Econometrie

Cuprins
Cuprins ................................................................................................................................ 1
Capitolul 1 ........................................................................................................................... 4
Introducere în modelarea econometricã .............................................................................. 4
1.1 Ce este econometria?................................................................................................. 4
1.2 Ce poate ºi ce nu poate realiza econometria ............................................................. 5
1.3 Repere istorice........................................................................................................... 6
1.4 Concepte.................................................................................................................... 8
1.5 Demers metodologic ............................................................................................... 13
Capitolul 2. ........................................................................................................................ 14
Cauzã ºi efect în economie - modelul unifactorial............................................................ 14
2.1 Relaþiile de cauzalitate în economie................................ ................................ ........ 14
2.2 Modelul liniar simplu .............................................................................................. 15
2.2.1 Prezentarea problemei. Exemple din economie ............................................... 15
2.2.2 Model ºi ipoteze ...............................................................................................16
2.3 Estimarea parametrilor modelului........................................................................... 17
2.4 Noþiuni privind datele ºi soluþiile ................................ ................................ ............ 20
2.5 Metoda celor mai mici pãtrate................................................................................. 20
2.5.1 Interpretarea parametrilor estimaþi ................................ ................................ ... 21
2.5.2 Precizãri de naturã teoreticã privind analiza de regresie ºi modalitatea de
estimare a parametrilor.............................................................................................. 22
Capitolul 3 ......................................................................................................................... 25
Influenþe multiple de tip liniar ºi neliniar în economie; modelul multifactorial ............... 25
3.1 Cazul liniar multifactorial ....................................................................................... 25
3.2 Etapele demersului: ................................................................................................. 27
3.2.1 Specificarea ...................................................................................................... 27
3.2.2 Estimarea parametrilor ..................................................................................... 28
3.2.3 Interpretarea estimaþiilor obþinute pentru parametri................................ . 31
3.3 Recomandãri în ceea ce priveºte aplicarea modelului econometric multifactorial. 31
3.3.1 Datele numerice................................................................................................ 32
3.4 Modele neliniare...................................................................................................... 33
3.4.1 Modele neliniare în raport cu variabilele dar liniare în raport cu parametrii ... 33
3.4.2 Modele neliniare, neabordabile prin MCMMP ................................................ 34
3.5 Variabile calitative în economie.............................................................................. 36
3.5.1 Variabilele dichotomice ................................................................................... 37
Capitolul 4 ......................................................................................................................... 43
Verificarea semnificaþiei statistice a rezultatelor estimãrii. Testul t, testul F ................... 43
4.1 Necesitatea etapei verificãrii ................................................................................... 43
4.2 Verificarea semnificaþiei statistice a fiecãrui parametru estimat; testul t................ 45
4.2.1 Principalele noþiuni specifice ................................ ................................ ........... 45
4.2.2 Testul t.............................................................................................................. 47
4.2.3 Etapele verificãrii ............................................................................................. 48
4.3 Verificarea semnificaþiei rolului ansamblului factorilor asupra variabilei efect..... 51
4.3.1 Testul F............................................................................................................. 51
1
4.3.2 Etapele aplicãrii testului F................................................................................ 52
4.3.3 Coeficientul de determinaþie ................................ ................................ ............ 53
Capitolul 5 ......................................................................................................................... 54
Verificarea confirmãrii ipotezelor privind datele, factorii ºi modelul .............................. 54
5.1 Ipoteze privind modelul ºi metoda de estimare....................................................... 54
5.2 Date suficiente, neafectate de erori sistematice ...................................................... 55
5.2.1 Consideraþii asupra necesitãþii abordãrii problemei datelor............................. 55
5.2.2 Verificarea ºi aprecierea datelor numerice....................................................... 56
5.3 Independenþa variabilelor factoriale din ecuaþia de regresie................................ ... 57
5.3.1 Semnale care atrag atenþia multicoliniaritãþii:................................ .................. 58
5.3.2 Soluþii ................................ ................................ ................................ ............... 59
5.4 Ipoteza privind liniaritatea modelului ºi corecta sa specificare .............................. 59
5.4.1 Verificarea prezumþiei liniaritãþii ................................ ................................ ..... 60
5.5 Verificarea confirmãrii ipotezelor privind comportamentul variabilei reziduale ... 61
5.5.1 Verificarea împrãºtierii valorilor variabilei reziduale (homoscedasticitatea /
heteroscedasticitatea.................................................................................................. 61
5.5.2 Testul GQ (Goldfeld, Quandt) ......................................................................... 62
5.5.3 Prezumþia neautocorelãrii valorilor reziduale .................................................. 63
5.5.4 Variabila rezidualã urmeazã o repartiþie normalã de medie zero..................... 65
Capitolul 6 ......................................................................................................................... 68
Aplicarea modelului de regresie în analiza ºi prognoza economicã ................................. 68
6.1 Coordonatele analizei economice ºi analizei statistice ........................................... 68
6.2 Prognoza economicã bazatã pe modelul de regresie............................................... 69
6.3 Modele econometrice utilizate în domeniul cererii de bunuri ºi servicii ................ 70
6.4 Producþia, factorii determinanþi ºi funcþiile de producþie................................ ........ 73
6.4.1 Ipoteze ºi caracteristici în elaborarea ºi utilizarea funcþiilor de producþie în
studiile economice..................................................................................................... 74
6.4.2 Indicatori utili analizei economice bazate pe funcþii de producþie................... 74
6.5 Relaþii financiar - bancare ºi reprezentarea lor prin ecuaþii .................................... 78
6.5.1 Masa monetarã ºi factorii care determinã cererea de bani ............................... 79
6.5.2 Rata dobânzii ºi investiþiile .............................................................................. 79
6.5.3 Impozitele ºi transferurile................................................................................. 80
6.5.4 Preþurile ºi costurile................................ ................................ .......................... 81
Capitolul 7 ......................................................................................................................... 82
Evoluþia proceselor economice în decursul timpului ........................................................ 82
7.1 Problema tendinþei generale ................................ ................................ .................... 82
7.2 Noþiuni specifice analizei seriilor cronologice........................................................ 82
7.3 Modelul liniar unifactorial ºi calculul tendinþei generale........................................ 83
7.4 Clasificare a seriilor cronologice în raport cu existenþa sau inexistenþa tendinþei
generale ......................................................................................................................... 87
7.5 Dependeþe în economie manifestate în mod sincron sau cu decalaje în timp ......... 88
7.5.1 Seria integratã, serii cointegrate privind procese economice evolutive ........... 88
7.6 Modele dinamice destinate includerii efectelor decalate în timp............................ 90
7.6.1 Stabilirea unitãþii de timp ................................ ................................ ................. 91
7.6.2 Estimarea parametrilor ..................................................................................... 92
2
7.7 Autodeterminarea proceselor economice în timp; modelele stochastice de tip
ARMA........................................................................................................................... 94
7.7.1 Considerente economice ºi statistice pe care se bazeazã modelul ARMA ...... 94
7.7.2 Obþinerea prognozelor................................ ................................ ...................... 96
7.8 Fluctuaþii sistematice în economie – mãsurare, analizã, prognozã ......................... 97
7.8.1 Depistarea graficã a variaþiilor sezoniere ......................................................... 98
7.8.2 Ajustarea prin medii mobile............................................................................. 98
7.8.3 Indicii de sezonalitate..................................................................................... 100
7.8.4 Coeficienþii sezonieri................................ ................................ ...................... 100
3
Capitolul 1
Introducere în modelarea econometricã
Modelele econometrice analizeazã calitatea ºi cantitatea

proceselor economice ºi evoluþia lor.
Econometria prin caracterul sãu general creeazã modele
abstracte ale fenomenelor economice.
Econometria este disciplina care s-a conturat ca o sintezã
între analiza matematicã, statistica matematicã ºi economie.
1.1 Ce este econometria?

