Protecţia drepturilor şi intereselor consumatorilor AE

APLICAREA METODEI DE ANALIZĂ ÎN COMPONENTE PRINCIPALE

ASUPRA INDICATORILOR SPECIFICI ACTIVITĂŢII AUTORITĂŢII
NAŢIONALE DE PROTECŢIE A CONSUMATORILOR DIN ROMÂNIA

Manuela Rozalia Gabor1∗, Daniela Ştefănescu2 şi Lia Codrina Conţiu3

1) 2) 3)
Universitatea Petru Maior din Tîrgu Mureş, România

Rezumat
Autoritatea Naţională pentru Protecţia Consumatorilor din România (ANPC
România) este o instituţie a cărei activitate înregistrează evoluţii diferite de la o regiune de
dezvoltare la alta şi implicit de la un judeţ la altul. Indicatorii activităţii ANPC România
sunt în strânsă corelaţie cu anumiţi indicatori macroeconomici importanţi inclusiv la nivelul
judeţelor României, ipoteză verificată într-o cercetare anterioară a autorilor. (Ştefănescu &
Gabor, 2008) În prezenta lucrare, verificăm ipoteza că în ultimul deceniu au avut loc
numeroase modificări structurale privind indicatorii economici la nivelul judeţelor şi vom
analiza evoluţia acestor schimbări structurale pentru două perioade diferite, respectiv pentru
anii 2000 şi 2006 şi mai ales gruparea judeţelor României, ţinând cont de indicatorii
macroeconomici şi de cei înregistraţi de ANPC România, prin aplicarea unei metode
descriptive de analiza datelor, respectiv analiza în componente principale (ACP). Prin
aplicarea metodei ACP, se obţin informaţii utile ANPC care, potrivit atribuţiilor specifice,
colaborează cu administraţiile publice locale, în privinţa elaborării strategiei de educare a
consumatorilor şi de organizare a activităţilor de control. În acest sens, în funcţie de gradul
de dezvoltare economică a fiecărui judeţ, de particularităţile de consum ale populaţiei, de
nivelul câştigului salarial, de nivelul PIB-ului pe locuitor, se pot dezvolta de către ANPC
strategii diferenţiate, adaptate la specificul fiecărui judeţ.

Cuvinte-cheie:Autoritatea Naţională de Protecţie a Consumatorilor din România, analiza în

componente principale, indicatori macroeconomici, judeţe, corelaţie

Clasificare JEL: C02, C1, C19, D02, D03, D12, D18

Introducere

Între fenomenele şi procesele economice se manifestă o serie de relaţii de

interdependenţă, sub influenţa unor factori esenţiali sau neesenţiali care, fie acţionează
indepedent, fie acţionează grupat, formând un alt factor determinant pentru evoluţia acestor
procese sau fenomene.

∗
Autor de contact, Manuela Rozalia Gabor - rozalia.gabor@ea.upm.ro

Vol XII • Nr. 28 • Iunie 2010 313

AE Aplicarea metodei de analiză în componente principale asupra indicatorilor
specifici activităţii Autorităţii Naţionale de Protecţie a Consumatorilor
din România

Statistica, mai precis analiza datelor dispune, prin metodele descriptive de analiză
a datelor, de instrumente de analiză multidimensională puternice şi eficiente, instrumente
pe baza cărora pot fi deduse informaţii derivate importante pentru cercetările de piaţă,
analize economice etc, informaţii care, prin aceste metode pot fi ierarhizate din punct de
vedere a intensităţii influenţei şi mai ales pot fi analizate în ansamblu şi nu independent.
Mai rar utilizate decât metodele explicative de analiza datelor (regresia, de exemplu),
metodele descriptive oferă avantaje suplimentare comparativ cu acestea: avantajul
neseparării variabilelor în explicative şi explicate, avantajul vizualizării acestor influenţe în
spaţiu vectorial care completează şi recomandă aceste metode de analiză a datelor.
În vederea analizării datelor, metodele descriptive pot fi utilizate cu succes în
următoarele cazuri:
• identificarea dimensiunilor sau factorilor fundamentali care explică corelaţiile între
mai multe variabile;
• identificarea unui nou ansamblu de dimensiuni reduse de variabile necoralate, cu
scopul de a înlocui primul ansamblu de variabile corelate într-o analiză multivariată
(analiza de regresie sau analiza discriminantului);
• pentru identificarea unui ansamblu mai redus de variabile determinante începând cu
un ansamblu mai mare ca să poată fi aplicat unei analize multivariate;
• căutarea de concepte noi, care să reducă numărul de variabile ce descriu o situaţie
(Petcu, 2003, p. 122);
• testarea ipotezelor asupra unui ansamblu de variabile (Petcu, 2003, p. 122).
Studierea numeroaselor variabile economice, care în cele mai multe situaţii sunt
corelate între ele cu ajutorul analizei descriptive a datelor, este foarte importantă şi
reprezintă o informaţie utilă pentru analize complexe, detaliate fie pentru managementul şi
marketingul unei firme, fie pentru caracterizări la nivel local, regional sau naţional.
În economie, un individ – consumator, cumpărător, organizaţie, etc. – este
caracterizat de mai mult de o variabilă, iar celelalte metode statistice (ca de exemplu
corelaţiile) permit analiza fiecărei variabile, dar separat, pe când analiza descriptivă a
datelor - şi în special Analiza în Componente Principale – permite abordarea caracterului
multidimensional a datelor/ variabilelor ce caracterizează un individ.
În prezenta cercetare, prin folosirea metodei ACP se urmăreşte verificarea ipotezei
privind modificarea distribuţiei judeţelor României şi modul de grupare a indicatorilor
ANPC, macroeconomici, respectiv, care din aceste grupări de indicatori caracterizează mai
bine condiţiile pieţei din fiecare judeţ.
O altă ipoteză vizează verificarea gradului în care populaţia din judeţele mai
dezvoltate economic, implicit cu un nivel mai ridicat al PIB-ului, ar conduce la
intensificarea activităţii de control ale ANPC.
Pornind de la corelaţiile testate deja în cercetarea anterioară, pentru care s-au
obţinut rezultate semnificative din punct de vedere statistic, se urmăreşte identificarea
indicatorilor ANPC care se combină cu indicatorii macroeconomici şi influenţează
dispersia judeţelor României. Dintre corelaţiile evidenţiate între indicatorii ANPC şi cei
macroeconomici analizaţi anterior, le reţinem pe următoarele: valoarea vărsămintelor la
buget şi PIB (coeficientul de corelaţie Spearman: 0.62), valoarea totală amenzilor şi PIB
(coeficientul de corelaţie Spearman: 0.45), PIB şi numărul firmelor de comerţ (coeficientul
de corelaţie Spearman: 0.67), valoarea produselor cu abateri şi numărul firmelor de comerţ
(coeficientul de corelaţie Spearman: 0.50), populaţie şi PIB (coeficientul de corelaţie

314 Amfiteatru Economic

Protecţia drepturilor şi intereselor consumatorilor AE
Spearman:- 0.65). Rezultatele sunt garantate cu un nivel de semnificaţie de 0,01 şi toate
arată un nivel mediu al intensităţii corelaţiilor.
Prin aplicarea metodei ACP, se mai urmăreşte testarea ipotezei că indicatorii
ANPC vor forma împreună cu indicatorii macroeconomici una din componentele principale
şi că această grupare respectă corelaţiile testate anterior.

