă un venit net foarte mic comparativ cu situaţia europeană în general, un
model mezoeconomic fiabil de evaluare a cererii globale agregate, altfel decât
regional sau naţional constituie rezultatele unei cercetări trecute ce ar putea fi
urmată de o proiecţie sau de o actualizare pe baza altor date provizorii oferite în
prezent de sursele lunare statistice (ultimul anuar disponibil ca editare, fiind
inevitabil decalat cu 1-2 ani, faţă de timpul prezent al cercetării).
Iată că se poate valida modelul cu datele necesare la nivelul anului

2006, în varianta modelului mezoeconomic restrâns, utilizând software-ul
Eviews.
Principalii indicatori necesari construcţiei modelului la nivel naţional
Tabel nr.7.14
Regiunea PIB PO POA VAA VAI
N-E 38429.9 1653 787 4885 7538.6

S-E 38508.7 1182 384 3896 9126.6
S 44301.4 1437 508 4361 14417.7
S-V 28589.2 1039 481 2863 8335.9
V 35788.9 815 152 2893 9357.9
N-V 40806.2 1145 336 3969 10302.3
Centru 40291.2 1019 171 3583 12132.7
Bucureşti 77710.5 1023 21 397 13220.5
Într-o primă etapă se introduc datele pentru cele cinci variabile.
232
.
Apoi se determină matricea asocierilor celor patru variabile exogene
rămase în modelul restrâns în raport cu variabila endogenă PIB.
O primă concluzie este că tranziţia a deteriorat puternic modelul

iniţial, chiar şi restrâns agricultura prin populaţia ocupată şi valoarea
adăugată fiind mai intens asociată PIB-ului.
Modelul mezoeconomic restrâns, în plan teoretic determinat de relaţia:

Y= a + cx 2 + ex 4 + fx 5 + gx 6 + ε nu mai poate fi parametrizat decât exclusiv
la nivel naţional din lipsa unor baze de date întreţinute (în anexe).
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.

7.3.1. Întrebări
a)Prin ce se definesc şi delimitează modelările bazate pe serii de timp?
b)Care sunt principalele componente ale unei serii cronologice de care se ţine
seama în modelarea econometrică?
c)În ce constă un model liniar de serii temporale, respectiv axat pe procese de tip
ARIMA?
d)Puteţi defini modelului mezoeconometric prin abordare teritorială de
estimare a cereri agregate?
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
[1]Andrei T., (2003), Statistică şi econometrie, Ed. Economică, Bucureşti,

[2]Săvoiu, G.,(2005),Cercetări şi modelări de marketing. Metode cantitative în
cercetarea pieţei, Ed. Universitară, Bucureşti. pag.112-124
[3]Pecican, E.Ş., (2003), Econometria pentru ... economişti, Ed. Economică, Bucureşti,
pag. 46 – 47.
[4] Andrei, T., Bourbonnais, R., (2008), Econometrie, Ed. economică, Bucureşti, pag. 21
[5]Trebici, V., (1985), Mica enciclopedie de statistică, Ed. Ştiinţifică şi Enciclopedică,
Bucureşti, pag. 46-48
[6]Tamaş, V, Brânzei, D, Smadici, C, Moscovici, J, (1995), Modele matematice în
economie, Ed. Graphix, Iaşi, pag. 10-20 şi 33-46.
[7] Andrei, T, Stancu, S, Iacob, AI, Tuşa E, (2008), Introducere în econometrie utilizând
Eviews, Ed. Economică, Bucureşti.
[8] Voineagu,V.,Ţiţan, E.,Şerban R.,Ghiţă,S.,Tudose,D.,Bobo C.,Pele D.,(2007), Teorie şi
practică econometrică, Ed Meteor Press, Bucureşti.
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:
Tabel nr. 8.1