Termenul econometrie a fost introdus în anul 1926 de cãtre
economistul ºi statisticianul norvegian R. Frisch prin analogie cu
termenul „biometrie" utilizat de Galton ºi Pearson. Aºa cum
"biometrie" desemna cercetãrile biologice cu ajutorul statisticii ºi
matematicii, econometria avea sã însemne studiul economiei cu
ajutorul acestor ºtiinþe fundamentale.
Econometria este o disciplinã care s-a conturat ca o sintezã
între economie, matematicã ºi statisticã.
Din economie provin teoriile economice, din matematicã
modelele teoretice care exprimã teoriile economice, iar din
statisticã datele empirice ºi metodele de prelucrare a acestora.
Pe baza datelor din economie, econometria construieºte
modele (expresii cantitative) pentru realitãþile economice studiate
care au un corespondent în teoriile economice.
Prin procedeele de inferenþã statisticã, econometria estimeazã
parametrii modelelor ºi realizeazã predicþii asupra realitãþii
studiate.
4
Obiect: Aria de studiu a econometriei este realitatea
economicã privitã ca un ansamblu de relaþii ºi intercondiþionãri.
Econometria studiazã legãturile dintre fenomenele economice,
dintre diferite componente ale economiei în ansamblul sãu.
Metodã: Econometria studiazã realitãþile economice sub

aspect cantitativ, utilizând metoda statisticii. Econometria
contribuie la cunoaºterea realitãþii economice prin modul sãu
specific de a surprinde cantitativ relaþiile din viaþa economicã realã
cu ajutorul unui instrument specific: modelul econometric.
Scop: Scopul principal al econometriei este identificarea,

estimarea ºi testarea modelelor prin care se surprind relaþiile dintre
fenomenele economice reale.
1.2 Ce poate ºi ce nu poate realiza econometria
Metodele de prelucrare a datelor urmãresc îndeosebi

mãsurarea, cuantificarea unor relaþii dintre procesele economice,
având în vedere mai ales relaþiile de tip cauzã-efect.
Rolul econometriei rezultã din soluþionarea unor obiective
precum:
• Evidenþierea, pe baze mai obiective, a relaþiilor de cauzalitate
din economie;
• Exprimarea numericã a efectului datorat creºterii cu o unitate
a factorului;
• Stabilirea proporþiei în care unul sau mai mulþi factori
determinã evoluþia unei variabile-efect, precum ºi ordonarea
factorilor dupã importanþã;
• Previziunea unui fenomen economic în raport cu factorii
determinanþi sau þinând cont de comportamentul fenomenului în
perioadele anterioare;
5
• Aprecierea prin expresii numerice a implicaþiilor pe care o
acþiune de politicã economicã o are asupra mai multor sectoare
economice;
• Stabilirea intensitãþii ºi direcþiei fluctuaþiilor din economie;
• Aprecierea elementelor semnificative din economie de
elementele nesemnificative (datorate hazardului).
Aspecte pe care econometria nu le poate rezolva sau încã nu

le poate rezolva satisfãcãtor sunt urmãtoarele:
• Încorsetarea într-un model generalizator, de mare amploare, a
tuturor relaþiilor existente în economie;
• Introducerea în calcule a variabilelor calitative cu o suficient
de mare acurateþe, astfel încât rolul acestora sau amploarea
modificãrii lor sã poatã fi mãsurate cu suficient de mare precizie;
• Departajarea suficient de precisã a rolului fiecãrui factor
asupra unui proces economic, însituaþiile în care factorii
evolueazã foarte asemãnãtor (prezintã un grad înalt de
coliniaritate)
• Prognoza suficient de precisã în situaþii conjuncturale diferite
sau în situaþii în care interacþiunea factorilor reprezintã ea însãºi
un factor;
• Econometria nu îºi propune stabilirea de valori numerice
privind indicatorii economici (agregate de tip PIB, Venit naþional,
etc.), unele stãri de lucruri din economie (concentrarea, corelaþia,
proporþia unor realizãri) ºi nici obþinerea de soluþii optime (stocul
optim, ruta optimã în transporturi) sau soluþii care nu aparþin
domeniului relaþiilor de cauzalitate, manifestate la un moment dat
sau în decursul timpului.
1.3 Repere istorice

Econometria este o disciplinã ºtiinþificã relativ nouã,
dezvoltatã începând cu mijlocul secolului trecut. Totuºi, primele
încercãri de a cuantifica ºi exprima cantitativ relaþiile dintre
6
fenomenele reale sunt mult mai vechi ºi dateazã din secolul al
XVII-lea.
ª coala Aritmeticii politice engleze: Un studiu asupra
genezei econometriei ne-ar conduce la începuturile secolului al
XVII-lea când englezul W. Petty pune bazele "aritmeticii politice"
prin care se foloseau sistematic fapte ºi cifre în elaborarea unor
studii legate de populaþie, finanþe, comerþ exterior sau impozitare.
Laboratoarele biometrice engleze: La sfârºitul secolului al
XIX-lea ºi începutul secolului al XX-lea, în Anglia se desfãºura o
activitate ºtiinþificã remarcabilã de cercetare a legilor naturii ºi a
geneticii umane. Printre figurile ilustre ale acestei ºcoli se numãrã
F. Gallun, K. Pearson, R.A. Fisher, F.Y. Edgeworth, ale cãror
lucrãri fundamentale au contribuit la dezvoltarea metodelor de
analizã a legãturilor dintre variabile.
Societatea de econometrie: La 29 decembrie 1930, la
Cleveland (S.U.A.) a fost întemeiatã "Societatea de Econometrie",
instituþie care a creat ºi promovat termenul de "econometrie".
Dintre membrii societãþii, menþionãm cele mai importante figuri:
Irving Fisher, R. A. Fisher (matematician ºi biolog, care a
dezvoltat analiza dispersionalã), Jan Timbergen (fizician olandez),
Trygve Haavelmo, R. Frisch (primul preºedinte al societãþii) º.a.
Mari gânditori ai secolului XX: Econometria se dezvoltã
prin contribuþia unor cercetãtori importanþi, din diferite direcþii ale
cercetãrii:
producþie: Cobb C.W. ºi Douglas P.H.;
cererea de consum: K. Schultz, P.A. Samuelson;
teoriile economice ºi construirea modelelor: J. Timbergen, T.
Haavelmo, R. Frisch, L.R. Klein, H.Theil;
studiul riscului ºi incertitudinii în economie, modele
macroeconomice: J.M. Keynes.
7
1.4 Concepte
În cercetarea econometricã se utilizeazã o serie de concepte,
noþiuni ºi termeni specifici: model, variabile, parametri, estimator,
estimaþii, ca ºi termeni statistici.
Modelul econometric: Modelul este o schemã simplificatã a
realitãþii care are rolul de a explica realitatea studiatã în
dimensiunile ei fundamentale, esenþiale. Modelul econometric este
o prezentare formalizatã a problemei sau a realitãþii economice
studiate. De regulã, modelul econometric este o ecuaþie sau un
sistem de ecuaþii construit pe baza variabilelor statistice.
Exemple
Relaþie dintre vânzãri ºi preþ:
Vânzãri = a + b Preþ + u
Evoluþia producþiei în raport cu factorii determinanþi:
Producþie = a Capital Munca
Variabile: În cercetarea econometricã se utilizeazã variabile

statistice între care existã relaþii de interdependenþã.
Variabilã = însuºire, element caracteristic care poate înregistra
diverse niveluri exprimate, de regulã, numeric.
Exemple: preþul produsului, rata dobânzii, cantitatea produsã,
valoarea tranzacþiilor la bursã. Variabile de tip calitativ
(nenumerice): culoarea, religia, anotimpul.
Variabila aleatoare prezintã drept element caracteristic faptul cã
poate înregistra orice valoare într-un ansamblu de valori specificat
corespunzãtor unei repartiþii de probabilitate.
Exemple: cursul de schimb, vânzãrile pe o piaþã liberã, abaterea
(eroarea) dintre nivelul preconizat ºi cel realizat.
Tipuri de variabile:
variabilã endogenã, numitã ºi variabilã dependentã,
rezultativã sau efect, rezultat. Este variabila pentru care
modelul, în urma estimãrii, poate genera valori. Variabila
8
endogenã este poziþionatã în stânga semnului egalitãþii în
ecuaþia în care ea reprezintã obiectivul, dar poate sã aparã ºi
în postura de factor în alte ecuaþii. Se noteazã de regulã cu y.
variabila exogenã, numitã ºi variabilã independentã,
factorialã, factor de influenþã sau regresor, care determinã un
anumit efect asupra variabilei rezultat. Este variabila aflatã în
postura de cauzã a evoluþiei variabilei endogene, având valori
preluate din statistici. Locul variabilei exogene este în
dreapta semnului egalitãþii ºi este, de regulã notatã cu x.
Alãturi de aceste douã categorii de variabile, în

econometrie se utilizeazã o categorie specialã: variabilele
reziduale sau eroare.
De regulã, aceste variabile apar în model ca sumã a tuturor
influenþelor necunoscute sau care nu apar explicit în model. În
cercetarea econometricã, variabila eroare este o variabilã aleatoare
care respectã anumite proprietãþi numite ºi ipoteze clasice.
Variabila rezidualã se obþine în urma calculului abaterilor

dintre valorile empirice ale variabilei endogene (y) ºi valorile
generate de model ale aceleiaºi variabile ( ŷ ). Locul variabilei rest
este, de regulã, în partea finalã a ecuaþiei ºi este notatã cu u, dar se
mai foloseºte ºi v sau e. Este denumitã perturbaþie sau eroare.
Medie = nivel central obþinut în urma unui calcul privind un

ansamblu de valori ale variabilei analizate. Se utilizeazã media
aritmeticã:
xi f i
i
x
fi
i
unde xi reprezintã valorile variabilei, iar fi frecvenþa de apariþie.

Media variabilei aleatoare (speranþa matematicã,
aºteptarea) rezultã ca o sumã a valorilor variabilei aleatoare
ponderate cu probabilitãþile asociate posibilelor valori:
9
M x xi Pi
cu Pi 1 i
i
Dispersie = indicator sintetic destinat mãsurãrii împrãºtierii

valorilor variabilei de la medie. Dispersia este notatã 2 , dar ºi
“var” sau s2 (numitã ºi varianþã).

