Cursul 6

MODELE ECONOMETRICE
MULTIFACTORIALE

Problema fundamentală a modelelor unifactoriale este dată de

faptul că, în activitatea socio–economică se întâmplă destul de rar
ca o variabilă, de orice natură ar fi ea, să depindă semnificativ de
un singur factor de influenţă. În marea majoritate a cazurilor,
variabilele economice sunt rezultanta îmbinării mai multor factori
importanţi la care se adaugă şi influenţa unor factori
nesemnificativi sau necuantificabili.
Astfel, deseori, modelele unifactoriale nu reuşesc să respecte
restricţiile impuse de metodele de estimare a parametrilor, deoarece
sunt omise din analiză variabile factoriale cu impact semnificativ
asupra variabilei rezultative. În aceste condiţii, variabila aleatoare
nu mai are comportamentul presupus de către ipotezele iniţiale ale
modelului şi, drept urmare, estimatorii obţinuţi nu sunt de calitate
(deplasaţi, neconsistenţi, ineficienţi).
Determinarea de estimatori deplasaţi ai parametrilor
modelului apare, în principal, atunci când sunt îndeplinite simultan
două condiţii:
– Variabila factorială omisă este corelată cu variabila
factorială inclusă în model;
– Variabila factorială omisă are o influenţă puternică asupra
variabilei rezultative.
În aceste condiţii apare ca absolut necesară utilizarea unor
modele mai complexe, care să ia în considerare toţi factorii

1
 CAPITOLUL 5

semnificativi de influenţă, cunoscute sub numele generic de modele

multifactoriale.
Un model multifactorial are la bază o legătură stochastică
dintre o variabilă rezultativă y şi un număr finit de variabile
factoriale x1, x2, …, xk care se poate descrie cu ajutorul unei funcţii
matematice f, astfel:

yi = f(x1, x2, …, xk) + i (5.1)

în care, i, similar cu modelele unifactoriale, reprezintă variabila

aleatoare, reziduală, perturbatoare, care include factorii
nesemnificativi sau necuantificabili.
Pentru a elabora un model care să includă toate variabilele cu
influenţă semnificativă asupra fenomenului cercetat (presupunând
că există date statistice suficiente despre acestea) este necesar, în
primul rând, să se determine forma legăturii dintre variabila
rezultativă şi variabilele factoriale, cu ajutorul metodelor
elementare, în special a celei grafice.
Dacă graficul “norului de puncte” sugerează o linie dreaptă,
înseamnă că modelul este bazat pe o funcţie liniară multiplă, iar
dacă linia sugerată este curbă, atunci modelul are la bază o funcţie
multiplă neliniară.

5.1. Modelul multifactorial liniar

5.1.1. Prezentarea modelului şi estimarea parametrilor

Funcţia de regresie care stă la baza modelului multifactorial
liniar este de forma:

yi =  + 1 x1i + 2 x2i + … + k xki +  (5.2)

2
 MODELE ECONOMETRICE MULTIFACTORIALE

în care: yi reprezintă valorile variabilei rezultative;

x1i, x2i, …, xki sunt valorile variabilelor factoriale luate în
considerare;
, 1, …, k sunt parametrii modelului, corespunzători
variabilelor factoriale x1i, x2i, …, xki;
i este variabila aleatoare sau reziduală.
Estimarea parametrilor regresiei liniare multiple se realizează
tot cu metoda celor mai mici pătrate, utilizată şi la modelele
unifactoriale. Aplicarea ei porneşte de la aceleaşi ipoteze
fundamentale:
 datele privind variabila rezultativă şi variabilele factoriale
sunt obţinute fără erori de observare sau măsurare;
 variabila aleatoare sau reziduală i este de distribuţie
normală, de medie nulă (E(i) = 0) şi de varianţă constantă şi
diferită de zero (homoscedastică);
 variabila aleatoare i urmează o distribuţie independentă de
valorile variabilelor factoriale x1i, x2i, …, xki;
 variabilele factoriale nu sunt corelate liniar unele faţă de
celelalte (ipoteza absenţei multicoliniarităţii);
 valorile variabilei aleatoare nu sunt autocorelate.
Conform principiului metodei celor mai mici pătrate, valorile
variabilei aleatoare i prin ridicare la pătrat, urmată de însumarea
acestora, conduc la obţinerea expresiei:

i 1
2
n

i 1
2 n

i 1

  i    yi  ŷi    yi  ˆ  ˆ 1  x1i  ...  ˆ k  xki 
2

(5.3)

în care yi reprezintă valorile estimate ale variabilei rezultative

corespunzătoare nivelurilor variabilelor factoriale x1i, x2i, …, xki,
ˆ ,..., 
ˆ
iar 
ˆ , 1 k sunt estimatorii parametrilor , 1, …, k.