1. Metodologie – Prezentarea metodei Analiza în Componente Principale (ACP)

Principiul fundamental al acestei metode este de a extrage cel mai mic număr de
componente care să recupereze cât mai mult din informaţia totală conţinută în datele
originale, aceste noi componente exprimând atribute noi ale indivizilor şi construite astfel
încât să fie necorelate între ele, fiecare din aceste noi variabile fiind o combinaţie liniară de
variabile originale. (Giannelloni & Vernette, 2001, p. 382) Această metodă oferă o
vizualizare grafică a hărţii indivizilor, respectiv a judeţelor din studiu, în funcţie de
asemănările dintre ei şi a hărţii variabilelor , respectiv a indicatorilor ANPC şi
macroeconomici în funcţie de corelaţiile lor.
Deşi la baza acestei metode stă acelaşi principiu ca şi la analiza factorială (în
principiu este o metodă factorială liniară), analiza în componente principale diferă de
aceasta prin modul de definire a elementelor tabelului de date iniţial şi modul de calcul al
distanţelor dintre puncte. Ca metodă descriptivă de analiză a datelor se aplică doar
variabilelor cantitative şi tabelelor de dimensiuni mari care cuprind informaţii referitoare la
mai mult de 15 indivizi şi 4 variabile. O altă caracteristică care o diferenţiază de analiza
factorială este dată de modalitatea de transformare a termenilor (Pintilescu, 2003, p. 24),
astfel în analiza componentelor principale este folosită relaţia (1), pe când în analiza
factorială, relaţia (2).
x ij − x j
x ij" = (1)
n ∗ σ j

x ij − x j
x '
= (2)
σ
ij
j
Etapele ACP sunt redate în figura nr. 1. Etapele prezentate în figura 1 sunt urmate
de interpretarea rezultatelor analizei, Saporta şi Ştefănescu (1996, pp. 76-80) menţionând
două tipuri de interpretări ce trebuie făcute în cazul ACP, respectiv interpretarea ”internă”
adică a corelaţiilor între componentele rezultate în urma aplicării metodei ACP şi
variabilele iniţiale (reprezentate prin cercul de corelaţii) şi interpretarea ”externă” între
variabile şi indivizi suplimentari, respectiv a judeţelor, explicarea rezultatelor făcându-se cu
ajutorul datelor ce au servit la obţinerea lor.

Vol XII • Nr. 28 • Iunie 2010 315

AE Aplicarea metodei de analiză în componente principale asupra indicatorilor
specifici activităţii Autorităţii Naţionale de Protecţie a Consumatorilor
din România

Calcularea Calcularea valorilor Calcularea

vectorilor proprii
elementelor matriciei proprii matriciei
XTX sau XXT XTX sau XXT normaţi ai matriciei
corelaţiilor XTX
Calcularea coordonatelor şi
contribuţiilor unităţilor Proiecţia şi
statistice şi variabilelor pe reprezentarea punctelor
axele factoriale în planul axelor

Figura nr. 1 – Etapele analizei în componente principale

Sursa: Pintilescu, C., 2003. Analiza datelor. Iaşi: Editura Junimea, p. 37

În analiza componentelor principale, pentru alegerea numărului de axe factoriale,

respectiv a componentelor ce se vor interpreta se folosesc următoarele criterii:
• criteriul lui Kaiser (criteriul valorii supraunitare) care constă în alegerea numărului de
axe pentru care valorile proprii corespund unei valori mai mari decât unu. (Saporta &
Stefanescu, 1996, p. 507)
• criteriul lui Evrard (criteriul pantei sau ”granulozităţii”) bazat pe reprezentarea grafică a
valorilor proprii şi urmărirea unor căderi bruşte a inerţiei explicată de acestea.
• criteriul lui Benzecri (criteriul procentului de acoperire) care presupune alegerea acelui
număr de axe care explică mai mult de 70 % din variaţia totală a norului de puncte.
• metoda analizei paralele (elaborată de Horn) este aplicabilă datelor standardizate şi
presupune generarea de eşantionae aleatoare, variabilele ce caracterizează populaţie fiind
presupuse necorelate două câte două. (Saporta & Stefanescu, 1996, pp. 508-509)
• metoda regresiei este analogă analizei paralele dar nu presupune generarea eşantioanelor
aleatoare şi efectuării ACP la nivelul fiecărui eşantion. (Saporta & Stefanescu, 1996, p.
511)
În prezenta lucrare, pentru a asigura un nivel mai ridicat de obiectivitate a
prelucrării datelor s-au folosit cumulat mai multe dintre criteriile menţionate: Kaiser,
Evrard, Benzecri.
Pentru alegerea numărului de componente principale se utilizează combinaţiile
liniare standardizate care au ca punct de pornire în loc de matricea R a corelaţiilor, matricea
sumă a covarianţei, şi constă în alegerea acelei combinaţii liniare standardizate cu cea mai
mare varianţă. Spre dosebire de analiza factorială – unde se modelează variaţiile
variabilelor X prin transformări liniare a unui număr fixat, limitat de factori numiţi
”ascunşi”, latenţi - ACP caută combinaţii liniare între variabile, ordonându-le după valorile
proprii ale matricei covarianţelor. Pentru aplicarea metodei ACP s-a folosit programul
SPSS, iar pentru detalierea interpretărilor interne şi externe s-a folosit programul EXCEL
pentru statistica descriptivă a rezultatelor ACP.