( xi x) 2 f i
2 i
fi
i
Dispersia variabilei aleatoare x:

2 2
x M x M x
Abaterea medie pãtraticã:

2
Covarianþa (cov) variabilelor x1, x2 reprezintã un indicator

de mãsurare a variabilitãþii conjugate privind douã variabile aflate
într-o relaþie de dependenþã:
Cov x1 , x2 M x1 M x1 x2 M x2
Coeficientul de corelaþie (r) reprezintã un indicator de
mãsurare pe o scarã numericã cuprinsã între – 1 ºi + 1 a legãturii
(dependenþei, analogiei) dintre douã variabile. În varianta Pearson,
coeficientul de corelaþie este definit astfel:
x x y y
rxy
n x y
Eºantion = subansamblu de elemente (unitãþi, cazuri)
extrase (la întâmplare) dintr-un ansamblu (populaþie). Deseori o
secvenþã de valori ale unei variabile urmãrite (înregistrate) în
decursul timpului este asimilatã cu eºantionul. Se noteazã cu n
numãrul de unitãþi din eºantion.
10
Estimare = calcul sau suitã de calcule (algoritm) destinate
obþinerii unei mãrimi numerice (coeficient, parametru) pe baza
datelor unui eºantion. Se noteazã estimaþiile cu aˆ , bˆ, ˆ , rˆ.
Estimarea parametrilor unei funcþii se situeazã în centrul atenþiei

econometricienilor.
Test = verificare a unei prezumþii (ipoteza nulã H0, a negãrii
existenþei unei calitãþi a estimaþiei), în condiþiile existenþei unei
repartiþii proprii estimaþiei analizate. În urma testãrii, ipoteza nulã
poate fi acceptatã sau poate fi infirmatã (respinsã) în favoarea
ipotezei alternative H1. frecvent utilizate în econometrie sunt
2
testele: t – Student, F – Snedecor, (hi-pãtrat).
Parametru: Parametrii modelului econometric, numiþi ºi

coeficienþi de regresie, sunt mãrimi reale ºi necunoscute care apar
în model în diferite expresii alãturi de variabile.
Parametrii fac obiectul procesului de estimare ºi testare
statisticã. Parametrul este o mãrime consideratã constantã,
rezultatã în urma unui calcul bazat pe datele presupuse de
variabilele ecuaþiei / ecuaþiilor modelului. De regulã, se au în
vedere estimaþii ale parametrilor, motiv pentru care se ataºeazã
literei un accent circumflex.
Locul parametrului în model este alãturi de variabila
factorialã la care se referã (excepþie face parametrul liber). Se
noteazã cu a, b, a0, a1, , . Este denumit ºi coeficient sau
estimaþie.
Estimatori: Estimatorii sunt variabile aleatoare, convenabil

construite în procesul de estimare, cu distribuþii de probabilitate
cunoscute ºi cu proprietãþi specifice în baza cãrora se realizeazã
procesul de estimare a parametrilor modelului econometric.
Notãm parametrul cu simbolul ? ºi un estimator al acestuia cu ˆ
În procesul de estimare, cele mai importante proprietãþi ale
estimatorilor sunt:
11
• nedeplasarea - un estimator este nedeplasat dacã media sau
speranþa matematicã a acestuia este egalã cu parametrul.
Un estimator nedeplasat verificã relaþia relaþia: M( ˆ ) = ? . Dacã
relaþia nu este respectatã, atunci estimatorul este deplasat.
• convergenþa - un estimator este convergent dacã pentru un

eºantion cu volum suficient de mare ºirul estimatorilor converge
cãtre parametru. Pentru un estimator convergent are loc relaþia:
lim P ˆn 0, 0,1 .
n
• eficienþa – estimatorul ˆ este eficient dacã are dispersia sau

varianþa cea mai micã dintre toþi estimatorii posibili pentru
parametrul ?.
Autocorelaþie, autoregresie = noþiuni care se referã la

dependenþa dintre termenii poziþionaþi la o anumitã distanþã de
timp. Aºadar, este presupusã dependenþa modificãrilor variabilei în
raport cu propriile modificãri realizate într-un trecut mai mult sau
mai puþin apropiat.
Autocorelaþia implicã determinarea intensitãþii corelaþiei

dintre termenul înregistrat în perioada t ºi termenul din perioada
t – 1 (coeficientul r1), respectiv din perioada t – 2 (coeficientul r2),
etc.
Autoregresia presupune analiza gradului de dependenþã

dintre seria de date yt ºi aceeaºi serie decalatã cu 1:
yt = a + byt-1+ ut, unde t = 2, 3, ...,n
Pot fi considerate variabile explicative seriile decalate, în
succesiune cu 1,2,...,k perioade de timp:
yt = a + b1yt-1+...+ bkyt-k + ut
12
1.5 Demers metodologic
Modelarea econometricã se poate rezuma sintetic la parcurgerea
urmãtoarelor etape:
• formularea problemei în termeni economici, pornind de la o
teorie sau o problemã economicã;
• identificarea variabilelor care instrumenteazã problema;
• identificarea tipului ºi formei legãturii dintre variabile, dupã
o analizã atentã a fenomenului real ºi a teoriei economice;
• propunerea unuia sau a mai multor modele care explicã
realitatea studiatã prin relaþii de dependenþã între variabile;
• estimarea parametrilor modelului sau modelelor propuse, pe
baza metodelor statistice cunoscute;
• testarea modelului sau modelelor ºi alegerea celui mai bun
model;
• aplicarea în practicã sau realizarea de predicþii pe seama
modelului.
Notaþii
• y- variabila dependentã;
• xi - variabilele independente, i = 1, 2, ..., k, unde k este
numãrul de factori;
• u - variabila rezidualã sau eroare;
• y = f(xi) + u - modelul econometric;
• ai, bi - parametrii modelului, i = 1, 2, ..., k;
• n - volumul eºantionului.
13
Capitolul 2.
Cauzã ºi efect în economie - modelul
unifactorial
2.1 Relaþiile de cauzalitate în economie

Situaþiile în care un proces economic depinde de un singur
factor nu sunt prea frecvente în economie.
Se va aborda dependenþa începând cu un singur factor, de la
unifactorial la multifactorial, de la particular la general, de la
relaþia liniarã la alte tipuri de dependenþe.
Exemple de relaþii din economie care implicã un efect ºi un

factor important într-o dependenþã liniarã:
• Cererea de alimente strict necesare depinde de numãrul
populaþiei;
• Producþia depinde de numãrul de ore utilizate efectiv pentru
realizarea ei;
• Rata dobânzii la bãncile comerciale este influenþatã de rata
dobânzii de referinþã;
• Exportul unui produs depinde de nivelul preþului; etc.
În majoritatea cazurilor:
• Dependenþa nu este totalã, (o anumitã variabilã depinde sau
este influenþatã îndeosebi de...), aspect care implicã recunoaºterea
existenþei ºi a altor cauze de o mai micã importanþã sau prea puþin
cunoscute;
• Deseori este specificatã existenþa unor condiþii care se menþin
aceleaºi, ceea ce poate fi valabil în condiþii de laborator, dar
numai temporar poate fi constatat în viaþa realã pe un segment de
cazuri.
14
• Dependenþa unui proces în raport cu factorul determinant se
poate manifesta diferit în decursul timpului, în raport cu gradul de
stabilitate al celorlalþi factori importanþi.
• La aceasta se adaugã influenþa elementului perturbator
provocat de cauze minore, puþin cunoscute, mai mult sau mai
puþin accidentale.
2.2 Modelul liniar simplu

Modelul liniar simplu presupune cã între cele douã variabile
existã o dependenþã dupã modelul unei ecuaþii de gradul întâi sau
cã între variabile existã o relaþie de proporþionalitate.
2.2.1 Prezentarea problemei. Exemple din economie

Modelul liniar simplu este cel mai simplu model econometric
sau cea mai simplã schemã explicativã a dependenþei dintre douã
variabile.
În economie existã situaþii în care un rezultat sau un fenomen
poate fi explicat într-o proporþie ridicatã doar de influenþa unui
singur factor. Acest factor apare în modelul econometric drept
variabilã independentã, iar restul influenþelor este preluat de
variabila rezidualã.
Exemple din economie de modele liniare simple

1) Funcþia de consum - cererea sau consumul populaþiei pentru o
anumitã categorie de mãrfuri este o funcþie de venit
Ci = a + b Vi+ ui,
unde parametrul b aratã de câte ori creºte consumul unui anumit
produs (Ci) la o creºtere cu o unitate a venitului ºi este de regulã
pozitiv.
15
2) Legea cererii - cererea populaþiei pentru o anumitã categorie de
mãrfuri este în funcþie de preþul acestor produse
Ci = a + b Pi+ ui,
unde parametrul b este de regulã negativ ºi aratã cu cât scade
cererea la o creºtere a preþului cu o unitate.
2.2.2 Model ºi ipoteze