3
 CAPITOLUL 5

Obţinerea unor valori diferite pentru parametrii estimaţi

 ˆ ˆ
ˆ ,  1 ,...,  k conduce la valori diferite pentru suma pătratelor
erorilor de estimare. Ceea ce interesează, însă, este obţinerea acelui
set de estimatori ai parametrilor modelului care determină cea mai
mică sumă, adică cele mai mici erori de estimare. Aşadar,
obiectivul urmărit este obţinerea unei astfel de soluţii pentru
parametri, încât să fie valabilă următoarea relaţie:

n
  i2
i 1 = minim (5.4)

În acest scop, condiţia necesară este ca derivatele parţiale ale

ˆ ,..., ˆ
sumei date de relaţia 5.3 în raport cu ˆ , 1 k să fie egale cu
zero, deoarece aceasta ne conduce la minim (demonstraţia
afirmaţiei este similară cu cazul unifactorial), rezultând relaţiile:

n
 
 2  yi  ˆ  ˆ 1 x1i  ˆ 2 x 2i  ...  ˆ k xki  0
i 1 (5.4)

n
  
 2  x1i yi  ˆ  ˆ 1 x1i  ˆ 2 x 2i  ...  ˆ k xki  0
i 1 (5.5)

n
  
 2  x 2i yi  ˆ  ˆ 1 x1i  ˆ 2 x 2i  ...  ˆ k xki  0
i 1 (5.6)

n
  
 2  xki yi  ˆ  ˆ 1 x1i  ˆ 2 x 2i  ...  ˆ k xki  0
i 1 (5.7)

4
 MODELE ECONOMETRICE MULTIFACTORIALE

Din relaţiile 5.4 – 5.7 rezultă sistemul de k + 1 ecuaţii cu k +

1 necunoscute:

nˆ  ˆ n x1  ˆ n x 2  ...  ˆ n xk  n y
 1 i 2 i k i  i
i 1 i 1 i 1 i 1
 n n n n n
ˆ  x1i  ˆ 1  x1i2  ˆ 2  x1i  x 2i  ...  ˆ k  x1i  xki   x1i  yi
 i 1 i 1 i 1 i 1 i 1
 n n n n n
ˆ  x 2i  ˆ 1  x1i  x 2i  ˆ 2  x 2i  ...  ˆ k  x 2i  xki   x 2i  yi
2

 i 1 i 1 i 1 i 1 i 1


 n n n n n
ˆ  xki  ˆ 1  x1i  xki  ˆ 2  x 2i  xki  ...  ˆ k  xki2   xki  yi
 i 1 i 1 i 1 i 1 i 1
 (5.8)

În urma rezolvării acestui sistem se obţin valorile estimate ale

ˆ ,..., 
ˆ
parametrilor modelului  ˆ , 1 k .
Similar cu modelul unifactorial, estimatorii determinaţi cu
metoda celor mai mici pătrate corespund obiectivului urmărit dacă
valoarea aşteptată pentru fiecare estimator este egală cu valoarea
reală a parametrului, iar varianţa fiecărui estimator este cea mai
mică posibilă în raport cu numărul de eşantioane.
Informaţiile oferite de parametrii de regresie se referă la
cuantificarea efectelor variaţiilor variabilelor factoriale luate în
considerare asupra variaţiei variabilei rezultative.
Estimaţia termenului liber , similar cu ceea ce s-a prezentat
la modelul unifactorial, arată nivelul variabilei rezultative atunci
când toate variabilele de influenţă (x1i, x2i, …, xki) au valoarea zero.
Din punct de vedere economic, această valoare are relevanţă
numai atunci când variabila rezultativă poate lua valori diferite de
zero şi în condiţiile în care toate variabilele factoriale sunt nule.
Dacă este vorba însă de variabile fundamentale, în absenţa cărora
variabila rezultativă nu există, atunci termenului liber  nu are
5
 CAPITOLUL 5

relevanţă economică şi trebuie eliminat din funcţie. Acest lucru se

realizează prin construirea unei ecuaţii liniare multiple fără termen
liber, conform relaţiei:

yi = 1 x1i + 2 x2i + … + k xki + i (5.9)

Estimarea parametrilor 1, 2, …, k se realizează tot cu

ajutorul metodei celor mai mici pătrate, rezultând următorul sistem
de k ecuaţii cu k necunoscute:

 ˆ n x12  ˆ n x1  x 2  ...  ˆ n x1  xk  n x1  y
 1 i1 i 2 i
i 1
i k i
i 1
i  i i
i 1
 n n n n
 ˆ 1  x1i  x 2i  ˆ 2  x 2i2  ...  ˆ k  x 2i  xki   x 2i  yi
 i 1 i 1 i 1 i 1

 n n n n
 ˆ  x1  xk  ˆ  x 2  xk  ...  ˆ  xk 2   xk  y
 1 i 1 i i 2
i 1
i i k
i 1
i
i 1
i i
(5.10)

Estimaţiile parametrilor 1, 2, …, k, atât în cazul modelului

cu termen liber, cât şi în cazul modelului fără termen liber, arată cu
cât variază variabila rezultativă atunci când factorul de influenţă
corespunzător parametrului respectiv variază cu o unitate, în
condiţiile în care toţi ceilalţi factori sunt constanţi.
De exemplu, valoarea lui 1 arată cu cât se modifică variabila
rezultativă y atunci când x1 se modifică cu o unitate, iar x2, x3, …,
xk sunt constante. Din acest motiv parametrul 1 mai este numit
efectul parţial al acţiunii variabilei x1 asupra lui y.
Dacă 1  0, atunci legătura dintre variabila factorială x1 şi
variabila rezultativă y este directă (când x1 are evoluţie crescătoare,
creşte şi y, iar când x1 are evoluţie descrescătoare, scade şi y). Când
1 este pozitiv se pot distinge trei situaţii: dacă 1  1, atunci
influenţa variabilei factoriale asupra celei rezultative este mai slabă