Numărul de firme Cheltuielile comerciale Valoarea comisionului
intermediare în per produs –Y1- comercial per produs –Y2-
lanţul comercial X (Euro) (Euro)
1 8, +0,nr crt. din lista grupei 17,+0,nr crt. din lista grupei
2 10,5+0,nr crt. din lista grupei 14,5+0,nr crt. din lista grupei
3 13,+0,nr crt. din lista grupei 12,+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
Pornind de la datele din tabel se vor construi două modele micro-

econometrice de regresie liniară simplă, detaliate astfel:
Y = α + βX + ε sau Y = a + bX + ε
A. Variabilele unui model de regresie ce defineşte cheltuielile comerciale per
produs, în funcţie de numărul de firme intermediare în lanţul comercial,
unde:
Y = cheltuielile comerciale per produs
X = numărul de firme intermediare în lanţul comercial
ε = variabila aleatoare eroare sau reziduu
B. Variabilele unui model de regresie ce defineşte valoarea comisionului
comercial per produs în funcţie de numărul de firme intermediare în lanţul
comercial, unde :
Y = comisionul comercial per produs
X = numărul de firme intermediare în lanţul comercial
ε = variabila aleatoare eroare sau reziduu
236
CERINŢELE STUDIULUI DE CAZ I
Pentru fiecare model în parte să se soluţioneze cele 10 cerinţe ce urmează:

1.Corelograma (aproximarea grafica a modelului de forma Y = α + βX + ε
sau Y = a + bx +ε )
2. Statistica descriptivă pentru variabilele X si Y
Mean
Range
Std deviation
Skewness
Kurtosis
3.Estimarea punctuală a parametrilor
Y = a + bx +ε sau Y = α + βX + ε
(panta dreptei b sau β, raportul dintre cov(x,y) şi s2x şi b sau β = r (sy/sx),
precum şi termenul constant a sau α = y − bx )
4. Estimarea parametrilor prin interval de incredere
5. Testarea semnificaţiei corelaţiei
5a. Aplicarea Testului t (Student)
5b. Aplicarea Testului F (Fisher – Snedecor)
6.Testarea liniarităţii modelului
(prin scatterplots sau diagrama reziduurilor din regresia liniară simplă )
7.Testarea normalităţii erorilor (testul Jarque - Bera)
8.Testarea ipotezei de homoscedasticitate
9.Testarea ipotezei de autocorelare a erorilor
10.Analiza se va realiza prin intermediul programului Eviews şi se pot folosi
şi alte teste în afara celor menţionate între paranteze.
STUDIUL DE CAZ II
Cel de-al doilea studiu de caz se va realiza în echipe de trei persoane.

Soluţionare lui în echipă presupune realizarea a trei modelări macro-
econometrice distincte şi comentarea lor comună, la final.
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).
1.Definirea modelului macroeconometric
Pentru a construi modelul macroeconometric, se porneşte de la datele din

Anuarul statistic al României pentru perioada 1991-2008.
Forma modelului de regresie hiperbolic pentru Curba lui Phillips descrisă de
către autorul modelului era:
1
Y=α+β +ε,
X
unde:
- Y =variabila dependentă (rata inflaţiei sau indicele câştigului salarial real)
- X = variabila independentă (predictor) în ambele modele se identifică cu rata
şomajului;
- ε = variabila aleatoare eroare (reziduu);
- α, β sunt coeficienţii de regresie.
Desigur că se lasă libertatea identificării sau alegerii oricărei alte funcţii
matematice, la latitudinea fiecărui membru al echipei. Modelul econometric
construit de echipă poate fi exprimat în orice formulă matematică, dar care se
apropie cât mai mult posibil de un raport de corelaţie maxim.
CERINŢELE STUDIULUI DE CAZ II
Pentru fiecare model în parte să se soluţioneze cele 7 cerinţe ce urmează:

1. Estimarea parametrilor modelului de regresie (estimarea cu ajutorul
metodei celor mai mici pătrate)
2. Testarea semnificaţiei parametrilor modelului de regresie folosind
testul t (Student).
3. Testarea raportului de corelaţie folosind testul F (Fisher-Snedecor)
4. Testarea ipotezei de normalitate a erorilor (testul Jarque-Bera)
5. Testarea ipotezei de homoscedasticitate a erorilor (testul Spearman
sau procedeul Glejser).
6. Testarea ipotezei de autocorelare a erorilor (testul Durbin - Watson)
7. Analiza se va realiza prin intermediul programului Eviews sau SPSS
şi se pot folosi şi alte teste în afara celor menţionate între paranteze.
238
Evoluţia ratei şomajului înregistrat, a câştigului salarial real şi a
inflaţiei
Tabel nr. 8.2. -%-

Anul Indicii câştigului Rata Rata
salarial real şomajului inflaţiei
1991 81,5 3,0 170,2