316 Amfiteatru Economic

Protecţia drepturilor şi intereselor consumatorilor AE

2. Rezultate obţinute prin aplicarea metodei

Demersul practic al acestei metode a avut ca bază de pornire datele statistice

prezentate în anexele 1 şi 2, pentru ambele perioade, respectiv 2000 şi 2006 folosindu-se
următoarele grupuri de variabile:
• variabile specifice activităţii desfăşurate de ANPC România: numărul total al
acţiunilor de control desfăşurate de ANPC, valoarea produselor cu abateri de la OG
21/1992 pe total şi pentru produse de import, valoarea totală a amenzilor aplicate şi
valoarea vărsămintelor la buget din amenzi;
• variabile macroeconomice la nivel judeţean: populaţia la 1 iulie, PIB-ul pe judeţ,
numărul firmelor de comerţ, cifra de afaceri a firmelor de comerţ, câştigul salarial nominal
mediu net lunar pe total economie.
Urmând etapele aplicării ACP, în prima etapă s-au obţinut rezultatele din anexele 3
şi 4, unde sunt prezentate matricele de corelaţie a variabilelor analizate pentru cele două
perioade, respectiv coeficientii de corelatie Pearson din care se observă valori ridicate între
multe variabile. Acesta este un semn al redundanţei informaţionale şi prin urmare vom
încerca reducerea dimensionalităţii aplicând tehnica ACP, atât pentru 2000 cât şi pentru
2006, urmând să analizăm ulterior dacă între cele două perioade au avut loc schimbări
structurale semnificative privind gruparea judeţelor României în funcţie de aceste variabile.
Singura variabilă care a suferit modificări este câştigul salarial net mediu lunar (CSMNL)
care a înregistrat o creştere a intensităţii corelaţiei cu celelalte variabile ale componentei 1,
precum şi cu variabila valoarea totală a produselor cu abateri, de la corelaţie negativă
slabă în 2000 la corelaţie pozitivă medie în 2006.
Pentru cea de-a doua etapă a aplicării metodei ACP, respectiv calcularea valorilor
proprii matricei corelaţiilor, programul SPSS a generat rezultatele pentru cele două
perioade considerate în tabelele 1 şi 2. Se poate observa aşadar, atât pentru anul 2000 cât şi
pentru anul 2006, doar două componente principale pot fi reţinute, respectiv judeţele
României vor fi reprezentate pe două axe factoriale formate din combinaţia variabilelor
iniţiale, deoarece doar pentru două componente s-au obţinut valori mai mari decât 1
(criteriul Kraiser). Un alt criteriu de care s-a ţinut cont în alegerea a două axe factoriale,
respectiv două componente principale, este criteriul Benzecri, iar conform datelor din
tabelele 1 şi 2 rezultă că aceste componente explică împreună mai mult de 70% din varianţa
totală a norului de puncte.

Tabel nr. 1: Varianţa totală explicată şi a valorilor proprii pentru anul 2000
Valori proprii Sumele extrase ale pătratelor
Componente varianţelor
Total % din Valori Total % din Valori
varianţă cumulate varianţă cumulate
% %
1 6,595 65,949 65,949 6,595 65,949 65,949
2 1,311 13,108 79,058 1,311 13,108 79,058
3 ,761 7,611 86,669
… … … …
10 ,006 ,058 100,000
Metoda de extracţie: ACP

Vol XII • Nr. 28 • Iunie 2010 317

AE Aplicarea metodei de analiză în componente principale asupra indicatorilor
specifici activităţii Autorităţii Naţionale de Protecţie a Consumatorilor
din România

Tabel nr. 2: Varianţa totală explicată şi a valorilor proprii pentru anul 2006
Valori proprii Sumele extrase ale pătratelor
Componente varianţelor
Total % din Valori Total % din Valori
varianţă cumulate varianţă cumulate
% %
1 6,885 68,846 68,846 6,885 68,846 68,846
2 1,900 18,995 87,842 1,900 18,995 87,842
3 ,514 5,138 92,980
… … … …
10 0,007 0,067 100,000
Metoda de extracţie: ACP

Pe baza rezultatelor din tabelele nr. 1 şi nr.2, deducem că doar două componente
au valori proprii mai mari decât 1, exprimând 79 % din varianţa totală pentru 2000 şi 88 %
pentru 2006, ceea ce înseamnă că îi putem utiliza pentru a reprezenta norul de puncte în
planul principal. Creşterea proporţiei variaţiei totale explicate de cele două componente este
rezultatul creşterii intensităţii corelaţiei, de la nivel slab la nivel mediu, a variabilei câştig
salarial net mediu lunar cu celelalte variabile ale componentei 1. De asemenea, se constată
că cele două variabile care descriu indicatori specifici ANPC explică doar 13% din varianţa
totală pentru anul 2000 şi 19 % pentru 2006. Reprezentarea grafică tipică a unei ACP,
respectiv Scree plotul obţinut, identic pentru cele două perioade analizate, confirmă cele
două componente principale rezultate în urma aplicării metodei, reprezentate în figura nr. 2.
Scree Plot
8

2
Eigenvalue

0
1 2 3 4 5 6 7 8 9 10

Component Number

Figura nr. 2: Graficul valorilor proprii

Analizând reprezentarea grafică a valorilor proprii, şi respectând criteriul Evrard

pentru obţinerea numărului de componente principale, putem decide alegerea a 2
componente. Dacă urmărim divizarea cantităţii de informaţie şi faptul că doar primele 2
componente aduc un plus de informaţie faţă de o variabilă din forma iniţială, atunci le vom
păstra doar pe acestea din urmă. De asemenea, putem remarca că o proporţie de 79 % din
informaţia iniţială pentru 2000 şi 88 % pentru 2006 este extrasă de noile variabile.

318 Amfiteatru Economic

Protecţia drepturilor şi intereselor consumatorilor AE
Observăm că variabilele (conform celor două matrici a corelaţiilor din anexele 3 şi 4)
valoarea produselor cu abateri de la OG 21/1992_produse de import şi valoarea
produselor cu abateri de la OG 21/1992_total nu se corelează intens cu nici una dintre
variabilele componentei 1. În figurile 3 şi 4 sunt reprezentate grafic componentele obţinute
prin rotirea axelor prin metoda Varimax pentru cele două perioade. Valorile coeficienţilor
de corelaţie din anexele 3 şi 4 servesc drept coordonate ale variabilelor iniţiale în planul
vectorial al celor două componente principale.

Figura nr. 3: Diagrama componentelor Figura nr. 4: Diagrama componentelor în

în spaţiul obţinut prin rotaţia Varimax, spaţiul obţinut prin rotaţia Varimax, anul
anul 2000 2006

Analizând cele două reprezentări grafice din figurile 3 şi 4 devine evident faptul
că prima componentă este apropiată de variabilele ce descriu atât indicatorii de măsurare a
activităţii ANPC România cât şi de indicatorii macroeconomici, pe când cea de-a doua
componentă principală este apropiată de valoarea produselor cu abateri de la OG 21/1992
atât pe total valoare cât şi pentru produsele de import. Se observă însă modificări ale
grupării variabilelor pe cele două componente de la un an la altul, astfel:
• trecerea din cadranul valorilor negative ale primei componente a variabilei câştig
salarial net mediu lunar la cadranul valorilor pozitive îndepărtate de axa OX formată de
componenta principală 2, aşadar contribuţia acesteia creşte în anul 2006 faţă de anul 2000,
la formarea componentelor;
• distanţarea de axa OX, axa care descrie componenta principală 2 a variabilei
valoarea totală a produselor cu abateri ce formează componenta 2 şi apropierea de
variabila valoarea produselor de import cu abateri împreună cu care formează această
componentă.
Rezultatele generate de programul SPSS pentru matricea componentelor
principale în urma rotaţiei Varimax pentru normalizarea vectorilor proprii, conform celei
de-a treia etape a metodei, precum şi coordonatele contribuţiilor unităţilor statistice şi
variabilelor pe axele factorilor, conform celei de-a patra etape sunt prezentate în tabele 3 şi
4.