Modelul prin care se exprimã dependenþa în raport cu un
singur factor trebuie sã conþinã:
• Variabila efect, notatã cu yi;
• Variabila cauzalã consideratã determinantã pentru procesul
analizat, notatã cu xi;
• Variabila care poate perturba relaþia dintre principalele
variabile, expresie a acþiunii cauzelor minore, numitã abatere sau
eroare ºi notatã cu ui.
Modelul de regresie liniarã simplã exprimã legãtura liniarã

dintre variabile, de forma:
y i = a + b x i + ui
Relaþia de mai sus se numeºte ecuaþie de regresie ºi
reprezintã funcþia liniarã
yx = a + bx plus eroarea u.
Parametrii (constantele, coeficienþii) notaþi a, b urmeazã sã
fie determinaþi corespunzãtor datelor numerice ce privesc
ansamblul (N) de cazuri sau urmeazã sã fie estimaþi dacã datele se
referã la un eºantion (n) de cazuri.
a reprezintã ordonata la origine, care aratã valoarea lui y când

x = 0;
b reprezintã panta dreptei, numit ºi coeficient de regresie.
Parametrul de regresie b aratã gradul de dependenþã dintre
variabile, respectiv cu cât creºte sau scade y la o creºtere a
variabilei x cu o unitate.
16
Variabilele din ecuaþie sunt:
• y - variabila dependentã, aleatoare;
• x- variabila independentã, nonaleatoare;
• u - variabila aleatoare eroare sau reziduu.
Ipotezele modelului de regresie vizeazã variabila rezidualã ºi

variabila independentã. Cele mai importante ipoteze sunt:
• normalitatea erorilor :ui N 0, 2 , adicã variabila
rezidualã urmeazã
2
o lege de repartiþie normalã de medie zero ºi
varianþã ;
• homoscedasticitate:2
var( ui )= ,
adicã dispersia (varianþa) erorii este constantã.
• necorelarea erorilor: cov( ui, uj ) = 0, adicã erorile nu se
influenþeazã reciproc;
• lipsa corelaþiei dintre variabila independentã ºi variabila
eroare: cov( xi, ui ) = 0.
2.3 Estimarea parametrilor modelului

În practicã, determinarea parametrilor la nivelul populaþiei
totale nu este posibil de realizat, fapt care impune estimarea
parametrilor.
Folosind date înregistrate asupra unui eºantion de n perechi
de observaþii asupra variabilelor x ºi y, se calculeazã estimaþiile
â ºi b̂ ale parametrilor a ºi b .
Pentru diverse eºantioane de volum n se obþin diverse
estimaþii aˆ , bˆ pentru parametrii modelului de regresie liniarã.
Mulþimea acestora descrie aºa-numiþii estimatori ai
parametrilor a, b.
Estimatorii sunt variabile aleatoare a cãror distribuþie se
poate descrie în anumite ipoteze impuse modelului.
17
Exemplu
Se cautã sã se verifice în ce mãsurã numãrul populaþiei x
determinã vânzãrile unui produs de uz curent y. Datele culese din
16 localitãþi sunt urmãtoarele:
x-populaþia
(zeci de mii
loc.) 2 3 3 5 6 6 6 7 8 8 9 10 10 11 12 13
y-vânzãri (mii
kg) 10 12 14 28 30 32 28 35 40 45 45 52 55 54 58 60
Reprezentarea într-un sistem de axe a punctelor de

coordonate xi, yi descrie un nor de puncte a cãrui formã urmeazã
mai curând o dreaptã decât o linie curbã.
Acest fapt ne îndreptãþeºte sã acceptãm drept model a relaþiei
de dependenþã funcþia ŷ a bx
Diagrama împrãº tierii
80
60
Vânzãri
40 y-vânzãri (mii kg)

20
0
0 5 10 15
Populaþia
18
De la fiecare punct ( xi, yi ) pânã la dreaptã se constatã
existenþa unor distanþe mai mari sau mai mici, reprezentând abateri
generate de acei factori consideraþi nesemnificativi, accidentali,
având un rol perturbator.
Se noteazã distanþa de a fiecare punct ( xi, yi ) pânã la punctul
corespunzãtor de pe dreaptã ( xi, ŷi ) cu ui, atunci mãrimea abaterii
este diferenþa: ui yi yˆ i
În continuare se cautã obþinerea de soluþii pentru parametrii a
ºi b, deschizând perspectiva analizei statistice, analizei economice,
prognozei vânzãrilor.
Pentru realizarea acestor obiective se urmãreºte obþinerea
unor estimãri (pentru cã se dispune doar de secvenþe / eºantioane
de date) care sã conducã la:
Obþinerea unui grad de determinare (a efectului de cãtre
cauzã) cât mai mare;
Abaterile dintre valorile empirice ale variabilei efect y ºi
valorile aceleiaºi variabile obþinute pe baza modelului ºi
poziþionate pe dreaptã ( ŷ , valori ajustate, teoretice), sã fie
cât mai mici;
Estimaþiile obþinute pentru parametri sã fie cât mai precise, sã
tindã spre adevãratele valori ale parametrilor pe mãsurã ce
eºantionul creºte.
Metode de estimare care îndeplinesc condiþiile enumerate

sunt:
• Metoda celor mai mici pãtrate (MCMMP);
• Metoda verosimilitãþii maxime (MVM);
• Metoda bayesianã.
Metoda celor mai mici pãtrate implicã cele mai mici costuri
pentru aplicarea ei.
19
2.4 Noþiuni privind datele ºi soluþiile
Se numesc valori / niveluri empirice ale variabilelor y sau x
acele mãrimi numerice obþinute din statistici. Se noteazã cu xi, yi,
iar pe grafic apar sub formã de puncte de coordonate (xi, yi).
Se numesc valori / niveluri ajustate sau teoretice, acele
valori care urmeazã sã fie generate de model, notate ŷi .Ele se
obþin dupã estimarea parametrilor.
Se numesc valori adevãrate ale parametrilor acele soluþii la
care s-ar ajunge dacã s-ar cunoaºte toate valorile pe care le iau x, y.
Aceste valori se noteazã cu a ºi b, iar numãrul total de cazuri cu N.
Se numesc valori estimate ale parametrilor acele soluþii care
rezultã în urma utilizãrii datelor pe care variabilele xi, yi le-au
înregistrat într-un eºantion. Aceste soluþii se noteazã cu aˆ , bˆ , iar
numãrul de cazuri incluse în eºantion cu n.
În marea majoritate a cazurilor se lucreazã cu eºantioane,
astfel încât se obþin, frecvent, estimaþii.
Doar în sfera teoriei ne referim la valori adevãrate ale
parametrilor.
2.5 Metoda celor mai mici pãtrate

Metoda celor mai mici pãtrate considerã abaterea urmãtoare
drept element cheie: ui yi ~yi
Ridicarea la pãtrat ºi însumarea pãtratelor abaterilor conduce
la calculul sumei: n n
yi ~
2 2
S ui yi
i 1 i 1
Condiþia este ca estimaþiile sã fie astfel alese încât aceastã

sumã sã fie minimã.
Întrucât ~
y aˆn bˆx se rescrie expresia astfel:
2
S yi aˆ bˆxi
i 1
Punctul de extrem se obþine prin egalarea cu zero a
derivatelor parþiale în raport cu necunoscutele â ºi b̂ .
20
Rezultã sistemul:
S aˆ , bˆ n
2 yi aˆ bˆxi ( 1) 0
aˆ i 1
S aˆ , bˆ n
2 yi aˆ bˆxi xi 0
bˆ i 1
Ceea ce devine:
n n
naˆ b ˆ xi yi
i 1 i 1
n n n
aˆ xi bˆ x 2
i xi yi
i 1 i 1 i 1
Se noteazã:
n n
1 1
x xi , y yi
n i 1 n i 1
Se obþine soluþia:
aˆ y bˆx
yi y xi x
bˆ 2
xi x
2.5.1 Interpretarea parametrilor estimaþi

b̂ indicã cu câte unitãþi naturale (în care este exprimat y) se
modificã variabila – efect (creºte pentru b̂ > 0, scade pentru
b̂ < 0) dacã factorul x creºte cu 1 (adicã cu o unitate naturalã în
care este exprimat x). b̂ indicã panta dreptei de regresie (slope).
â nu are interpretare economicã ci doar semnificaþia sa de
ordonatã la origine (intercept).
21
Exemplu
x y y-M(y) x-M(x) (y-M(y))(x-M(x)) (x-M(x))2