1992 70,8 8,2 210,4
1993 58,9 10,4 256,1
1994 59,1 10,9 136,7
1995 66,5 9,5 32,3
1996 72,7 6,6 38,8
1997 56,2 8,9 154,8
1998 58,4 10,4 59,1
1999 57,0 11,8 45,8
2000 59,4 10,5 45,7
2001 62,4 8,6 34,5
2002 63,9 8,1 22,5
2003 70,8 7,6 15,3
2004 78,3 7,0 11,9
2005 89,5 5,9 9,0
2006 97,4 7,2 6,56
2007 111,9 6,4 4,84
2008 127,6 5,8 7,85
Sursa: Colecţia Anuarul statistic al României, 1991–2008, Ed. INS, Bucureşti
TITLURI POSIBILE DE REFERATE
Referate individuale Referate în echipă

(2-3 membri)
1. Ce este Econometria? 1.Noţiuni economice utile în
Econometrie
2. Aparitia si dezvoltarea 2.Notiunile statistice şi necesitatea lor
Econometriei în Econometrie
3. Modelarea econometrică aspecte 3. Modelul econometric unifactorial
generale
4. Econometriile contemporane şi 4. Regresia simplă clasică şi
tipologia acestora utilizarea ei în Econometrie
5. Testul t (Student) 5. Modelul econometric
multifactorial
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
Bibliografie recent apărută, accesibilă şi adecvată titlurilor

referatelor
1. Săvoiu Gheorghe, Necşulescu Consuela, Econometrie, Ed. Universitară,

Bucureşti, 2009
2. Andrei Tudorel, Bourbonnais Regis, Econometrie, Bucureşti, Ed. Economica,
2008.
3. Andrei, T, Stancu, S, Iacob, A.I, Tuşa E., Introducere în econometrie utilizând
Eviews, Ed. Economică, Bucureşti, 2008
4. Voineagu Vergil, Ţiţan Emilia, Şerban Radu, Ghiţă Simona, Todose Daniela,
Boboc Cristina, Pele Daniel, Teoria şi practica econometrică, Bucureşti, Ed.
Meteor Press, 2007
5. Pecican, Eugen, Econometrie ... pentru economişti, Bucureşti, Ed. Economică,
2004.
6. Andrei, T., Statistică şi econometrie, Ed. Economica, Bucureşti, 2004.
7. Pecican, E., Piaţa valutară, bănci & econometrie,Bucureşti, Ed. Economică,
2000.
8. Meşter, I.T., Econometrie, Ed. Universitatii din Oradea, 2007.
9. Jula D., Introducere în econometrie, Ed. Professional Consulting, Bucureşti,
2003.
10. Tomescu Dumitrescu C., (2008),Econometrie, Ed.Academica Brâncuşi, Tg-Jiu.
11. Vasiliu, D.P.,(2007), Bazele matematice ale econometriei, Ed. Univ. Titu
Maiorescu Bucureşti.
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
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
Nivel de semnificaţie pentru testul bilateral