6
 MODELE ECONOMETRICE MULTIFACTORIALE

(la variaţia cu o unitate a variabilei factoriale x1, variabila

rezultativă y variază cu o valoare subunitară); dacă 1  1, atunci
influenţa variabilei factoriale asupra celei rezultative este foarte
puternică (la variaţia cu o unitate a variabilei factoriale x1, variabila
rezultativă y variază cu o valoare supraunitară); dacă 1 = 1, atunci
variabila rezultativă y variază direct proporţional cu variaţia
variabilei factoriale x1.
Dacă 1  0, atunci legătura dintre variabila factorială x1 şi
variabila rezultativă y este inversă, de sens contrar – când x1
evoluează crescător, y are o evoluţie descrescătoare, iar când x1
evoluează descrescător, y are o evoluţie crescătoare.
În situaţia în care 1 = 0, variabila rezultativă y este complet
independentă în raport cu variabila factorială x1.
Similar se interpretează şi valorile lui 2, 3, …, k.
Obţinerea valorilor estimate ale parametrilor , 1, 2, …, k
înseamnă finalizarea analizei de regresie a modelului multifactorial
liniar.
Analiza corelaţiei în cazul modelului multifactorial liniar cu
variabile cantitative se realizează cu ajutorul raportului de corelaţie
multiplă, a coeficientului de determinaţie multiplă, precum şi a
coeficienţilor de corelaţie şi determinaţie parţială prezentaţi în
paragraful 3.3.1.
Dacă modelul multifactorial conţine variabile calitative, se
utilizează metodele neparametrice de măsurare a intensităţii
legăturii prezentate în paragraful 3.3.2.

5.1.2. Verificarea statistică a modelului multifactorial

Prin analiza de regresie şi corelaţie a modelului multifactorial
s-au stabilit forma, sensul şi intensitatea legăturii dintre variabila
rezultativă şi variabilele factoriale. În principiu, modelul a fost
elaborat astfel încât să aproximeze cât mai bine realitatea
economică studiată. Măsura în care s-a reuşit acest lucru se
determină în cadrul etapei de verificare statistică a modelului

7
 CAPITOLUL 5

multifactorial, care în mare parte se bazează pe metode statistice

similare cu cele utilizate în cazul modelului unifactorial.
Aşa cum s-a arătat la modelul unifactorial, această etapă de
verificare a modelelor de regresie pe baza unor teste statistice este
absolut necesară, datorită faptului că estimarea parametrilor
modelelor se realizează pe seama unor eşantioane de date, mai mult
sau mai puţin reprezentative.
Setul de metode statistice care stă la baza verificării unui
model multifactorial conţine mai multe componente, unele dintre
ele similare cu modelul unifactorial:
Determinarea erorilor standard. Erorile standard reprezintă
abateri ale valorilor estimate de la valorile reale şi se determină
astfel:
1. Ca abatere a valorilor estimate ale variabilei rezultative
faţă de cele reale yi, caz în care se numeşte eroare standard a
modelului multifactorial, se notează s şi se determină după relaţia:

n
1
s  
 n  k  1 i 1
 yi  yi 
2

(5.11)

unde k reprezintă numărul de variabile factoriale.

În principiu, se consideră că, cu cât această eroare este mai
mică în raport cu valorile variabilei rezultative, cu atât modelul
aproximează mai corect realitatea economică studiată. Aşa cum s-a
arătat şi în cazul modelului unifactorial, interpretarea calităţii
modelului în funcţie de valoarea erorii standard a regresiei este
destul de relativă, fapt pentru care utilitatea acesteia constă mai
degrabă în a sta la baza la determinării altor parametri statistici de
validare a modelului;
2. Ca abateri ale valorilor estimate ale parametrilor funcţiei de
regresie ˆ , ˆ 1 , ˆ 2 ,..., ˆ k de la valorile lor reale , 1, 2, …, k,
caz în care se numesc erori standard ale parametrilor modelului şi
se determină pentru fiecare parametru în parte.
8
 MODELE ECONOMETRICE MULTIFACTORIALE

Pentru modelele multifactoriale, determinarea erorilor

standard ale parametrilor , 1, 2, …, k este puţin mai dificilă
decât în cazul modelului unifactorial.
Erorile standard ale parametrilor depind de eroarea standard a
funcţiei de regresie s şi de varianţele variabilelor factoriale x1, x2 ,
… ,xk . Aceste varianţe sunt date de elementele de pe diagonala
inversei matricei asociate sistemului de ecuaţii dat de relaţia 5.8, în
cazul modelului cu termen liber sau de relaţia 5.10 în cazul
modelului fără termen liber.
Dacă se notează elementele respective cu cjj, unde j = k + 1,
atunci eroarea standard a parametrului j se determină conform
relaţiei1:

s  s  c jj
j (5.12)

Cu cât aceste erori sunt mai mici în raport cu valorile absolute

ale parametrilor pe care îi caracterizează (j), cu atât valorile
estimate ale parametrilor respectivi sunt mai apropiate de cele
reale.
Condiţia de normalitate a variabilei aleatoare i, prezentată
în etapa formulării ipotezelor iniţiale, se poate verifica cu ajutorul
testului 2, care constă în compararea frecvenţelor absolute
efective, ni, ataşate valorilor variabilei aleatoare, cu valorile
teoretice, pi. Efectuarea testului 2 presupune parcurgerea
următoarelor etape:
Etapa 1. Se formulează ipoteza nulă H0, prin care se
presupune că distribuţia variabilei aleatoare este normală;
Etapa 2. Se calculează valorile standardizate zi, conform
relaţiei:
i  m
zi 
 (5.13)