2 10 -27.375 -5.4375 148.8515625 29.566406
3 12 -25.375 -4.4375 112.6015625 19.691406
3 14 -23.375 -4.4375 103.7265625 19.691406
5 28 -9.375 -2.4375 22.8515625 5.9414063
6 30 -7.375 -1.4375 10.6015625 2.0664063
6 32 -5.375 -1.4375 7.7265625 2.0664063
6 28 -9.375 -1.4375 13.4765625 2.0664063
7 35 -2.375 -0.4375 1.0390625 0.1914063
8 40 2.625 0.5625 1.4765625 0.3164063
8 45 7.625 0.5625 4.2890625 0.3164063
9 45 7.625 1.5625 11.9140625 2.4414063
10 52 14.625 2.5625 37.4765625 6.5664063
10 55 17.625 2.5625 45.1640625 6.5664063
11 54 16.625 3.5625 59.2265625 12.691406
12 58 20.625 4.5625 94.1015625 20.816406
13 60 22.625 5.5625 125.8515625 30.941406
7.438 37.375 800.375 161.9375
b= 4.942493 a= 0.6152065
2.5.2 Precizãri de naturã teoreticã privind analiza de

regresie ºi modalitatea de estimare a parametrilor
În procesele economice se observã cã pentru un nivel
oarecare al factorului se constatã o diversitate de valori privind
efectul declanºat.
Acest aspect poate fi constatat fie pentru mai multe cazuri în
care factorul, deºi constant ca nivel, genereazã efecte diferite, fie în
situaþiile în care se analizeazã mai multe eºantioane, iar un nivel
identic al factorului de la un eºantion la altul genereazã efecte
diferite.
22
Relaþia dintre cauzã ºi efect nu este de tip determinist.
Pe lângã factorul cu rol determinant existã ºi un element
aleator care perturbã relaþia dintre cauzã ºi efect.
Relaþia de dependenþã este datã de funcþia stochasticã
(stochastic = aleator, întâmplãtor):
y = a + bx + u
În situaþia în care datele se referã la întreaga populaþie se
obþine o funcþie de regresie a populaþiei (FRP):
y = a + bx + u
unde coeficienþii a, b reprezintã valorile adevãrate ale parametrilor.
În practicã rareori se apeleazã la toate cazurile care formeazã
populaþia, întrucât aceastã variantã de lucru implicã eforturi
deosebite.
Este de preferat utilizarea datelor unui eºantion:
În optica transversalã: 35 firme sau 60 familii sau 80 clienþi
bancari;
În optica temporalã: 20 trimestre în care s-au realizat
importuri; 18 ani în care s-a înregistrat evoluþia producþiei; 16
luni în care se cunoaºte rata dobânzii; etc.
Pe baza datelor unui eºantion se pot obþine doar estimãri ale
parametrilor care apar în funcþia stochasticã a eºantionului (FSE):
yˆ i aˆ bˆxi
Obþinerea valorilor estimate pentru constantele funcþiei
stochastice deschide perspective cum ar fi:
• Cuantificarea rolului variabilei factoriale (x) asupra variabilei
efect, exprimatã de nivelul b̂ ;
• Obþinerea de valori ajustate ale nivelurilor variabilei efect
adicã valori yi datorate exclusiv influenþei factorului determinant;
• Calculul abaterilor ui yi yˆ i este util, analiza acestei serii
de valori reziduale conduce la aprecieri privind calitatea
modelului;
• Determinarea unor previziuni privind evoluþia variabilei efect
în condiþiile în care nivelul viitor al factorului este previzibil ºi nu
se întrevãd schimbãri majore în relaþia dintre x ºi y.
23
Astfel de perspective sunt de interes pentru analiza ºi
prognoza în economie.
Ele justificã importanþa atribuitã estimãrii în econometrie, dar
ºi interesului acordat verificãrii modului în care au fost obþinute
estimãrile, calitãþile acestora ºi, în general, aprecierea
performanþelor modelului.
24
Capitolul 3
Influenþe multiple de tip liniar ºi neliniar
în economie; modelul multifactorial
O apropiere a modelului econometric de diversitatea ºi

complexitatea proceselor economice presupune analiza relaþiei
dintre variabila efect ºi un ansamblu de factori determinanþi,
precum ºi includerea unor relaþii de tip neliniar.
3.1 Cazul liniar multifactorial

În practicã sunt puþine fenomene economice care depind în
mod semnificativ de un singur factor.
Situaþia mult mai frecventã este aceea în care nivelul
fenomenului economic este rezultanta mai multor factori
importanþi la care se adaugã ºi rolul unor factori mai puþin
cunoscuþi, presupuºi a fi nesemnificativi.
Este necesarã includerea în mod explicit a factorilor cu
influenþã determinantã, astfel încât sã se reducã perturbaþia.
Exemple
• Producþia industrialã este influenþatã de cantitatea ºi calitatea
fondurilor fixe, ca ºi de numãrul salariaþilor;
• Producþia vegetalã din agriculturã depinde de cantitatea de
îngrãºãminte, umiditatea solului, utilajele folosite, calitatea
lucrãrilor;
• Volumul investiþiilor depinde de cuantumul economiilor, rata
dobânzii, investiþiile începute;
• Cererea de mãrfuri este funcþie de ofertã, venituri, publicitate,
preþuri.
25
• Atât în teoria economicã, cât ºi în practicã se gãsesc astfel de
factori determinanþi, inclusiv direcþia în care fiecare dintre ei
influenþeazã variabila-efect.
• Ceea ce nu se cunoaºte este mãsura în care fiecare factor
influenþeazã variabila-efect. În realizarea unei astfel de mãsurãtori
intervine econometria.
Relaþia este de tip multidimensional, în care apar k factori:
~
yi f x1i , x2i ,..., xki
Funcþia de regresie este de forma:
M yi / x1i , x2i ,..., xki f x1i , x2i ,..., xki
unde M yi / x1i , x2i ,..., xki reprezintã media distribuþiei variabilei-
efect condiþionatã de modificãrile de nivel constatate în ce priveºte
factorii importanþi luaþi în calcul.
În cazul în care relaþia dintre variabila-efect ºi fiecare dintre

cauze este de tip liniar se obþine:
M yi / x1i , x2i ,..., xki a0 a1 x1i a2 x2i ... ak xki
Forma stochasticã a modelului de regresie include ºi variabila
rezidualã u prin intermediul cãreia sunt evidenþiate influenþele
accidentale, minore ca importanþã, întâmplãtoare (aleatoare,
stochastice) ca mod de comportare, dar care pot genera o abatere
oarecare asupra variabilei-efect:
yi a0 a1 x1i a2 x2i ... ak xki ui
De remarcat faptul cã atunci când se face referire la un caz
aparte ºi nu la medie, elementul perturbator u este luat în calcul, iar
introducerea lui conferã modelului atributul de stochastic,
apropiindu-l de modalitatea realã de desfãºurare a proceselor
economice.
Se abordeazã un caz multifactorial în care variabila-efect
depinde de 2 factori, printr-o relaþie de tip liniar.
26
3.2 Etapele demersului:
• Elaborarea modelului;
• Estimarea parametrilor;
• Verificarea semnificaþiei rezultatelor estimãrii;
• Utilizarea modelului în vederea analizei ºi prognozei.
3.2.1 Specificarea
Se presupune cã studiul se referã la analiza cererii de servicii
de cãtre populaþie în raport cu cauzele care determinã o astfel de
cerere.
Din sursele teoretice ºi practice rezultã doi factori: veniturile
disponibile ale populaþiei ºi oferta de servicii existentã pe piaþã.
Datele de care dispunem se referã la valori trimestriale privind:

• Ponderea cheltuielilor destinate serviciilor în bugetul familiei
– reprezintã variabila-efect notatã cu y;
• Venitul mediu ce revine pe membru de familie (în mii lei) –
reprezintã primul factor, notat cu v;
• Investiþiile în domeniul serviciilor destinate populaþiei (în
milioane lei) – reprezintã al doilea factor, notat cu z.
Datele pentru n = 15 trimestre succesive:

y% 10 11 12 14 15 16 16 17 16 18 18 18 19 19 21
v (mii lei) 1.5 1.5 2 2 2 2.2 2.5 2.4 2.4 3 3 3 3.2 3.3 3.5
z (mil. lei) 0.8 1 1.5 2 1.8 1.8 2 2.4 2.1 2.1 2.6 2.4 2.5 2.2 2.8
Se acceptã varianta liniarã.

Specificarea modelului conduce la urmãtoarea reprezentare:
yi aˆ0 aˆ1vi aˆ 2 zi ui
unde aˆ0 , aˆ1 , aˆ 2 reprezintã estimaþii ale parametrilor întrucât se
utilizeazã date pentru un eºantion.
Menþiuni:
27
1. Stabilirea factorilor ºi a funcþiei reprezintã o bazã de pornire, în
sensul cã opþiunile fãcute în faza specificãrii urmeazã sã fie
verificate în etapele urmãtoare (în etapa verificãrii ºi a utilizãrii
modelului).
2. Important în aceastã etapã:
• Asigurarea unui numãr suficient de mare de cazuri n 15 ,
superior numãrului de parametri din model;
• Stabilirea factorilor cu rol realmente determinant ºi
independenþi între ei;
• Eroarea de specificare ar putea consta fie în alegerea unui
numãr prea mic de cazuri, fie alegerea unui numãr prea mare de
factori, fie alegerea greºitã a funcþiei.
3.2.2 Estimarea parametrilor