α
f 0,50 0,20 0,10 0,05 0,02 0,01 0,002 0,001 0,0001
1 1,000 3,078 6,314 12,706 31,821 63,657 318,309 636,618 6366,198
2 0,816 1,886 2,920 4,303 6,965 9,925 22,327 31,598 99,992
3 0,765 1,638 2,353 3,482 4,541 5,841 10,214 12,924 28,000
4 0,741 1,533 2,132 2,776 3,747 4,604 7,173 8,610 15,544
5 0,727 1,476 2,015 2,571 3,365 4,032 5,893 6,869 11,178
6 0,718 1,440 1,943 2,447 3,143 3,707 5,208 5,959 9,082
7 0,711 1,415 1,895 2,365 2,998 3,499 4,785 5,408 7,885
8 0,706 1,397 1,860 2,306 2,896 3.355 4,501 5,041 7,120
9 0,703 1,383 1,833 2,262 2,821 3,250 4,297 4,781 6,594
10 0,700 1,372 1,812 2,228 2,764 3,169 4,144 4,587 6,211
11 0,697 1,363 1,796 2,201 2,718 3,106 4,025 4,437 5,921
12 0,695 1,356 1,782 2,179 2,681 3,055 3,930 4,318 5,694
13 0,694 1,350 1,771 2,160 2,650 3,102 3,852 4,221 5,513
14 0,692 1,345 1,761 2,145 2,624 2,977 3,787 4,140 5,363
15 0,691 1,341 1,753 2,131 2,602 2,947 3,733 4,073 5,239
16 0,690 1,337 1,746 2,120 2,583 2,921 3,686 4,015 5,134
17 0,689 1,333 1,740 2,110 2,567 2,898 3,646 3,965 5,014
18 0,688 1,330 1,734 2,101 2,552 2,878 3,610 3,922 4,966
19 0,688 1,328 1,729 2,093 2,539 2,861 3,579 3,883 4,897
20 0,687 1,325 1,725 2,086 2,528 2,845 3,552 3,850 4,837
21 0,686 1,323 1,721 2,080 2,518 2,831 3,527 3,819 4,784
22 0,686 1,321 1,717 2,074 2,508 2,819 3,505 3,792 4,736
23 0,685 1,319 1,714 2,069 2,500 2,807 3,485 3,767 4,693
24 0,685 1,318 1,711 2,064 2,492 2,797 3,467 3,745 4,654
25 0,684 1,316 1,708 2,060 2,485 2,787 3,450 3,725 4,619
26 0,684 1,315 1,706 2,056 2,479 2,779 3,435 3,707 4,587
27 0,684 1,314 1,703 2,052 2,473 2,771 3,421 3,690 4,558
28 0,683 1,313 1,701 2,048 2,467 2,763 3,408 3,674 4,530
29 0,683 1,312 1,699 2,045 2,462 2,756 3,396 3,659 4,506
30 0,683 1,310 1,697 2,042 2,457 2,750 3,385 3,646 4,482
35 0,682 1,306 1,690 2,030 2,438 2,724 3,340 3,591 4,389
40 0,681 1,303 1,684 2,021 2,423 2,704 3,307 3,551 4,321
45 0,680 1,301 1,679 2,014 2,412 2,690 3,281 3,520 4,269
50 0,679 1,299 1,676 2,009 2,403 2,678 3,261 3,496 4,288
60 0,679 1,296 1,671 2,000 2,390 2,660 3,232 3,460 4,169
70 0,678 1,294 1,667 1,994 2,381 2,648 3,211 3,435 4,127
80 0,678 1,292 1,664 1,990 2,374 2,639 3,195 3,416 4,096
90 0,677 1,291 1,662 1,987 2,368 2,632 3,183 3,402 4,072
100 0,677 1,290 1,660 1,984 2,364 2,626 3,174 3,390 4,053
120 0,677 1,289 1,658 1,980 2,358 2,617 3,160 3,373 4,025
200 0,676 1,286 1,653 1,972 2,345 2,601 3,131 3,340 3,970
500 0,675 1,283 1,648 1,965 2,334 2,586 3,107 3,310 3,922
1000 0,675 1,282 1,646 1,962 2,330 2,581 3,098 3,300 3,906
∞ 0,675 1,282 1,645 1,960 2,326 2,576 3,090 3,290 3,891
α
0,25 0,10 0,05 0,025 0,01 0,005 0,001 0,0005 0,00005
f
Nivel de semnificaţie pentru testul unilateral
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
1 0,0002 0,0010 0,0039 0,0158 2,71 3,84 5,02 6,63 10,83