9
 CAPITOLUL 5

Etapa 3. Se determină, din tabelul Laplace (anexa 1), valorile

(zi) corespunzătoare;
Etapa 4. Se calculează valorile teoretice pi = (zi) – (zi–1);
Etapa 5. Se determină o valoare calculată 2c , astfel:

k ni  npi 2

2c = i 1 npi (5.14)

Valoarea calculată a testului 2 se compară cu valoarea

tabelară corespunzătoare. Dacă valoarea calculată este mai mică
sau cel mult egală cu valoarea tabelară, rezultă că ipoteza de
normalitate a variabilei aleatoare se acceptă şi modelul este corect,
iar dacă valoarea calculată este mai mare decât valoarea tabelară,
rezultă că ipoteza de normalitate a variabilei aleatoare se respinge
şi modelul nu respectă condiţia iniţială impusă. În această a doua
situaţie sunt necesare corecţii, fie în sensul suplimentării factorilor
de influenţă, fie în sensul creşterii volumului eşantionului de date
pe care se face analiza.
Verificarea unei alte ipoteze iniţiale a modelului, cea
referitoare la autocorelarea variabilei aleatoare se realizează cu
ajutorul testului Durbin – Watson, ale cărui etape au fost prezentate
pe larg pe cazul modelului unifactorial (paragraful 4.1.3).
Şi homoscedasticitatea variabilei aleatoare în cazul modelului
multifactorial se testează conform celor prezentate în paragraful
4.1.4.
Testul Fisher de analiză a variaţiei variabilei rezultative
verifică modalitatea în care modelul reuşeşte să conducă la
reconstituirea valorilor empirice ale variabilei rezultative yi prin
intermediul valorilor estimate yi . Testarea capacităţii modelului de
a reconstitui valorile reale ale variabilei rezultative prin intermediul
valorilor estimate se realizează astfel:
Etapa 1. Se stabileşte ipoteza nulă H0, conform căreia
împrăştierea valorilor ajustate ale variabilei rezultative yi datorită
10
 MODELE ECONOMETRICE MULTIFACTORIALE

factorilor de influenţă nu diferă semnificativ de împrăştierea

aceloraşi valori datorită întâmplării;
Etapa 2. Se alege nivelul de semnificaţie ;
Etapa 3. Se determină valoarea calculată F ca raport între
estimatorul varianţei explicate (s2y/x1, x2, …, xk) şi estimatorul varianţei
reziduale (s2), astfel:

s 2y / x1,x 2 ,...,xk
F
s2 (5.15)

Etapa 4. Se alege valoarea critică Fcritic din tabelul repartiţiei

Fisher – Snedecor (anexa 4) în funcţie de nivelul de semnificaţie 
şi de numărul de grade de libertate;
Etapa 5. Se compară valoarea calculată F cu valoarea critică
Fcritic şi pot rezulta două situaţii:
– dacă F < Fcritic, ipoteza nulă se acceptă cu probabilitatea p =
1 – , ceea ce înseamnă că modelul trebuie reconsiderat, fie în
sensul alegerii altor factori de influenţă sau a suplimentării lor, fie
în sensul optării pentru o altă formă a modelului;
– dacă F > Fcritic, ipoteza nulă se respinge cu probabilitatea p
= 1 – , ceea ce înseamnă că modelul a rezistat verificării, fiind
util analizei şi previzionării variabilei rezultative.
O altă ipoteză importantă a metodei celor mai mici pătrate
referitoare la modelele multifactoriale este aceea că variabilele
factoriale nu sunt corelate liniar între ele. Dacă există o astfel de
relaţie liniară între două sau mai multe variabile factoriale din
cadrul modelului, apare efectul de multicoliniaritate2. În aceste
condiţii, nu mai poate fi cuantificat efectul unei variabile factoriale
xk asupra variabilei rezultative y, deoarece celelalte variabile
factoriale nu sunt constante când aceasta variază, fiind corelate
între ele. Estimatorii corespunzători variabilelor corelate între ele
nu mai pot fi definiţi şi interpretaţi. Efectul de multicoliniaritate
face practic imposibilă interpretarea estimatorilor parametrilor