Vol XII • Nr. 28 • Iunie 2010 319

AE Aplicarea metodei de analiză în componente principale asupra indicatorilor
specifici activităţii Autorităţii Naţionale de Protecţie a Consumatorilor
din România

Tabel nr. 3: Matricea componentelor principale în urma rotaţiei Varimax - 2000

Variabile iniţiale Componenta
1 2
PIB-ul pe judet ,956 ,084
Numarul firmelor de comert ,955 ,098
Numarul de locuitori la 1 iulie ,936 ,059
Valoarea totala a amenzilor aplicate ,933 ,199
Valoarea varsamintelor la buget ,899 ,257
Numarul actiunilor de control desfasurate ,888 ,172
Cifra de afaceri a firmelor de comert ,873 ,186
Castigul salarial nominal mediu net lunar ,638 -,069
Valoarea produselor cu abateri de la OG 21/1992_total ,028 ,859
Valoarea produselor cu abateri de la OG 21/1992_ import ,163 ,777
Metoda de extracţie: ACP.
Metoda de rotaţie: Varimax cu normalizarea Kaiser. a Rotaţie convergentă în 3 iteraţii

Tabel nr. 4: Matricea componentelor principale în urma rotaţiei Varimax - 2006

Variabile iniţiale Componenta
1 2
Numarul firmelor de comert ,973 ,061
PIB-ul pe judet ,966 ,098
Cifra de afaceri a firmelor de comert ,934 ,125
Numărul de locuitori la 1 iulie ,930 -,007
Valoarea totala a amenzilor aplicate ,919 ,206
Valoarea varsamintelor la buget ,916 ,197
Numarul actiunilor de control desfasurate ,842 ,200
Castigul salarial nominal mediu lunar ,682 ,470
Valoarea produselor cu abateri de la OG 21/1992_import ,091 ,982
Valoarea produselor cu abateri de la OG 21/1992_total ,124 ,974
Metoda de extracţie: ACP.
Metoda de rotaţie: Varimax cu normalizarea Kaiser. a Rotaţie convergentă în 3 iteraţii

Pentru a putea reprezenta punctele indivizi, respectiv judeţele României, pe

harta indivizilor se folosesc coordonatele acestora aflate în componenta principală 1 şi
componenta principală 2, respectiv etapele 3 şi 4 ale demersului metodologic, prin
calcularea vectorilor proprii normaţi ai matricei corelaţiilor. În tabelele 3 şi 4 se poate
observa gruparea celor zece variabile iniţiale pe cele două componente principale noi
aferente variabilor celor două perioade analizate. În ceea ce priveşte gruparea variabilelor
iniţiale în jurul celor două componente principale este ierarhia acestora care a suferit
schimbări în 2006 faţă de 2000, respectiv:
• componenta principală 1:
- variabila macroeconomică PIB trece de pe poziţia 1 din anul 2000 pe a doua
poziţie în anul 2006, practic inversând locul cu o altă variabilă macroeconomică, numărul
firmelor de comerţ care devine astfel, cea mai importantă variabilă a componentei
principale 1 în anul 2006;
- o altă variabilă macroeconomică cifra de afaceri a firmelor de comerţ trece de pe
locul 7 în 2000 pe poziţia 3 în 2006;

320 Amfiteatru Economic

Protecţia drepturilor şi intereselor consumatorilor AE
- Ca urmare a poziţionării variabilei cifra de afaceri a firmelor d ecomerţ pe locul
3 în 2006, cele trei variabile specifice ANPC care formează componenta 1 s-au deplasat
ierarhic cu câte un nivel.
• componenta principală 2: cele două variabile ANPC care formează componenta 2
îşi inversează locurile în 2006 faţă de 2000.
Schimbarea ierarhiei variabilelor este însoţită de o creştere a intenstităţii
corelaţiilor acestora, atât în cadrul componentei 1 cât şi în cadrul componentei 2, dar mai
semnificativă pentru cea de-a doua componentă, de la 0,859 şi 0,777 în anul 2000 la 0,982
şi 0,974 în anul 2006. Schimbările ierarhice observate pe parcursul celor 6 ani (2000-2006)
între variabilele iniţiale şi locul pe care îl deţin în formarea celor două componente
principale au o importanţă majoră pentru gruparea judeţelor României pe aceste două
componente principale. Dacă în anul 2000, primordială era dezvoltarea economică a
judeţelor, mărimea populaţiei judeţelor, în anul 2006, importante sunt variabilele care
descriu capacitatea şi dezvoltarea comercială a judeţelor, dată de numărul firmelor de
comerţ şi cifra de afaceri a acestora şi care este în strânsă corelaţie cu indicatorii raportaţi
de ANPC, ipoteză de la care a pornit această cercetare (amintim că aceste corelaţii au valori
mai mari decât media, respectiv între valoarea produselor cu abateri şi numărul firmelor
de comerţ: 0,50, respectiv între PIB şi numărul firmelor de comerţ: 0,67).
Ultima etapă, respectiv proiecţia şi reprezentarea punctelor indivizi (judeţele
României) în planul axelor factoriale a celor două componente principale evidenţiată în
figurile 5 şi 6, unde au fost reprezentate cele 41 de judeţe ale României şi municipiul
Bucureşti în planul principal, conform coordonatelor punctelor indivizi. Se confirmă astfel,
ipoteza iniţială a cercetării întreprinse, conform căreia, în decursul celor două perioade, vor
avea loc schimbări structurale influenţate atât de evoluţia valorilor variabilelor iniţiale, cât
şi de ierarhia combinării acestora în cadrul celor două componente.