2 0,02 0,05 0,10 0,21 4,61 5,99 7,38 9,21 13,82
3 0,12 0,22 0,35 0,58 6,25 7,81 9,35 11,34 16,27
4 0,30 0,48 0,71 1,06 7,78 9,49 11,14 13,28 18,47
5 0,55 0,83 1,15 1,61 9,24 11,07 12,83 15,09 20,52
6 0,87 1,24 1,64 2,20 190,64 12,59 14,45 16,81 22,46
7 1,24 1,69 2,17 2,83 12,02 14,07 16,01 18,47 24,32
8 1,65 2,18 2,73 3,49 13,36 15,51 17,53 20,09 26,13
9 2,09 2,70 3,33 4,17 14,68 16,92 19,02 21,67 27,88
10 2,56 3,25 3,94 4,87 15,99 18,31 20,48 23,21 29,59
11 3,05 3,82 4,57 5,58 17,27 19,67 21,92 24,72 31,26
12 3,57 4,40 5,23 6,30 18,55 21,03 23,34 26,22 32,91
13 4,11 5,01 5,89 7,04 19,81 22,36 24,74 27,69 34,53
14 4,66 5,63 6,57 7,79 21,06 23,68 26,12 29,14 36,12
15 5,23 6,26 7,26 8,55 22,31 25,00 27,49 30,58 37,70
16 5,81 6,91 7,96 9,31 23,54 26,30 28,84 32,00 39,25
17 6,41 7,56 8,67 10,08 24,77 27,59 30,19 33,41 40,79
18 7,01 8,23 9,39 10,86 25,99 28,87 31,53 34,80 42,31
19 7,63 8,91 10,12 11,65 27,20 30,14 32,85 36,19 43,82
20 8,26 9,59 10,85 12,44 28,41 31,41 34,17 37,57 45,32
21 8,90 10,28 11,59 13,24 29,61 32,67 35,48 38,93 46,80
22 9,54 10,98 12,34 14,04 30,81 33,92 36,78 40,29 48,27
23 10,20 11,69 13,09 14,85 32,01 35,17 38,08 41,64 49,73
24 10,86 12,40 13,85 15,66 33,20 36,41 39,37 42,98 51,18
25 11,52 13,12 14,61 16,47 34,38 37,65 40,65 44,31 52,62
26 12,20 13,84 15,38 17,29 35,56 38,88 41,92 45,64 54,05
27 12,88 14,57 16,15 18,11 36,74 40,11 43,19 46,96 55,48
28 13,57 15,31 16,93 18,94 37,92 41,34 44,46 48,28 56,89
29 14,26 16,05 17,71 19,77 39,09 42,56 45,72 49,59 58,30
30 14,95 16,79 18,49 20,60 40,26 43,77 46,98 50,89 59,70
245
Statistica Durbin-Watson (α = 0,05)
p=2 p=3 p=4 p=5 p=6

n
d1 d2 d1 d2 d1 d2 d1 d2 d1 d2
15 1.08 1.36 0.95 1.54 0.82 1.75 0.69 1.97 0.56 2.21
16 1.10 1.37 0.98 1.54 0.86 1.73 0.74 1.93 0.62 2.15
17 1.13 1.38 1.02 1.54 0.90 1.71 0.78 1.90 0.67 2.10
18 1.16 1.39 1.05 1.53 0.93 1.69 0.82 1.87 0.71 2.06
19 1.18 1.40 1.08 1.53 0.97 1.68 0.86 1.85 0.75 2.02
20 1.20 1.41 1.10 1.54 1.00 1.68 0.90 1.83 0.79 1.99
21 1.22 1.42 1.13 1.54 1.03 1.67 0.93 1.81 0.83 1.96
22 1.24 1.43 1.15 1.54 1.05 1.66 0.96 1.80 0.86 1.94
23 1.26 1.44 1.17 1.54 1.08 1.66 0.99 1.79 0.90 1.92
24 1.27 1.45 1.19 1.55 1.10 1.66 1.01 1.78 0.93 1.90
25 1.29 1.45 1.21 1.55 1.12 1.66 1.04 1.77 0.95 1.89
26 1.30 1.46 1.22 1.55 1.14 1.65 1.06 1.76 0.98 1.88
27 1.32 1.47 1.24 1.56 1.16 1.65 1.08 1.76 1.01 1.86
28 1.33 1.48 1.26 1.56 1.18 1.65 1.10 1.75 1.03 1.85
29 1.34 1.48 1.27 1.56 1.20 1.65 1.12 1.74 1.05 1.84
30 1.35 1.49 1.28 1.57 1.21 1.65 1.14 1.74 1.07 1.83
31 1.36 1.50 1.30 1.57 1.23 1.65 1.16 1.74 1.09 1.83
32 1.37 1.50 1.31 1.57 1.24 1.65 1.18 1.73 1.11 1.82
33 1.38 1.51 1.32 1.58 1.26 1.65 1.19 1.73 1.13 1.81
34 1.39 1.51 1.33 1.58 1.27 1.65 1.21 1.73 1.15 1.81
35 1.40 1.42 1.34 1.58 1.28 1.65 1.22 1.73 1.16 1.80
36 1.41 1.52 1.35 1.59 1.29 1.65 1.24 1.73 1.18 1.80
37 1.42 1.53 1.36 1.59 1.31 1.66 1.25 1.72 1.19 1.80
38 1.43 1.54 1.37 1.59 1.32 1.66 1.26 1.72 1.21 1.79
39 1.43 1.54 1.38 1.60 1.33 1.66 1.27 1.72 1.22 1.79
40 1.44 1.54 1.39 1.60 1.34 1.66 1.29 1.72 1.23 1.79
45 1.48 1.57 1.43 1.62 1.38 1.67 1.34 1.72 1.29 1.78
50 1.50 1.59 1.46 1.63 1.42 1.67 1.38 1.72 1.34 1.77
55 1.53 1.60 1.49 1.64 1.45 1.68 1.41 1.72 1.38 1.77
60 1.55 1.62 1.51 1.65 1.48 1.69 1.44 1.73 1.41 1.77
65 1.57 1.63 1.54 1.66 1.50 1.70 1.47 1.73 1.44 1.77
70 1.58 1.64 1.55 1.67 1.52 1.70 1.49 1.74 1.46 1.77
75 1.60 1.64 1.57 1.68 1.54 1.71 1.51 1.74 1.49 1.77
80 1.61 1.66 1.59 1.69 1.56 1.72 1.53 1.74 1.51 1.77
85 1.62 1.67 1.60 1.70 1.57 1.72 1.55 1.75 1.52 1.77
90 1.63 1.68 1.61 1.70 1.59 1.73 1.57 1.75 1.54 1.78
95 1.64 1.69 1.62 1.71 1.60 1.73 1.58 1.75 1.56 1.78
100 1.65 1.69 1.63 1.72 1.61 1.74 1.59 1.76 1.57 1.78
246
ANEXE CAPITOL VII
MODEL MEZOECONOMIC
Populaţia aferentă BHA în anul