• Se cautã soluþii pentru necunoscute, adicã obþinerea de
estimatori de calitate aˆ0 , aˆ1 , aˆ.2
• Se utilizeazã metoda celor mai mici pãtrate, adicã suma
pãtratelor abaterilor sã fie minimã:
n n
2 2
u i yi aˆ0 aˆ1vi aˆ 2 zi
i 1 i 1
• Se egaleazã cu 0 derivatele parþiale în raport cu fiecare

necunoscutã.
• Se obþine punctul de minim al expresiei.
ui2
i
0
aˆ0
2 yi aˆ0 aˆ1vi aˆ 2 zi 1 0
i
ui2
i
0
aˆ1
2 yi aˆ0 aˆ1vi aˆ 2 zi vi 0
i 28
ui2
i
0
aˆ 2
2 yi aˆ0 aˆ1vi aˆ 2 zi zi 0
i
Rezultã sistemul de ecuaþii normale:

naˆ0 aˆ1 vi aˆ 2 zi yi
i i i
aˆ0 vi aˆ1 vi2 aˆ 2 vi zi vi yi

i i i i
aˆ0 zi aˆ1 vi zi aˆ 2 zi2 z i yi

i i i i
Sistemul se poate scrie în formã matricealã astfel:
n v z aˆ0 y
v v2 vz aˆ1 yv
z vz z2 aˆ 2 yz
Se noteazã:
• matricea coeficienþilor cu X
• matricea necunoscutelor cu A
• matricea termenilor liberi cu Y
Sistemul se scrie astfel:
XA = Y
Soluþia se obþine: A = X – 1 Y
29
Exemplu
y v z v2 z2 vz yv yz
10 1.5 0.8 2.25 0.64 1.2 15 8
11 1.5 1 2.25 1 1.5 16.5 11
12 2 1.5 4 2.25 3 24 18
14 2 2 4 4 4 28 28
15 2 1.8 4 3.24 3.6 30 27
16 2.2 1.8 4.84 3.24 3.96 35.2 28.8
16 2.5 2 6.25 4 5 40 32
17 2.4 2.4 5.76 5.76 5.76 40.8 40.8
16 2.4 2.1 5.76 4.41 5.04 38.4 33.6
18 3 2.1 9 4.41 6.3 54 37.8
18 3 2.6 9 6.76 7.8 54 46.8
18 3 2.4 9 5.76 7.2 54 43.2
19 3.2 2.5 10.24 6.25 8 60.8 47.5
19 3.3 2.2 10.89 4.84 7.26 62.7 41.8
21 3.5 2.8 12.25 7.84 9.8 73.5 58.8
240 37.5 30 99.49 64.4 79.42 626.9 503.1
Matricele
15 37,5 30
X 37,5 99,49 79,42
30 79,42 64,4
240 4,104588
Y 626,9 A 2,842506
503,1 2,394573
30
3.2.3 Interpretarea estimaþiilor obþinute pentru
parametri
• Interpretarea lui â1:
La o creºtere a venitului cu o unitate (o mie de lei), cererea pentru
servicii (y) creºte, în medie, cu 2,842506%, în condiþiile în care
oferta (z) rãmâne constantã.
• Interpretarea lui â2 :
La o creºtere a ofertei (redatã prin investiþii) cu o unitate (1 milion
lei), cererea pentru servicii creºte, în medie, cu 2,394573%, în
condiþiile în care veniturile rãmân aceleaºi.
Interpretarea se referã ºi la semnul parametrului. Dacã

semnul este plus, relaþia dintre y ºi x este de acelaºi sens (creºte x,
creºte ºi y; scade x, scade ºi y).
Dacã semnul este minus, relaþia este de sens invers (creºte x,
scade y).
Parametrul â0 nu are o interpretare economicã, dar se poate
considera ca fiind nivelul variabilei-efect când factorii
determinanþi sunt nuli.
În general, în modelul multifactorial, interpretarea
parametrului estimat â j indicã cu cât se modificã (creºte sau scade,
în funcþie de semnul parametrului) în medie variabila-efect (y) la o
creºtere cu o unitate a factorului xj în condiþiile în care ceilalþi
factori determinanþi introduºi în model sunt consideraþi constanþi.
3.3 Recomandãri în ceea ce priveºte aplicarea

modelului econometric multifactorial
Alegerea variabilelor independente din model (a variabilelor
factoriale) reprezintã o primã problemã care se cere rezolvatã.
Sursele de informaþii care pot sugera cele mai importante cauze
care determinã variabila dependentã sunt:
• Manualele de economie, fie cã se referã la teoria economicã
în general, fie la macroeconomie sau microeconomie, la sectoare
31
ale economiei sau domenii de activitate, includ informaþii
referitoare la factorii determinanþi;
• Reviste sau publicaþii ºtiinþifice în care pot apãrea cercetãri
similare, dar ºi unele care au doar tangenþã cu tema propusã.
Exemple: Studii ºi cercetãri de calcul economic ºi ciberneticã
economicã, Revista Românã de Statisticã, Piaþa de capital,
Economistul, Revista financiarã, etc;
• Periodice în care sunt publicate trimestrial sau lunar date ºi
analize conjuncturale, precum buletinele Comisiei Naþionale de
Statisticã, sau ale BNR.
3.3.1 Datele numerice

O altã problemã o reprezintã datele numerice ºi accesul la un
numãr suficient de date de calitate.
Sursele cele mai importante de date pot fi:
• buletinele statistice (producþia, comerþul exterior, preþurile);
• anuarele statistice (date privind indicatorii macroeconomici,
situaþia pe judeþe, indicatorii resurselor, comerþul internaþional);
• buletinele Bãncii Naþionale a României (serii de date privind
inflaþia, dobânzile, creditul, exportul, importul);
• buletinele diverselor instituþii, privind calitatea vieþii
(statistica bugetelor de familie)
• evidenþele agenþilor economici (bilanþul);
• anchetele pe teren prin care pot fi obþinute ºi date cu privire
la factorii latenþi, de naturã psihologicã, etc.
În etapa culegerii datelor, pot sã aparã urmãtoarele aspecte:

a) posibilitatea de a utiliza serii cronologice de date (valori anuale,
trimestriale, lunare) sau de a utiliza serii transversale (un eºantion
de localitãþi, familii, întreprinderi). Pentru a opta între cele douã
alternative se are în vedere existenþa de date în aceeaºi alternativã
pentru toate variabilele. Se opteazã pentru serii cronologice dacã
scopul este obþinerea de prognoze în timp, respectiv optica
transversalã pentru analizarea rolului fiecãrui factor.
32
b) datele la care avem acees nu se referã exact la variabilele
preconizate spre a forma modelul, dar existã posibilitatea de a le
înlocui cu variabile foarte apropiate ca ºi conþinut. Exemplu:
venitul permanent disponibil se poate înlocui cu venitul brut,
cererea cu vânzãrile, oferta cu producþia.
c) datele sunt mult prea puþine , nu se pot forma serii de cel puþin
15-20 termeni. Se recomandã înlocuirea datelor anuale cu cele
trimestriale sau lunare sau suplimentarea numãrului de cazuri din
eºantion pentru seriile transversale.
d) datele sunt susceptibile de erori, ceea ce implicã verificarea lor
atât din perspectiva cantitativã (absenþa de valori în unele cazuri,
absenþa unitãþii de mãsurã, greºeli de calcul), cât ºi calitativã
(valori aberante total atipice, indicatori obþinuþi în condiþii diferite
în ce priveºte metoda sau aria de cuprindere) Se recomandã
efectuarea de corecþii (completãri, corectarea calculelor, eliminarea
valorilor aberante).
O atenþie deosebitã trebuie acordatã valorilor exprimate în
preþuri curente. În frecvente cazuri este necesarã deflaþionarea
datelor (împãrþirea valorilor exprimate în preþuri curente la indicele
de preþuri, în vederea exprimãrii valorilor în preþurile anului de
bazã la care se referã indicele).
3.4 Modele neliniare

Pentru descrierea unui numãr mare de procese economice
sunt necesare modele neliniare.
3.4.1 Modele neliniare în raport cu variabilele dar

liniare în raport cu parametrii
Parametrii sunt la puterea 1. Aceste modele pot fi convertite
în modele liniare prin transformãri corespunzãtoare.
Exemple:
Producþia vegetalã = a + bX + cX2 + u,
33
unde X este umiditatea solului.
Pentru X2 = Z, modelul devine:
Producþia vegetalã = a + bX + cZ + u
Preþul produsului = a + b(1/Q) + u,

unde Q = cantitatea existentã pe piaþã.
Pentru 1/Q = Z, modelul devine:
Preþul produsului = a + bZ + u
Producþia industrialã Q = AMaKbeu,

unde Q = producþia, M = munca,
K = capitalul, e = 2,71... .
Se logaritmeazã ºi se noteazã: lnQ = y,
lnM = x, lnK = z, lne =1, lnA = c.
Modelul devine: y = c + ax + bz + u
Pentru fiecare exemplu de model neliniar s-a ajuns la o formã

liniarã de reprezentare, abordabilã în ceea ce priveºte estimarea
parametrilor prin metoda celor mai mici pãtrate.
3.4.2 Modele neliniare, neabordabile prin MCMMP