Figura nr. 5: Proiecţia şi reprezentarea punctelor indivizi (a judeţelor) în planul

axelor factoriale a celor două componente principale pentru anul 2000

Vol XII • Nr. 28 • Iunie 2010 321

AE Aplicarea metodei de analiză în componente principale asupra indicatorilor
specifici activităţii Autorităţii Naţionale de Protecţie a Consumatorilor
din România

Pentru analiza modificărilor structurale a judeţelor s-au aplicat indicatorii

statisticii descriptive, abaterea individuală absolută, media, abaterea standard, pe baza
acestora evidenţiindu-se permutări majore în cazul următoarelor judeţe: Bihor, Satu Mare,
Harghita, Neamţ, Vrancea, Prahova, restul judeţelor poziţionându-se în jurul originii axelor
formate de cele două componente. Variabila macroeconomică PIB a avut o influenţa
determinantă în repoziţionarea judeţelor menţionate anterior, explicată şi prin faptul că
această variabilă şi-a schimbat locul în ierarhia variabilelor componentei 1.

Figura nr. 6: Proiecţia şi reprezentarea punctelor indivizi (a judeţelor) în planul

axelor factoriale a celor două componente principale pentru anul 2006

Cele două componente principale sunt „abstracte”. Pentru a putea face

interpretarea internă a celor două componente principale se calculează coeficienţii de
corelaţie între variabilele iniţiale ale cercetării noastre şi cele două componente principale,
rezultate evidenţiate în tabelele 5 şi 6.
Pe baza datelor din tabelele nr. 5 şi nr. 6, se poate observa faptul că variabilele
iniţiale valoarea produselor cu abateri de la O.G. 21/1992_total şi valoarea produselor cu
abateri de la O.G. 21/1992_produse de import, care formează cea de-a doua componentă
principală, sunt mult mai puternic corelate comparativ cu variabilele iniţiale ce formează
prima componentă, având coeficienţi de corelaţie apropiaţi de medie, spre deosebire de cei
de la prima componentă care au valori foarte mici. Mai mult, variabilele date de indicatorii
macroeconomici care formează componenta 1 sunt corelate negativ cu cea de-a doua
componentă, excepţie înregistrând variabila câştigul salarial mediu net lunar, singura care
înregistrează coeficienţi de corelaţie de intensitate medie. Se demonstrează astfel una dintre
ipotezele cercetării, respectiv aceea că, acele judeţe unde CSNMNL este mai ridicat şi deci
şi nivelul de dezvoltare economică a judeţului este mai ridicat, posibilitatea de a cumpăra şi
alte produse decât cele din coşul zilnic şi deci produse din import, duce proporţional la
creşterea probabilităţii de intensificare, în acele judeţe, a numărului de reclamaţii şi

322 Amfiteatru Economic

Protecţia drepturilor şi intereselor consumatorilor AE
constatări făcute de ANPC. Aşadar, va determina o creştere direct proporţională a
numărului acţiunilor de control, a valorii produselor cu abateri din import, etc.

Tabel nr. 5: Matricea coeficienţilor Tabel nr. 6: Matricea coeficienţilor

scorurilor celor două componente scorurilor celor două componente
principale generate de SPSS– 2000 principale generate de SPSS – 2006
Componenta Componenta
Variabile iniţiale 1 2 Variabile iniţiale 1 2
Număr controale ,137 ,017 Număr controale ,127 ,014
Valoarea produselor cu -,171 ,629 Valoarea produselor cu -,078 ,471
abateri_total abateri _total
Valoarea produselor cu -,067 ,553 Valoarea produselor cu -,084 ,479
abateri _import abateri _import
Amenzi aplicate ,141 ,031 Amenzi aplicate ,140 ,009
Varsaminte la buget ,128 ,078 Varsaminte la buget ,140 ,005
PIB-ul pe judet ,160 -,056 PIB-ul pe judet ,159 -,050
Nr. de locuitori la 1 iulie ,159 -,073 Nr. de locuitori la 1 iulie ,163 -,098
Nr. firmelor de comert ,158 -,046 Nr. firmelor de comert ,164 -,069
Cifra de afaceri a firmelor ,132 ,029 Cifra de afaceri a firmelor ,151 -,033
de comert de comert
CSMNL ,122 -,129 CSMNL ,071 ,164
Metoda de extracţie: ACP Metoda de extracţie: ACP
Metoda de rotaţie: Varimax cu normalizare Kaiser Metoda de rotaţie: Varimax cu normalizare Kaiser
Scorurile componentei. Scorurile componentei.

Trebuie ţinut cont de faptul că (sau nu este un aspect de neglijat) că cele două
perioade luate în considerare, aparţin perioadei dinainte de 2007, anul aderării României la
UE, perioadă în care România nu avea o pondere crescută a importurilor din UE, unde
produsele aflate pe piaţă sunt supuse unor controale mai riguroase decât cele având ca
provenienţă fie ţări care nu sunt membre UE, fie din alte zone de dezvoltare economică.
Prin urmare, ne propunem continuarea acestei cercetări pentru cel puţin o perioadă
de după 2007, anul aderării cu scopul de a urmări aceste schimbări structurale la nivelul
judeţelor României, ţinând cont de indicatorii ANPC şi de indicatorii macroeconomici
corelaţi cu cei ai ANPC. Acest demers este unul de descriere mezo şi macroeconomică
pentru a analiza cum indicatorii ANPC se grupează cu indicatorii macroeconomici pentru a
explica modificările structurale la nivelul judeţelor României. Acest demers prezintă aşadar
o importanţă macroeconomică deoarece ANPC este o instituţie guvernamentală, de
importanţă naţională cu o contribuţie majoră, atât prin indicatorii urmăriţi cât şi prin cei
raportaţi, la explicarea la nivel judeţean şi regional a diferenţelor economice şi, mai detaliat,
a diferenţelor de dezvoltare comercială a judeţelor. Comerţul reprezintă o importantă
ramură a economiei, care are o contribuţie importantă în formarea PIB-ului şi care, după
1990 şi mai ales după 2007, momentul liberalizării comerţului cu piaţa UE, a condus la
intensificarea posibilităţii României de a participa şi de a se alinia la comerţul
intracomunitar. În România, ANPC, ca instituţie publică poate contribui şi la educarea
consumatorului român, la dezvoltarea simţului civic – acesta fiind unul din obiectivele
majore ale ANPC după 2007, de a folosi produse de calitate, însă acest aspect este strâns
legat de CSNMNL al populaţiei judeţelor, cât şi de dezvoltarea economică, comercială şi

Vol XII • Nr. 28 • Iunie 2010 323

AE Aplicarea metodei de analiză în componente principale asupra indicatorilor
specifici activităţii Autorităţii Naţionale de Protecţie a Consumatorilor
din România

demografică a judeţelor (PIB-UL, numărul firmelor de comerţ, cifra de afaceri a firmelor de

comerţ, numărul populaţiei).