Judeţul 2000 2001 2002
Urban Rural Urban Rural Urban Rural
Argeş 321662 330913 321607 330962 296441 337283
Damboviţa 27023 217333 26952 216809 25768 218150
Giurgiu 90470 203530 90617 202809 88514 209345
Teleorman 156941 269446 156305 275205 153005 253880
Călăraşi 9714 58996 9755 58401 9702 60557
Regiunea Sud 605810 1080218 605236 1084186 573430 1079215

Olt 19947 62049 19035 60117 12679 60213
Regiunea S-V 19947 62049 19035 60117 12679 60213

Bucureşti 2009200 0 1996814 0 1926334 0
Ilfov 19400 206496 30361 199886 30565 217009
Regiunea Bucureşti 2028600 206496 2027175 199886 1956899 217009

Total BHA 2654357 1348763 2651446 1344189 2543008 1356437
Populaţia BHA
(urban +rural) 4 003 120 3 995 635 3 899 445
Venit mediu şi venit net lunar BHA

ANUL
2000 2001 2002
Venituri / locuitor (mii lei / locuitor)
Venituri nete Venit Venituri nete Venit Venituri nete Venit
Regiune băneşti (% x venit) mediu băneşti (% x venit) mediu băneşti (% x venit) mediu
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
Structura populaţiei pe regiuni (%)
Sud 1686028 42,1 1689422 42,3 1652645 42,4
Sud Vest 81996 2,1 79152 2,0 72892 1,9
Bucureşti 2235096 55,8 2227061 55,7 2173908 55,7
Total BHA 4003120 100,0 3995635 100,0 3899445 100,0
Venituri / locuitor (mii lei / locuitor)
Venit Venit Venit Venit Venit Venit
net mediu net mediu net mediu
Total BHA 1062,7 1317,0 1660,7 1980,1 2230 2599,3
Cursul de schimb lei / Euro
ANUL 2000 = 19955,8 ANUL 2001 = 26026,9 ANUL 2002 = 31255,2
EURO/ loc. 53,25 66,0 63,8 76,1 71,3 83,2
Unica soluţie disponibilă regional a fost oferită de ancheta ABF (fosta AIG) prin care
s-au asimilat noţiunilor de venit mediu şi net, cele de venit mediu şi bănesc din anchetă.
247
View publication stats

Econometrie

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Econometrie

Încărcat de

Drepturi de autor:

Formate disponibile

See discussions, stats, and author profiles for this publication at: https://www.researchgate.

Book · July 2009

The user has requested enhancement of the downloaded file.

CONSUELA NECª ULESCU

Coperta: Angelica Mãlãescu (Badea)

EDITURÃ RECUNOSCUTÃ DE CONSILIUL NAÞIONAL AL CERCETÃRII

Descrierea CIP a Bibliotecii Naþionale a României

© Toate drepturile asupra acestei lucrãri sunt rezervate Editurii Universitare

Distribuþie: tel/fax: (021) 315.32.47

„Experienţa este singura în stare să ne ofere informaţie reală despre viaţă!”