Variantele neliniare neabordabile prin metoda celor mai mici
pãtrate sunt fie modele neliniare în raport cu parametrii (cel puþin
un parametru e la o putere diferitã de 1), fie în raport cu parametrii,
dar ºi cu variabilele, fie reprezentãri în care variabila rezidualã este
inclusã în model într-o formã care împiedicã liniarizarea.
Exemple
Funcþia de cost de forma:
y a bX u
unde b este la puterea 1/2, model neliniar în parametrul b.
Funcþiile de consum de forma:
y aX a2Z u
34
model neliniar în parametrul a.
sau: c
y a bx u
sau:
1
y u
1 e ax b
Funcþia de producþie:
y ax b z c u
unde variabila rezidualã u este inclusã în variantã aditivã, ceea ce
face dificilã liniarizarea.
În astfel de situaþii nu se recomandã utilizarea MCMMP, din

urmãtoarele motive:
• pentru reprezentãrile în care cel puþin un parametru apare la o
putere diferitã de 1, nu este sigur cã estimaþiile sunt compatibile cu
un minim global în ce priveºte suma pãtratelor reziduurilor;
• pentru reprezentãrile în care modalitatea de includere a
variabilei reziduale nu permite liniarizarea, nu pot fi argumentate
prezumþiile conform cãrora variabila rezidualã este normal
distribuitã, având media egalã cu zero ºi dispersia finitã ºi relativ
constantã pe segmente de valori.
Pentru obþinerea de estimaþii privind parametrii se apeleazã la
algoritmi care aplicã metode numerice în vederea obþinerii de
soluþii în cazurile de neliniaritate.
Etapele algoritmului
1. Iniþializarea parametrilor;
2. Determinarea sumei pãtratelor valorilor reziduale obþinute;
3. Modificarea valorilor ultimelor estimaþii, astfel încât suma sã
se diminueze;
4. Se comparã ultima sumã cu cea anterior obþinutã ºi se reia
procesul de la pasul 3 pânã când mãrimea sumei converge spre o
valoare stabilã.
35
3.5 Variabile calitative în economie
În economie, alãturi de procese cantitative, care pot fi

mãsurate, existã ºi variabile a cãror intensitate este exprimatã prin
atribute: serviciu satisfãcãtor / nesatisfãcãtor; apreciere excelentã,
foarte bunã, bunã, mulþumitoare, negativã; risc maxim, moderat,
minim.
Variabilele care se referã la însuºiri, calitãþi, categorii, a cãror
intensitate este exprimatã prin atribute, grade de comparaþie,
aprecieri sunt variabile calitative.
Rolul factorilor de naturã calitativã este important pentru
analiza ºi prognoza proceselor economice.
Exemple
• Producþia depinde de dotarea cu utilaje ºi de numãrul de
angajaþi, dar ºi de managementul procesului de producþie;
• Economiile populaþiei sub formã de depozite la o anumitã
bancã depind de rata dobânzii, dar ºi de încrederea deponenþilor în
banca respectivã;
• Vânzãrile de bunuri durabile depind de preþ, dar ºi de calitate
sau de temerile cumpãrãtorilor cu privire la accentuarea inflaþiei;
• Exportul unui produs pe o piaþã depinde de preþul ofertei,
cursul de schimb, dar ºi de renumele mãrcii ºi încrederea existentã
pe acea piaþã privind calitatea produsului;
• Situaþia de a fi acceptat sau nu în urma unui interviu depinde
de prestaþie, vârstã, putere de convingere;
• Starea de spirit a populaþiei depinde de frecvenþa conflictelor
sociale, venituri, gradul de stabilitate ºi competenþa guvernanþilor,
etc.
În termenii econometriei, introducerea factorilor de naturã
calitativã, în situaþiile în care rolul lor este presupus semnificativ,
conduce la creºterea gradului de determinare ºi la un plus de
calitate a estimaþiilor obþinte pentru parametri.
36
Problema cuantificãrii (exprimãrii prin numere) variabilelor
calitative reprezintã o etapã de a cãrei rezolvare depinde calitatea
analizei economice bazatã pe modelul econometric.
3.5.1 Variabilele dichotomice

O variabilã dichotomicã (“dummy”, simbolizatã prin D)
admite doar douã alternative: da/nu; promovat/nepromovat;
masculin/feminin; înainte de momentul t / dupã momentul t.
Exprimarea cantitativã se face astfel: se atribuie nivelul 1
unei alternative ºi nivelul 0 celeilalte.
Exemplu
Cheltuielile familiilor destinate turismului sunt analizate în
raport cu situaþia de a avea automobil (D = 1) sau de a nu avea
automobil (D = 0).
C = a + b D(1,0)
Cheltuieli
(sute lei) 20 40 50 10 10 50
D 0 1 1 0 0 1
Factorii introduºi în model sunt exclusiv de naturã
dichotomicã
În exemplul anterior:
y 20 40 50 10 10 50
x 0 1 1 0 0 1
Se obþine
aˆ 13,3333
bˆ 33,3333
Media cheltuielilor (y) pentru servicii în turism a celor care
nu deþin autoturism (x=0) este de (20+10+10):3=13,3333,
iar media pentru x = 1 este (40+50+50):3=46,6666
aˆ y x 0 13,3333
aˆ bˆ y x 1 46,6666 37
Factorii introduºi în model reprezintã o variabilã cantitativã
ºi o variabilã calitativã
Exemplu:
• Consumul de cafea C
• Vârsta consumatorului v
• Sexul D(1,0), unde D = 1 (F) ºi D = 0 (M)
C a0 a1v a2 D 1,0 u
Datele
C 2 0 4 2 8 8 12 3 6 4 1 6 6 1 2
v 20 18 30 21 40 50 60 42 35 51 19 62 44 25 40
D 1 0 1 0 1 1 1 0 1 0 1 1 0 0 1
Dacã într-o primã variantã se face abstracþie de variabila D,

adicã se considerã relaþia de forma:
C a0 a1v u
Se obþine:
aˆ0 2,12503
aˆ1 0,173924
În varianta a doua, considerând ecuaþia de forma:

C a0 a1v a2 D 1,0 u
Se obþin valorile:
aˆ0 2,726331823
aˆ1 0,16098503
aˆ 2 1,802923988
Gradul de determinare prin prisma influenþei celor doi factori
a crescut. De asemenea, estimaþiile sunt mai apropiate de calitãþile
estimatorilor, comparativ cu prima variantã.
38
Posibilitãþi de mãsurare a variabilei dichotomice
a) Introducerea în calcule a unei alternative (dintre cele douã) sub
formã de fecvenþã sau pondere
b) Modelul Logit
a) Pentru a exprima intensitatea prezenþei unei variabile alternative

se poate recurge la însumarea apariþiilor uneia dintre alternative
(de exemplu, numãrul persoanelor feminine) sau la ponderea
frecvenþei înregistrate pentru o alternativã (ponderea rebuturilor,
ponderea posesorilor de automobile).
b) Modelul Logit este destinat exprimãrii într-o formã operaþionalã

(rezultate numerice obþinute din calcule bazate pe un model
matematic) a acelor situaþii în care creºterea unui factor numeric
are drept efect schimbarea unei atitudini de tip dichotomic.
Exemple
Pe mãsurã ce, în mod experimental, se procedeazã la
creºterea preþului unui produs, o parte tot mai mare dintre amatori
îºi schimbã intenþia de a cumpãraîn contrara acesteia (a nu
cumpãra).
O creºtere treptatã a impozitelor într-un interval dat poate
avea drept efect renunþarea unor plãtitori de impozite de a mai plãti
prin lichidarea activitãþii impozabile fie în mod real, fie în mod
declarativ.
Relaþia de dependenþã este de tipul y=f(x), unde y poate
prezenta douã alternative (nu sau da), iar pe mãsurã ce x înainteazã
pe scara valorilor xi ne apropiem de un punct de cotiturã de la care
alternativa iniþialã se modificã radical.
Modelul de descriere a unui astfel de proces se bazeazã pe
funcþia logisticã.
Ponderea rãspunsurilor ca urmare a modificãrii valorilor xi
poate fi reprezentatã de egalitatea:
1
Pi M y 1 / xi a bxi
1 e
39
Se noteazã:
a+bxi = zi
L = Pi / (1 – Pi)
atunci L = e z, iar lnL = z = a + bxi
În aplicaþii, Pi = ni / Ni, unde
ni = nr. de rãspunsuri da în eºantion
Ni = mãrimea eºantionului.
Exemplu
Pentru 4 eºantioane de clienþi bancari care intenþionau sã
solicite un credit au fost propuse contracte de creditare cu dobândã
diferitã de la un eºantion la altul. Situaþia acceptãrii împrumutului
în raport cu rata dobânzii se prezintã astfel:
Nr. persoane în Rata dobânzii Nr. celor care
eºantion au acceptat
20 2-6 19
30 6-10 24
20 10-14 14
25 14-18 5
Se organizeazã datele ºi se fac calculele:
xi Ni ni Pi 1- Pi L lnL
4 20 19 0.95 0.05 19 2.944439
8 30 24 0.8 0.2 4 1.386294
12 20 14 0.7 0.3 2.3333 0.847298
16 25 5 0.2 0.8 0.25 -1.38629
40
Se obþin valorile: a 4,330733
b 0,33828
Funcþia logisticã are forma:
1
y 4 , 330733 0 , 33828 x
1 e
O altã posibilitate utilizatã în vederea exprimãrii numerice a
unei variabile calitative presupune înlocuirea acesteia printr-un
reprezentant numeric, numitã variabilã reprezentant (proxy-
variable), intens corelatã cu variabila calitativã sau fiind un rezultat
(un subprodus, o implicaþie) a acesteia, dar care are avantajul
exprimãrii numerice.
Exemple
Variabila calitativã îndemânare (în profesie) este reprezentatã de
vechime în acea activitate;
Variabila motivare la locul de muncã este reprezentatã de evoluþia
câºtigurilor;
Variabila instruire este reprezentatã de numãrul anilor de studii
ºcolare.
Introducerea variabilei reprezentant comparativ cu

