Documente Academic
Documente Profesional
Documente Cultură
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.
Introducere
∗
Autor de contact, Manuela Rozalia Gabor - rozalia.gabor@ea.upm.ro
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
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.
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
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
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.
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
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
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.
ANEXA NR. 1
cu abateri de
O.G. 21/1992
Numărul firmelor
(mii RON)
PIB-ul pe judeţ
aplicate ( RON)
nr. locuitori
desfăşurate
de comerţ
Judeţul
(RON)
din care: produse de
import
Total
Municipiul
Bucureşti 4896 1395 773 451 351 15357,7 2009200 34535 93669 277,45
ANEXA NR. 2
Date statistice utilizate pentru anul 2006
Valoarea
Populaţia la 1 iulie
Numărul firmelor
O.G. 21/1992
(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
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
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
Varsaminte buget
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