11
 CAPITOLUL 5

modelului, chiar dacă ei matematic pot fi calculaţi pe baza

ecuaţiilor sistemului rezultat în urma aplicării metodei celor mai
mici pătrate, deoarece erorile standard devin foarte mari, ceea ce
afectează semnificativ calitatea estimatorilor.
Nu s-au elaborat până la ora actuală teste statistice suficient
de sigure de determinare a multicoliniarităţii. De aceea, efectul se
determină, cel mai adesea, prin calcularea coeficienţilor de
corelaţie liniară între variabilele factoriale. Dacă valorile acestor
coeficienţi sunt nule sau foarte apropiate de zero,
multicoliniaritatea nu există sau este foarte slabă. Dacă, însă,
valorile coeficienţilor de corelaţie liniară sunt apropiate de unu,
efectul există şi trebuie înlăturat. De asemenea, existenţa
multicoliniarităţii într-o măsură semnificativă este semnalată şi de
valorile mari ale erorilor standard ale parametrilor şi de nivelurile
de semnificaţie mici ale acestora.
De obicei, în economie, variabilele factoriale nu sunt complet
independente unele de celelalte. Acest lucru înseamnă că,
întotdeauna într-un model econometric va exista un anumit efect de
multicoliniaritate. Problema care se pune este a gradului de
multicoliniaritate peste care modelul devine ineficient.
Eliminarea efectelor multicoliniarităţii se face cel mai sigur
prin eliminarea variabilelor factoriale corelate (eventual, păstrarea
uneia dintre ele şi eliminarea celorlalte). Acest lucru este posibil,
însă, numai dacă modelul cuprinde suficient de multe variabile
factoriale.
O altă modalitate de evitare a multicoliniarităţii este
segmentarea eşantionului de date în mai multe părţi şi analizarea
separată a fiecărei porţiuni, cu condiţia ca eşantioanele rezultate în
urma segmentării să fie suficient de mari.
Un ultim test utilizat în cadrul acestei etape este testul Student
de verificare a semnificaţiei parametrilor modelului. Calitatea
parametrilor corespunzători variabilelor factoriale este foarte
importantă, dat fiind rolul lor în măsurarea impactului fiecărei
variabile factoriale asupra evoluţiei variabilei rezultative.

12
 MODELE ECONOMETRICE MULTIFACTORIALE

Pentru aceasta se calculează estimatorii varianţelor acestor

s2
parametri ˆ k în funcţie de varianţa variabilei aleatoare s2 şi de
varianţele variabilelor factoriale.
Etapele verificării semnificaţiei parametrilor cu ajutorul
testului Student sunt următoarele:
Etapa 1. Se stabileşte ipoteza nulă H0 conform căreia
parametrii estimaţi  ˆ , ˆ 1 , ˆ 2 ,..., ˆ k nu diferă semnificativ de
zero;
Etapa 2. Se stabileşte nivelul de semnificaţie al testului,  ;
Etapa 3. Se determină valorile calculate ale testului Student
t  pentru fiecare parametru în parte, ca raport între valoarea
k

s
absolută a parametrului estimat ̂ k şi eroarea sa standard  k ,
conform relaţiei:

ˆ k
t 
k
s k (5.16)

Etapa 4. Se determină din tabelul aferent repartiţiei Student

(anexa 2) valoarea tabelară a variabilei standardizate tcritic în funcţie
de  = n – 1 grade de libertate şi de probabilitatea /2;
Etapa 5. Se compară valoarea calculată cu valoarea tabelară
şi, în raport cu mărimea lor, pot rezulta trei situaţii:
– dacă toate valorile calculate sunt mai mari decât nivelul
critic ( t  k > tcritic), ipoteza nulă se respinge şi se poate spune cu
probabilitatea p = 1 –  că toţi estimatorii determinaţi cu metoda
celor mai mici pătrate diferă semnificativ de zero, adică parametrii
estimaţi sunt semnificativi, iar modelul este corect din punct de
vedere statistic;
– dacă unele valori calculate sunt mai mari decât nivelul
critic, iar altele sunt mai mici, parametrii aferenţi valorilor calculate
13
 CAPITOLUL 5

mai mari decât nivelul critic sunt semnificativi şi trebuie păstraţi în

model, în timp ce parametrii aferenţi valorilor calculate mai mici
decât nivelul critic sunt nesemnificativi şi trebuie eliminaţi din
model. În această situaţie, modelul se va reface în raport de
variabilele factoriale rămase semnificative;
– dacă toate valorile calculate sunt mai mici decât nivelul
critic (< tcritic), ipoteza nulă se acceptă şi se poate spune cu
probabilitatea p = 1 –  că estimatorii nu diferă semnificativ de
zero şi rezultatul obţinut este întâmplător. În aceste condiţii, datele
studiate nu confirmă existenţa legăturii între variabila rezultativă şi
factorii de influenţă analizaţi, fiind necesară fie alegerea altor
factori, fie găsirea unei noi forme a legăturii.

5.1.3. Modelul multifactorial cu variabile dummy

Aşa cum s-a arătat la modelul unifactorial, pot exista situaţii
în economie în care variabila rezultativă sau variabilele factoriale
au o repartiţie binomială, adică pot lua doar două valori, 0 sau 1.
Situaţia în care variabila rezultativă este de tip dummy este
similară cu cea discutată pe cazul modelului unifactorial în
paragraful 4.1.5.
În situaţia în care variabilele factoriale sunt de tip dummy,
fiecărei variabilei x1, x2, …, xk i se atribuie valoarea 1 dacă
îndeplineşte o anumită condiţie sau valoarea 0 dacă nu îndeplineşte
condiţia respectivă. Modelul cu variabile factoriale dummy se
utilizează, de obicei, atunci când variabilele sunt calitative,
deoarece ele pot fi cuantificate foarte simplu sub forma:
îndeplinesc condiţia DA = 1; nu îndeplinesc condiţia NU = 0.
Ecuaţia modelului multifactorial cu variabile factoriale de tip
dummy este identică cu ecuaţia modelului multifactorial cu
variabile continue:

yi =  + 1 x1i + 2 x2i + … + k xki + i (5.17)

14
 MODELE ECONOMETRICE MULTIFACTORIALE

Variabilele factoriale x1i, x2i, …, xki, fiind definite ca

variabile dummy, vor fi de forma:


1 daca este indeplinita conditia
xki  
0 daca nu este indeplinita conditia
 (5.18)