Concluzii

Prin aplicarea metodei ACP s-a realizat o reducere a datelor, înlocuind norul de
puncte iniţial cu un nor de puncte de dimensiuni reduse, pentru o reprezentare grafică
comodă şi pentru a evidenţia particularităţile judeţelor României în ceea ce priveşte
indicatorii de măsurare a activităţii ANPC şi cei macroeconomici înregistraţi în două
perioade de timp diferite, respectiv anii 2000 şi 2006 grupate pe două componente
principale.
Structura celor două componente formate în urma aplicării ACP prezentată în
tabelele nr. 3 şi nr. 4 grupează variabilele analizate pe cele două componente principale,
astfel:
• componenta 1: variabile specifice ANPC împreună cu variabile macroeconomice;
• componenta 2: doar variabile specifice ANPC, valoarea produselor cu abateri pe
total şi pentru produse de import.
Aspecte semnificative privind poziţionarea variabilelor pe cele două componente,
evidenţiate pe baza figurilor nr. 3 şi nr. 4:
• Variabilele care formează componenta 1 sunt indepedente (unghiul format de
vectorii variabilelor formează un unghi drept cu fiecare dintre variabilele analizate). De
exemplu: valoarea vărsămintelor la buget şi valoarea amenzilor cu numărul de locuitori
atât pentru 2000 cât şi pentru 2006.
• Există variabile „apropiate”, de exemplu, valoare produselor de import cu abateri şi
valoarea totală cu abateri pentru anul 2006, respectiv PIB-ul şi numărul de locuitori atât în
2000 cât şi 2006.
• Există variabile „opuse” a căror unghi format de vectorii lor este obtuz, de exemplu
variabilele componentei 2 cu câştigul salarial nominal mediu lunar, numărul de locuitori,
practic cu toate variabilele componentei 1
• Coordonatele punctelor formate de variabilele iniţiale atât ale componentei 2 cât şi
ale componentei 1 sunt depărtate de centrul în direcţia axei şi deci contribuţia la formarea
axelor este una foarte importantă.
În ceea ce priveşte gruparea judeţelor în funcţie de cele două componente
principale, în figurile 5 şi 6 şi tabelele 5 şi 6 se observă că cele mai multe judeţe sunt
poziţionate în zona valorilor negative (atât pentru componenta 1 cât şi pentru componenta
2). Aşadar rezultă că majoritatea judeţelor sunt sensibile la variabile iniţiale dar şi faptul că
cea de-a doua componentă are o contribuţie majoră în gruparea judeţelor pe axele formate
de cele două componente, lucru care se poate stabili printr-o analiză ulterioară prin
aplicarea unei alte metode descriptive de analiza datelor, analiza discriminantului.
Putem concluziona aşadar că variabilele iniţiale care formează cea de-a doua
componentă, sunt mult mai puternic corelate comparativ cu variabilele iniţiale ale
componentei 1 (conform tabelor nr. 5 şi nr. 6), având coeficienţi de corelaţie apropiaţi de
medie, spre deosebire de cei de la prima componentă care au coeficienţi de corelaţie foarte
mici cu componenta 1. Mai mult, variabilele date de indicatorii macroeconomici din
componenta 1 sunt corelate negativ cu a doua componentă, excepţia făcând pentru anul

324 Amfiteatru Economic

Protecţia drepturilor şi intereselor consumatorilor AE
2000, variabila cifra de afaceri a firmelor de comerţ. Explicaţia ar putea fi aceea că, dintre
toţi indicatorii macroeconomici, câştigul salarial nominal mediu net lunar înregistrează
coeficienţi de corelaţie de intensitate medie, nefiind corelat puternic nici cu indicatorii
ANPC dar nici cu ceilalţi indicatori macroeconomici şi necunoscând structura tipurilor de
cumpărături efectuate de gospodăriile de toate categoriile din fiecare judeţ.
Pe lângă obţinerea celor două componente, metoda scoate în evidenţă o vizibilitate
mai bună a distribuţiei judeţelor pe cele două componente privind modificările structurale
aşa cum rezultă din figurile nr. 5 şi nr. 6.
Tot reprezentarea grafică este cea care ne oferă detalii despre faptul că judeţele
României concentrează în jurul lor variabilele „active” date de componenta 1 şi „pasive”
faţă de componenta 2 (sunt active faţă de variabilele primei componente şi pasive faţă de
variabilele ce contribuie la formarea celui de-a doua componente). Astfel, ANPC poate
elabora patru categorii de strategii, pentru fiecare grup de judeţe care s-a format în urma
aplicării metodei ACP în figura 6. Unul dintre grupuri este format de judeţele Cluj,
Prahova, Arad, Constanţa care se corelează direct cu ambele componente principale,
caracterizate printr-un nivel ridicat de dezvoltare economică, printr-un sector comercial de
asemenea bine dezvoltat; un alt grup este format din judeţele Vrancea, Satu-Mare şi
sectorul agricol Ilfov se caracterizează printr-un nivel de dezvoltare economică relativ
ridicat, un sector comercial bine reprezentat, dar care sunt mai dependente de variabilele
ANPC care formează componenta principală 2, privind produsele cu abateri şi cele din
import. Un caz atipic este reprezentat de municipiul Bucureşti care are cel mai ridicat nivel
de dezvoltare atât din punct de vedere economic, cât şi din punct de vedere comercial,
concentrând cele mai multe centre comerciale şi cei mai mulţi distribuitori. Aşadar, fiecare
grup de judeţe ar putea fi tratat diferit, în funcţie de poziţia ocupată în reprezentarea grafică.
Rezultatele acestei cercetări vor reprezenta baza unei analize ulterioare în vederea
identificării unor noi schimbări a structurii judeţelor, ca urmare a efectelor recesiunii
economice din ultima perioadă din România, pe cele două componente principale, rezultate
în urma acestei cercetări.

Bibliografie
Benzécri, J.P. & Benzécri, F., 1980. L’analyse des données. Paris: Dunod.
Gauthy Sinéchal, M. & Vandercammen, M., 2005. Études de marchés–methodes et outils.
2e édition. Buxelles: De Boeck & Larcier.
Giannelloni, J. L. & Vernette, E., 2001. Etudes de marche. 2e edition. Paris: Vuibert.
Institutul National de Statistică, 2008. Statistica teritorială, Bucureşti: Institutul National
de Statistică, Editura Revista Română de Statistică.
Institutul National de Statistică, 2006. Buletinul statistic lunar – decembrie 2006,
Bucureşti: Institutul National de Statistică. Editura Revista Română de Statistică
Institutul National de Statistică, 2005. Statistica teritorială, Bucureşti: Institutul National
de Statistică. Editura Revista Română de Statistică
Institutul National de Statistică, 2000. Buletinul statistic lunar – decembrie 2000,
Bucureşti: Institutul National de Statistică, Editura Revista Română de Statistică
Malhorta, N., 2004. Études marketing avec SPSS. 4e édition. Paris: Pearson Education.
Petcu, N., 2003. Statistică – teorie şi aplicaţii în SPSS. Braşov: Editura Infomarket.