Econometria tradiţională s-a concentrat asupra relaţiilor economice agregate,

Sinteza interogativă şi rezumatul capitolului

Cuvinte cheie: econometrie, istoria econometriei, pachete de programe

O întrebare aparent simplă de tipul ce este econometria, îşi găseşte un

1.2. Scurt istoric privind apariţia şi dezvoltarea econometriei

Principalele etape ale apariţiei şi dezvoltării econometriei pot fi descrise în

1.3. Câteva obiective importante şi obiectul de studiu al econometriei

Ca dovadă certă a originii sale statistice, econometria are şi ea ca un prim

1.4. Pachete de programe specializate, utilizate în econometrie

Interesul crescând semnalat şi în acest prim deceniu al noului secol în

Sursa: Andronache C., Săvoiu G.,Exploratory Domains of Econophysics.News EDENI&II,

„O idee începe prin a fi un paradox, continuă prin a fi o banalitate şi sfârşeşte prin

La intersecţia pragmatică şi provocatoare a economiei (cercetării

1.6. Întrebări, teste tip grilă şi aplicaţii

a) De ce este important economistul norvegian Ragnar Frisch pentru istoria

1.6.2. Teste tip grilă şi aplicaţii

1. Data exactă şi fondatorii lui Econometric Society sunt:

2.În ce an apare primul număr al revistei Econometrica la Econometric Society?

1.7. Note şi referinţe bibliografice

Sinteza interogativă şi rezumatul capitolului

Cuvinte cheie: model şi modelare uni, inter, trans şi multidisciplinară,

Sursa: Săvoiu G, Iorga-Simăn I, Multidisciplinary modelling knowledge, and onediscipline

Ştiinţele dobândesc treptat legităţi şi metode caracteristice, mai ales datorită

În mediul academic modern şi în procesul educaţional de formare a tinerilor

Într-o primă fază de construcţie a modelului, pornind de la realitatea

I. Asigurarea seriilor de date statistice 1.Trecerea în revistă a teoriei în domeniul

2.3. Tipologia modelelor econometrice

Gândirea statistică, aşa cum s-a constatat, reunită cu cea matematică şi

2.4. Dinamica modelului econometric. Un exemplu clasic edificator: elasticitatea

Modele econometrice clasice se constituie într-o literatură de dimensiuni tot

Coeficienţii elasticităţii-preţ sau elasticităţii-venit devin astfel: λ c/ v = R c% / R v% şi

IV. Diferenţa ∆ y − ∆∗∗∗

Modelarea econometrică a reactivităţii cererii, concretizată în evoluţia cheltuielilor

2.5. Noţiuni macro şi microeconomice utile construcţiei modelului econometric

Orice s-ar întâmpla şi oricum ar fi construite modelele econometrice,

Estimarea macroagregatelor SCN poate conduce şi la aprecierea evoluţiei

Tabel nr. 2.7 Anul precedent = 100

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

2.Indicatori ai echilibrului cerere-ofertă prin nivelul preţurilor (indicii preţurilor, rata

3.Indicatori ai echilibrului pieţei forţei de muncă (gradul şi structura ocupării şi migrării

4.Indicatori ai echilibrului extern al economiei naţionale (indicatorii contului curent al

5.Indicatori ai echilibrului social şi comunitar (ecartul dintre salariul minim şi maxim,

Modelările macroeconometrice valorifică aceşti indicatori prin regrupare

Productivitatea muncii beneficiază de aceeaşi modalitate de determinare

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

Principalele analize prin indicii raportului de schimb includ următorii indicatori:

2.6. Concepte statistico-matematice frecvent valorificate în modelul econometric

Problemele fundamentale ale statisticii matematice, legate de modelarea

• populaţie sau colectivitate (o mulţime bine delimitată în timp, spaţiu şi

b) Concepte esenţiale ce aparţin teoriei probabilităţilor

Eroarea (error) sau cunoştinţa care nu reflectă adecvat, corect, veridic,

În modelarea statistico-matematică a fenomenelor economice, informaţiile

Statistica descriptivă a creşterii economice în România, după 1990

Figura nr. 2.4