În aceste condiţii, parametrul  din model este valoarea lui y

atunci când condiţia nu este îndeplinită de nici una dintre
variabilele factoriale. Parametrul k reprezintă diferenţa dintre
valoarea lui y atunci când condiţia este îndeplinită de către variabila
xk şi valoarea lui y atunci când condiţia nu este îndeplinită de către
variabila respectivă, în condiţiile în care toate celelalte variabile
factoriale sunt constante. Acest lucru poate fi ilustrat luând în
considerare două situaţii:
1. Presupunând că toate celelalte variabile factoriale nu
îndeplinesc condiţia cerută (x1i = x2i =… = xk–1i = 0), atunci
influenţa lui xki este de forma:


 daca xki  0
yi  
   daca xk  1
 k i (5.19)

Se observă din relaţia 5.19 că valoarea lui k reprezintă

diferenţa dintre valoarea variabilei rezultative yi dacă xki = 0 şi
valoarea variabilei rezultative yi dacă xki = 1, în condiţiile în care
x1i = x2i =… = xk–1I = 0.
O verificare a ipotezei nule H0: k = 0 pe acest caz, este de
fapt o testare a ipotezei că nu există nici o diferenţă între valoarea
lui yi dacă xki = 0 şi valoarea lui yi dacă xki = 1.

15
 CAPITOLUL 5

2. Presupunând că toate celelalte variabile factoriale

îndeplinesc condiţia cerută (x1i = x2i =… = xk–1I = 1), atunci
influenţa lui xki este de forma:


   1   2  ...   k 1 daca xki  0
yi  
      ...     daca xk  1
 1 2 k 1 k i (5.20)

Similar cu prima situaţie, se observă din relaţia 5.20 că

valoarea lui k reprezintă tot diferenţa dintre valoarea variabilei
rezultative yi dacă xki = 0 şi valoarea variabilei rezultative yi dacă
xki = 1, dar în condiţiile în care x1i = x2i =… = xk–1i = 1.
În acelaşi mod poate fi interpretată valoarea oricărui
parametru al modelului multifactorial cu variabile dummy.
În practica econometrică, însă, nu se întâlnesc foarte des
cazuri în care toate variabilele economice luate drept factori de
influenţă să fie de tip dummy. Cea mai frecventă situaţie este cea în
care variabila rezultativă yi depinde atât de variabile factoriale
continue, cât şi de variabile factoriale de tip dummy, aflate în
diverse combinaţii. În funcţie de aceste combinaţii, se pot distinge
trei situaţii clasice3:
A. Cea mai uzuală combinaţie este cea în care, variabila
rezultativă yi este influenţată de o serie de variabile factoriale
continue, x1i, x2i, …, xki, şi o variabilă factorială de tip dummy, xdi,
conform relaţiei:

yi =  + 1 x1i + 2 x2i + … + k xki + d xdi + i (5.21)

În aceste condiţii, modelul multifactorial devine un model

obişnuit, liniar, dacă xdi = 0, iar dacă xdi = 1, modelul
multifactorial va avea termenul liber  + d. Se observă că, pentru
modelul de acest tip, influenţele variabilelor factoriale continue
asupra variabilei rezultative nu se modifică, indiferent de valoarea

16
 MODELE ECONOMETRICE MULTIFACTORIALE

variabilei dummy, singura modificare înregistrându-se pentru

termenul liber.
B. A doua combinaţie este cea în care variabila rezultativă yi
este influenţată de o serie de variabile factoriale continue x1i, x2i,
…, xki şi de o variabilă dummy xdi combinată cu una dintre
variabilele continue xki, de forma:  xdi xki. Această combinaţie se
poate ilustra cu ajutorul următoarei relaţii:

yi =  + 1 x1i + 2 x2i + … + k xki +  xdi xki + i (5.22)

Şi în această situaţie, modelul multifactorial devine un model

obişnuit, liniar, dacă xdi = 0. Însă, în cazul în care xdi = 1,
parametrul care arată influenţa lui xki devine: k + . De această
dată, termenul liber rămâne constant, indiferent de valoarea pe care
o ia variabila dummy, în timp ce parametrul care arată influenţa lui
xki asupra lui yi se modifică cu valoarea lui .
C. Ultima combinaţie este cea în care variabila rezultativă yi
este influenţată de o serie de variabile factoriale continue x1i, x2i,
…, xki şi de două variabile dummy: una simplă xdi , iar a doua xd1i
combinată cu una dintre variabilele continue xki, de forma:  xd1i
xki. Această combinaţie este dată de relaţia:

yi =  +1x1i +2x2i +…+kxki +dxdi + xd1ixki + i (5.23)

În cazul acestei combinaţii pot fi întâlnite patru variante:

Varianta I. Dacă ambele variabile dummy sunt nule, xdi = 0 şi
xd1i = 0, modelul multifactorial devine unul obişnuit, liniar, cu
variabile factoriale continue;
Varianta II. Dacă variabila dummy simplă este egală cu unu,
xdi = 1, iar variabila dummy combinată este nulă, xd1i = 0, modelul
devine similar cu cel din cazul A, în care termenul liber se
modifică, în timp ce influenţele variabilelor factoriale rămân
neschimbate;