Vol XII • Nr. 28 • Iunie 2010 325

AE Aplicarea metodei de analiză în componente principale asupra indicatorilor
specifici activităţii Autorităţii Naţionale de Protecţie a Consumatorilor
din România

Pintilescu, C., 2003. Analiza datelor. Iaşi: Editura Junimea.

Ruxanda, G., 2001. Analiza datelor. Bucureşti: Editura ASE.
Saporta, G. & Ştefănescu, M. V., 1996. Analiza datelor şi informatică. Bucureşti: Editura
Economică.
Smajda, A., 1988. Segmenter ses marches – applications pratique de technique de
segmentation dans le marketing. Lausanne: PPR.
Spircu, L., 2004. Analiza datelor. Aplicaţii economice. Bucureşti: Editura ASE [Online]
Disponibil la: http://www.biblioteca-
digitala.ase.ro/biblioteca/carte2.asp?id=489&idb=11 [Accesat 3 mai 2010]
Spircu, L., Calciu, M. & Spircu, T., 1994. Analiza datelor de marketing. Bucureşti: Editura
ALL.
Ştefănescu, D. & Gabor, M.R., 2008. Statistical analysis of indicators concerning activity
carried out by the Romanian National Authority of Consumer Protection. In: Journal of
International Scientific Publication: Economy & Business, volume 2, ISSN: 1313 –
2555, pp. 943 – 973, Sunny Beach – Bourgas, Bulgaria, septembrie 2008, Info Invest:
Bulgaria. [Online] Disponibil la: http://www.science-journals.eu/economy/JISP-
Economy-Business-2-2008.swf [Accesat 3 mai 2010]
Ştefănescu, M.V., 2000. Analiza datelor - studii de caz. Bucureşti: Editura ASE.
Volle, M., 1997. Analyse de données. 4e edition. Paris: Editura Economica.

ANEXA NR. 1

Date statistice utilizate pentru anul 2000

Valoarea
produselor
Numărul total al acţiunilor de control

cu abateri de

Mediu net luna pe total economie

de comerţ (mii miliarde ( RON)
la
Valoarea totală a amenzilor

la buget din amenzi (RON)

Cifra de afaceri a firmelor

Câştigul salarial nominal

Valoarea vărsămintelor

O.G. 21/1992

(mii miliarde RON)

Populaţia la 1 iulie

Numărul firmelor

(mii RON)
PIB-ul pe judeţ
aplicate ( RON)

nr. locuitori
desfăşurate

de comerţ
Judeţul

(RON)
din care: produse de
import
Total

Alba 1826 2035 124 67 44 1322,1 395941 2264 11753 188,45

Arad 1713 439 308 100 66 1838,8 476272 3211 29499 191,99
Arges 2173 561 205 103 86 2451,0 671514 5415 35831 203,24
Bacau 2477 1669 495 148 102 2154,8 752761 4946 32586 204,69
Bihor 1622 9510 520 90 78 2146,3 620517 6598 37653 184,84

326 Amfiteatru Economic

Protecţia drepturilor şi intereselor consumatorilor AE
Bistrita
Nasaud 1434 435 77 51 43 944,5 326278 2050 10502 189,99
Botosani 1904 439 130 74 46 925,8 463808 1869 8375 171,02
Brasov 1917 865 323 165 106 2734,7 628643 6536 54510 217,63
Braila 1199 667 509 44 27 1041,2 385749 3175 14215 187,19
Buzau 1569 782 200 71 41 1317,8 504540 4281 17096 195,8
Caras
Severin 851 119 99 66 36 1070,7 353209 1789 7957 185,05
Calarasi 859 136 16 56 30 709,1 331843 2021 8124 167,36
Cluj 1909 2747 373 95 77 3241,5 719864 7461 53981 209,71
Constanta 3339 1310 863 234 191 3187,5 746041 7192 53885 241,7
Covasna 937 172 78 66 45 885,7 230537 1553 10587 178,69
Dambovita 837 113 30 33 20 1403,0 551414 2562 12311 210,17
Dolj 1765 622 254 121 85 2147,3 744243 6522 34279 219,48
Galati 1342 566 169 68 42 1995,1 644077 5958 28902 240,5
Giurgiu 1318 551 35 85 54 564,5 294000 1600 14794 192,95
Gorj 1155 55 2 63 39 1668,1 394809 2895 12163 264,58
Harghita 669 1676 1621 38 16 1239,5 341570 2215 16009 175,69
Hunedoara 1191 462 285 78 38 1703,2 523073 3906 19998 238,25
Ialomita 1128 595 147 72 63 836,6 304327 1680 10122 194,46
Iasi 1412 447 166 71 26 2469,1 836751 6246 34139 185,83
Ilfov 1203 3348 1566 135 111 1521,5 275482 2683 12111 247,5
Maramures 946 429 144 53 30 1355,5 530955 3517 16484 181,26
Mehedinti 952 480 225 40 35 779,5 321853 2000 7414 223,68
Mures 1709 308 161 111 98 2403,0 601558 4052 23564 195,91
Neamt 1629 1864 1240 74 49 1483,8 586229 3210 16723 175,53
Olt 1052 188 81 45 36 1387,7 508213 2906 8751 223,62
Prahova 2170 679 245 150 85 2794,1 855539 7030 45145 226,77
Satu Mare 714 404 81 43 42 1134,3 390121 2300 16757 176,99
Salaj 820 656 277 41 39 678,9 256307 1489 7759 185,87
Sibiu 1496 523 180 89 56 1592,5 443993 3120 24114 198,34
Suceava 1929 762 108 76 45 1802,5 717224 4213 21744 177,4
Teleorman 1464 353 128 83 35 1048,8 456831 2857 40307 201,83
Timis 1687 1048 308 127 100 2914,1 688575 6379 49266 194,33
Tulcea 940 110 38 60 29 627,6 262692 2138 7898 187,87
Vaslui 1592 3271 66 147 125 798,8 466719 2027 7888 180,97
Valcea 1184 312 51 67 31 1506,3 430713 3111 15978 200,25
Vrancea 2554 1651 323 146 116 1117,6 391220 2589 11416 179,83

Vol XII • Nr. 28 • Iunie 2010 327

AE Aplicarea metodei de analiză în componente principale asupra indicatorilor
specifici activităţii Autorităţii Naţionale de Protecţie a Consumatorilor
din România