17
 CAPITOLUL 5

Varianta III. Dacă variabila dummy simplă este nulă, xdi = 0,

iar variabila dummy combinată este egală cu unu, xd1i = 1,
modelul devine similar cu cel din cazul B, în care termenul liber
rămâne constant, în timp ce influenţa variabilei factoriale xki asupra
lui yi se modifică cu valoarea lui  ;
Varianta IV. Dacă ambele variabile dummy sunt egale cu unu,
xdi = 1 şi xd1i = 1, modelul multifactorial se modifică din toate
punctele de vedere: termenul liber devine  + d, iar influenţa lui
xk se modifică, la rândul său, cu valoarea lui . Practic, această
ultimă variantă prezintă o situaţie cumulată a variantelor II şi III.
Modelele cu variabile dummy, indiferent de combinaţia
propusă, au o mare utilitate atunci când, pe lângă variabilele
cantitative, uşor de interpretat econometric, se înregistrează
influenţe semnificative şi din partea unor variabile calitative, mai
greu de cuantificat.
Există numeroase situaţii în care variabilele calitative se pot
cuantifica numeric, prin efectuarea unor operaţiuni de echivalare.
Utilitatea deosebită a variabilelor dummy apare atunci când
variabilele calitative nu pot fi cuantificate în alt mod şi atunci apare
posibilitatea simplă a alternanţei DA sau NU.
Modalităţile de introducere în model şi de interpretare a
acţiunii variabilelor dummy ţin de fiecare caz particular în parte şi
sunt influenţate în mare măsură de cunoaşterea experienţelor
similare şi de experienţa practică a cercetătorului.

Cursul 7

5.2. Modele multifactoriale neliniare

18
 MODELE ECONOMETRICE MULTIFACTORIALE

Modelele liniare au o largă aplicabilitate în econometrie

datorită relativei uşurinţe cu care parametrii acestor modele pot fi
estimaţi şi interpretaţi. O dată, însă, cu dezvoltarea unor programe
computerizate specializate, a apărut posibilitatea utilizării unor
modele mai complexe, care au la bază diverse tipuri de funcţii,
liniare sau neliniare, cu variabile cantitative şi calitative. Problema
principală care trebuie rezolvată la ora actuală cu privire la
utilizarea acestor instrumente computerizate este cea referitoare la
alegerea funcţiei cele mai potrivite în raport cu fenomenul studiat.
Astfel, modelele multifactoriale neliniare pot fi de diverse
forme, în funcţie de curba descrisă de graficul “norului de puncte”.
Cel mai des întâlnite modele neliniare multiple care descriu
evoluţia unor variabile economice sunt funcţiile exponenţiale şi
funcţiile de putere.
Funcţiile exponenţiale pot fi, la rândul lor, de diverse forme,
cele mai utilizate fiind cele care pot fi uşor liniarizate prin diverse
transformări. O funcţie exponenţială multifactorială cunoscută este
de forma:

y =   1 x1  2 x2  …  k xk   (5.24)

Liniarizarea acestei funcţii se realizează prin logaritmare:

log y = log  + x1 log 1 + … + xk log k + log  (5.25)

În acest fel, modelul este unul multifactorial liniar cu

parametrii log , log 1, …, log k, care pot fi estimaţi cu metoda
celor mai mici pătrate.
O altă funcţie exponenţială utilizată destul de des în
econometrie este de forma:

y    e  x1  e  x 2  ...  e  xk  
1 2 k
(5.26)

19
 CAPITOLUL 5

Liniarizarea acestei funcţii se realizează prin logaritmare cu

logaritm natural şi se obţine:

ln y = ln  + 1 x1 + 2 x2 + … + k xk + ln  (5.27)

Din nou se ajunge la un model multifactorial liniar care poate

fi analizat cu metodele cunoscute.
A doua categorie de funcţii multifactoriale neliniare sunt
funcţiile de putere. Ecuaţia cea mai cunoscută care stă la baza unui
model de putere este următoarea:

y =   x1 1  x2 2 … xk k  (5.28)

Liniarizarea unei astfel de funcţii se realizează tot prin

logaritmare, rezultând o ecuaţie de forma:

log y = log  + 1  log x1 + … + k  log xk + log  (5.29)

Similar cu funcţiile exponenţiale, în urma efectuării

operaţiunii de logaritmare, estimarea parametrilor funcţiei rezultate
se poate realiza tot cu metoda celor mai mici pătrate.
Pe lângă funcţiile liniarizabile există, însă, şi numeroase
funcţii neliniare care nu se pretează la liniarizare şi ale căror
parametri trebuie estimaţi ca atare. Acest lucru, de obicei, este
dificil de realizat cu metode mai simple, fapt pentru care se
apelează la metodele computerizate specializate, iar analistul
interpretează doar rezultatele obţinute.
Funcţiile exponenţiale şi cele de putere prezentate au o largă
utilizare în econometrie, o aplicaţie foarte cunoscută a lor
constituind-o funcţiile de producţie.