Municipiul
Bucureşti 4896 1395 773 451 351 15357,7 2009200 34535 93669 277,45

ANEXA NR. 2
Date statistice utilizate pentru anul 2006
Valoarea

al acţiunilor de control desfăşurate

produselor

de comerţ (mii miliarde ) RON)

la buget din amenzi (mii RON)

Mediu net luna pe total economie

cu abateri de

Valoarea totală a amenzilor

Cifra de afaceri a firmelor

Valoarea vărsămintelor
la

Câştigul salarial nominal

aplicate (mii RON)

Populaţia la 1 iulie

Numărul firmelor
O.G. 21/1992

(mii miliarde RON)

PIB-ul pe judeţ
Numărul total

(mii RON)

nr. locuitori
(mii RON)

de comerţ
Judeţul

produse de import
din care:
Total

Alba 2578 2828 2222 161 147 5974.1 378614 2745 2564 756
Arad 3775 9727 8486 748 798 8406.7 458847 4286 5015 790
Arges 2754 1960 1326 969 838 11770.9 644590 6329 7388 882
Bacau 2129 3485 3019 367 277 8506,0 721411 5623 5043 845
Bihor 5515 5970 2600 932 714 9475.4 594982 7230 6818 692
Bistrita
Nasaud 3432 1736 1140 526 415 4086.3 317685 2499 1845 727
Botosani 2061 491 161 313 191 3561.3 456765 1968 1490 715
Brasov 4397 12823 8498 963 771 11261.3 595758 7310 9354 815
Braila 2249 2680 2262 247 137 4156,0 367661 3580 2651 730
Buzau 3260 1247 712 467 420 5334.2 490981 4909 3192 724
Caras
Severin 2082 1032 742 346 254 4445.2 330517 2144 1314 732
Calarasi 1294 598 391 305 259 2686.8 316294 2331 1254 681
Cluj 4807 18941 15371 699 448 13558.6 689523 8500 10284 905
Constanta 5863 6461 5245 1542 1200 14653.3 716576 8736 9438 914
Covasna 1598 458 390 175 164 2779.7 223770 1761 1721 656
Dambovita 2038 1475 936 318 230 6402.5 535087 3132 2479 860
Dolj 3435 2317 1573 740 666 8839.4 715989 7510 6111 855
Galati 1741 3555 1972 364 340 7159.3 617979 6673 5319 834
Giurgiu 1987 1086 469 407 368 2477.6 284501 1739 2792 763
Gorj 3125 4072 1713 593 398 5984.1 383557 3032 2068 965
Harghita 1777 896 543 215 195 4464.5 326347 2861 2375 704
Hunedoara 3125 2994 2279 828 751 6867.1 477259 4490 3497 813
Ialomita 1804 2407 737 601 422 3341.3 291178 1874 1943 735
Iasi 2698 13290 1165 623 556 10040.6 824083 7317 6518 792

328 Amfiteatru Economic

Protecţia drepturilor şi intereselor consumatorilor AE

Ilfov 3173 41292 39882 797 682 8696.9 288296 3849 13833 1012
Maramures 2240 5182 3736 356 280 5932.2 515313 3814 3256 702
Mehedinti 2457 2106 1429 415 286 3246.6 301515 2113 1263 876
Mures 3247 599 377 487 424 8174.1 583210 5142 4492 784
Neamt 1794 3357 2299 231 198 5852.7 567908 4057 2845 710
Olt 2464 1114 749 290 259 4560.4 479323 3190 1805 804
Prahova 3592 12860 11247 944 804 13775.3 823509 7514 7558 889
Satu Mare 1413 14318 14022 277 215 4699.7 367677 2786 2759 778
Salaj 1985 1902 1134 148 134 3054,0 244952 1876 1371 781
Sibiu 2584 1503 753 530 392 7637.5 423119 3677 5073 834
Suceava 3118 1082 461 395 252 7054.5 705730 4662 4191 726
Teleorman 2429 572 351 290 294 3847,0 417183 2869 1665 760
Timis 1882 8387 7235 329 287 16069.9 660966 7768 8594 858
Tulcea 1593 774 250 343 198 3027.3 251614 2095 1220 763
Vaslui 2433 1552 710 519 485 5958.7 413511 3367 2559 768
Valcea 2832 1604 1046 325 337 3414.8 456686 2449 1479 717
Vrancea 3024 22395 20581 428 335 4178.6 393023 3055 2121 768
Municipiul
Bucureşti 8158 10288 9038 2462 2097 69013.9 1931236 38766 89441 1142

ANEXA NR. 3

Matricea corelaţiilor pentru variabilele anului 2000

Varsaminte buget

Nr. firme comert

CA firme comert
Valoare _import

Nr. de locuitori
PIB-ul pe judet
Valoarea_total
Nr.controale

Amenzilor

Nr. controale 1,000 ,174 ,221 ,912 ,892 ,799 ,823 ,800 ,781 CSNML
,435
Valoare_total 1,000 ,382 ,171 ,233 ,096 ,113 ,135 ,213 -,044
Valoare_import 1,000 ,298 ,314 ,242 ,171 ,225 ,248 ,185
Amenzilor aplicate 1,000 ,980 ,876 ,823 ,870 ,797 ,541
Varsaminte buget 1,000 ,851 ,776 ,838 ,762 ,519
PIB-ul pe judet 1,000 ,928 ,991 ,824 ,559
Nr. de locuitori 1,000 ,942 ,867 ,499
Nr. firme comert 1,000 ,840 ,553
CA firme comert 1,000 ,496
CSNML 1,000

ANEXA NR. 4

Matricea corelaţiilor pentru variabilele anului 2006

Vol XII • Nr. 28 • Iunie 2010 329

AE Aplicarea metodei de analiză în componente principale asupra indicatorilor
specifici activităţii Autorităţii Naţionale de Protecţie a Consumatorilor
din România

Varsaminte buget

Nr. firme comert

CA firme comert
Valoare _import

Nr. de locuitori
PIB-ul pe judet
Valoarea_total
Nr.controale

Amenzilor

CSNML
Nr. controale 1,000 ,300 ,260 ,890 ,866 ,755 ,727 ,772 ,719 ,577
Valoare_total 1,000 ,969 ,302 ,295 ,223 ,145 ,198 ,243 ,476
Valoare_import 1,000 ,266 ,262 ,2045 ,086 ,167 ,237 ,474
Amenzilor aplicate 1,000 ,987 ,845 ,784 ,846 ,815 ,705
Varsaminte buget 1,000 ,846 ,786 ,847 ,818 ,687
PIB-ul pe judet 1,000 ,918 ,989 ,981 ,697
Nr. de locuitori 1,000 ,940 ,861 ,613
Nr. firme comert 1,000 ,972 ,662
CA firme comert 1,000 ,668
CSNML 1,000

330 Amfiteatru Economic