5.3. Funcţii de producţie

20
 MODELE ECONOMETRICE MULTIFACTORIALE

Un caz particular al funcţiilor multifactoriale de putere îl

reprezintă un model bifactorial neliniar, care pune în evidenţă
legătura la nivel macroeconomic dintre venitul obţinut şi factorii de
producţie fundamentali care concură la realizarea venitului
respectiv. Acest model este cunoscut sub numele de funcţia de
producţie Cobb – Douglas 4, după numele autorilor săi şi are la
bază următoarea ecuaţie:

Y = L  K  (5.30)

în care: Y reprezintă venitul realizat la nivelul economiei naţionale

pe timp de un an, cuantificat iniţial de către autori cu
ajutorul venitului naţional, iar, mai recent, prin produsul
naţional brut sau produsul intern brut ;
L este forţa de muncă utilizată în economie în timpul unui
an, cuantificată prin cuantumul salariilor;
K reprezintă capitalul fix productiv aferent aceleiaşi
perioade;
 şi  sunt coeficienţii de elasticitate ai venitului în raport
cu L şi K.
Prin logaritmare, rezultă funcţia liniară de forma:

log Y =   log L +   log K (5.31)

Estimatorii parametrilor  şi  se obţin prin aplicarea metodei

celor mai mici pătrate, în urma căreia rezultă sistemul de două
ecuaţii cu două necunoscute de forma:

ˆ  n log L 2  ˆ  n log L  log K   n log Y  log L 

 i 1
i 
i 1
i i 
i 1
i i
 n n n
ˆ   log Li  log K i   ˆ   log K i 2   log Yi  log K i 
 i 1 i 1 i 1 (5.32)

21
 CAPITOLUL 5

în care Yi, Li şi Ki reprezintă valorile venitului, ale forţei de muncă

şi ale capitalului fix aferente perioadei de timp analizate, iar ̂ şi ̂
sunt estimatorii elasticităţilor  şi  .
Valoarea estimată pentru elasticitatea  arată, în valoare
procentuală, cu cât se modifică venitul Y, atunci când forţa de
muncă L se modifică cu o unitate.
Similar, valoarea estimată a elasticităţii  arată, în valoare
procentuală, cu cât se modifică venitul Y, atunci când capitalul fix
K se modifică cu o unitate.
Iniţial, autorii au ajuns la concluzia că, pe termen lung, într-o
economie deschisă de piaţă, suma elasticităţilor  şi  tinde către 1,
ipoteză infirmată, însă, de cercetări ulterioare5.
O altă funcţie de producţie, care este o completare a funcţiei
Cobb – Douglas, o reprezintă funcţia de producţie Solow, care pe
lângă forţa de muncă şi capitalul fix, ia în considerare şi impactul
tehnologic (progresul tehnic sau inovarea) ca fiind factor esenţial
de producţie. Această funcţie are la bază următoarea ecuaţie:

t
Y = L K e (5.33)


în care, termenul nou introdus e t semnifică impactul tehnologic.
Liniarizarea funcţiei se realizează prin logaritmare cu logaritmul
natural, astfel:

ln Y =   ln L +   ln K +   t (5.34)

unde  reprezintă elasticitatea venitului Y la modificările

tehnologice, iar t cuantifică factorul timp.
Estimatorii parametrilor ,  şi  se obţin prin aplicarea
metodei celor mai mici pătrate, în urma căreia rezultă sistemul de
trei ecuaţii cu trei necunoscute de forma:

22
 MODELE ECONOMETRICE MULTIFACTORIALE

ˆ  n ln L 2  ˆ  n ln L  ln K   ˆ  n t  ln L   n ln Y  ln L 

 i 1
i 
i 1
i i  i
i 1
i 
i 1
i i
 n
 n n n
ˆ   ln Li  ln K i   ˆ   ln K i   ˆ   ti  ln K i    ln Yi  ln K i 
2

 i 1 i 1 i 1 i 1

ˆ  t  ln L   ˆ  t  ln K   ˆ  t  t  ln Y 
n n n 2 n

 i 1
i i  i
i 1
i  i
i 1
 i
i 1
i

(5.35)

unde ̂ , ̂ şi ̂ sunt estimatorii elasticităţilor ,  şi .

O altă funcţie de producţie cunoscută în econometrie este
funcţia de producţie CES,6 care porneşte de la ipoteza elasticităţii
constante a substituţiei factorilor de producţie L şi K. Ecuaţia
acestei funcţii este de forma:

ln Y  ln  



ln K    1   L    
(5.36)

O aproximare de tip serie Taylor a acestei funcţii în jurul

punctului  = 0 este:

 1 2
ln Y  ln    ln K   1    ln L   1    ln K  ln L     '
 2 
= 1  x1 + 2  x2 + 3  x3 + 4  x4 +  ’
(5.37)

1
x4   ln 2 K / L 
unde: x1 = 1; x2 = ln K; x3 = ln L; 2 , iar
transformările efectuate sunt:

 = e1;  = 2/(2 + 3);  = 2 + 3;

 = 4(2 + 3)/ (23) (5.38)

23
 CAPITOLUL 5

Valorile estimate ale parametrilor 1, 2, 3 şi 4 se pot obţine

cu ajutorul metodei celor mai mici pătrate aplicată funcţiei liniare
date de relaţia 5.37. Pe baza acestora se obţin valorile estimate ale
parametrilor , ,  şi , conform relaţiei 5.38.

REFERINŢE BIBLIOGRAFICE

1. E. Pecican, Econometrie, Editura ALL, Bucureşti, 1994, pag. 75 – 82

1. R.S. Pindyck, D.L. Rubinfeld, Econometric Models and Economic
Forecasts, Fourth Edition, McGraw–Hill, 1998, pag. 95 – 98
1. R.S. Pindyck, D.L. Rubinfeld, op. cit., pag. 124 – 125
1. C. Chilărescu, Modele econometrice aplicate, Editura Mirton,
Timişoara, 1994, pag. 81 – 85
1. E. Pecican, op. cit., pag. 135 – 137
1. W.H. Greene, Econometric Analysis, Fifth Edition, Prentice Hall,
2003, pag. 128 – 130

24