neintroducerea ei )ºi implicit absenþa totalã a variabilei calitative
din model deºi rolul ei este important) conduce la creºterea
gradului de determinare.
O altã modalitate de mãsurare a variabilelor caliative este

prin atribuirea de numere formând un ºir corespunzãtor creºterii
intensitãþii calitãþii unui proces exprimat prin atribute sau categorii
de calitate.
41
Exemple
ª irul ordonat 1, 2, 3, ... corespunde categoriei de încadrare
care poate fi hotel de 1 stea, 2 stele, etc.;
Atribuirea de note alternativelor existente într-o scalogramã:
1,2,3,4,5, reprezentând acord cu o afirmaþie: de loc, slab, mediu,
puternic, foarte puternic.
42
Capitolul 4
Verificarea semnificaþiei statistice a
rezultatelor estimãrii. Testul t, testul F
4.1 Necesitatea etapei verificãrii

• Datele utilizate provin dintr-un eºantion care nu întotdeauna
este reprezentativ;
• Rolul cauzelor accidentale ca ºi cel al întâmplãtoarelor
analogii în ceea ce priveºte evoluþiile factorilor incluºi în model
poate conduce la estimaþii ale parametrilor care fie contrazic
aspecte evidente ºi anticipate din economie, fie exprimã deformat
rolul factorilor;
• Lipsa de experienþã ºi subiectivismul celui care elaboreazã
modelul econometric, slãbiciuni care se manifestã fie la alegerea
factorilor (deseori influenþatã de dificultãþile în obþinerea de date),
fie la alegerea funcþiei (predilecþia pentru funcþia liniarã nu este
întotdeauna suficient argumentatã).
Se recomandã:
• Verificãri prin confruntarea cu realitatea economicã
cunoscutã din teorie sau din practicã;
• Verificarea în sens statistic a semnificaþiei rezultatelor
estimãrii;
• Verificarea modalitãþii în care o serie de ipoteze (prezumþii,
aºteptãri) se regãsesc în semnalele pe care le transmit rezultatele
aplicãrii modelului.
Verificãri ale rezultatelor modelãrii prin compararea

acestora cu realitatea economicã
Semnul parametrului poate confirma sau infirma cele
cunoscute din teoria ºi practica economicã.
43
Exemple:
• În relaþia preþ-vânzãri, semnul parametrului corespunzãtor
preþului ar trebui sã fie minus.
• Într-o funcþie de producþie, semnul ataºat factorilor care
determinã producþia ar trebui sã fie plus.
Generarea de valori ŷ pe baza modelului estimat ºi

compararea lor cu datele empirice (rezultate din observarea pe
teren a variabilei y).
Generarea de valori implicã înlocuirea în model a
simbolurilor â j cu estimaþiile obþinute pentru parametri ºi
atribuirea de valori factorilor.
Este de aºteptat ca valorile ajustate ŷ sã fie asemãnãtoare cu
cele empirice (y), abaterile sã fie relativ mici, având o evoluþie (în
succesiunea obþinerii) întâmplãtoare, atât ca semn cât ºi ca mãrime.
Dacã, dimpotrivã, abaterile sunt relativ mari sau prezintã o
succesiune sistematicã (fie în creºtere, fie într-o alternanþã a
semnului neîntâmplãtoare, fie predominã acelaºi semn), atunci
trebuie revãzute fie calculele, fie datele, fie specificarea.
În exemplul unifactorial, dependenþa vânzãrilor de numãrul

populaþiei, se obþin urmãtoarele rezultate:
x 2 3 3 5 6 6 6 7
y 10 12 14 28 30 32 28 35
y ajustat 10.50019 15.44269 15.44269 25.32767 30.27016 30.27016 30.27016 35.21266
u=y -yajustat -0.50019 -3.44269 -1.44269 2.672329 -0.27016 1.729836 -2.27016 -0.21266
7 8 8 9 10 10 11 12 13
35 40 45 45 52 55 54 58 60
35.2126575 40.15515 40.15515 45.09764 50.04014 50.04014 54.98263 59.92512 64.86762
-0.2126575 -0.15515 4.84485 -0.09764 1.959864 4.959864 -0.98263 -1.92512 -4.86762
44
Exemplul multifactorial:
v 1.5 1.5 2 2 2 2.2 2.5
z 0.8 1 1.5 2 1.8 1.8 2
y 10 11 12 14 15 16 16
y ajustat 10.28401 10.76292 13.38146 14.57875 14.09983 14.66833 16
u -0.28401 0.23708 -1.38146 -0.57875 0.900169 1.331667 0
2.4 2.4 3 3 3 3.2 3.3 3.5
2.4 2.1 2.1 2.6 2.4 2.5 2.2 2.8
17 16 18 18 18 19 19 21
16.67358 15.95521 17.66071 18.858 18.37908 19.18704 18.75292 20.75816
0.326422 0.044794 0.339291 -0.858 -0.37908 -0.18704 0.247082 0.241837
4.2 Verificarea semnificaþiei statistice a fiecãrui

parametru estimat; testul t
Obiectivul verificãrii constã în aprecierea în sens statistic a
mãrimii estimaþiei obþinute astfel încât sã se poatã afirma, în mod
obiectiv, cã respectiva estimaþie relevã ceva semnificativ, care nu
se datoreazã întâmplãrii (erorii de sondaj) ºi, ca urmare, factorul al
cãrui rol este cuantificat este realmente determinant pentru
procesul analizat.
4.2.1 Principalele noþiuni specifice

Semnificaþie = importanþã, relevanþã, deosebire marcantã a
rezultatului estimãrii (cu privire la rolul unui factor) în raport cu
ceea ce ar rezulta ca urmare a întâmplãrii. similar poate fi apreciatã
abaterea dintre douã mãrimi de aceeaºi naturã (douã medii de
selecþie, un nivel estimat ºi un nivel adevãrat, etc.) în sensul
45
aprecierii dacã abaterea este semnificativã, datoritã unei cauze
relevante, sau este nesemnificativã, datoritã întâmplãrii.
Test statistic = procedeu ale cãrui etape conduc la o

concluzie cu privire la o ipotezã preformulatã (ipoteza nulã, care
neagã semnificaþia) care poate fi confirmatã sau respinsã în baza
2
unei repartiþii (normale, t, F, etc.) ºi a unei probabilitãþi de a
greºi ( ) în ceea ce priveºte concluzia.
Nivel (prag) de semnificaþie = probabilitate, de regulã,

prestabilitã cu privire la riscul de a greºi în concluzia finalã. Astfel,
acceptãm cã în 5% din cazuri (dacã = 0,05) concluzia prin care
se afirmã cã ipoteza nulã este falsã, poate fi greºitã (ceea ce
înseamnã cã ipoteza nulã este corectã). Întrucât apelãm la datele
unui eºantion este necesar sã stabilim o limitã superioarã (prag
de semnificaþie) pânã la care acceptãm inerenta incertitudine,
rãmânând un nivel de încredere rezonabil de mare ( 1 - ).
Interval de încredere = distanþã dintre 2 valori (notate z1 ºi

z2, funcþii ale valorilor observate, care pot sã difere de la un
eºantion la altul) în cadrul cãreia se plaseazã cu o probabilitate
rezonabil de mare parametrul care formeazã obiectul estimãrii.
Dacã un astfel de interval îl denumim bilateral, întrucât se extinde
de o parte ºi de alta a unui nivel-pilot, intervalul nilateral se referã
la distanþa dintre nivelul-pilot ºi una dintre limitele extreme (z1 sau
z2).
Repartiþie statisticã = mulþimea perechilor ordonate de

valori xi ºi pi, reprezentând, fiecare pereche,nivelul variabilei
aleatoare (xi ) ºi probabilitatea (pi), pozitivã sau nulã de realizare a
respectivului nivel, pi = 1.
46
Grade de libertate = coordonate independente în sensul de
valori liber alese pe care le poate înregistra o variabilã dacã este
restricþionatã de condiþii ce pot fi prestabilite.
De exemplu, dependenþa unei variabile y de evoluþia a k
factori (independenþi între ei) conduce la pierderea unui numãr de
posibilitãþi de a evolua liber (egal cu numãrul factorilor), astfel cã
rãmân (n – k) grade de libertate (unde n = numãrul de cazuri din
eºantionul de date).
Ipoteza statisticã = presupunere cu privire la repartiþia

urmatã de o variabilã sau cu privire la parametri ºi semnificaþia
acestora.
Astfel de presupuneri urmeazã sã fie verificate aºa încât sã
rezulte fie acceptarea ipotezei nule (H0), de tip negativist, fie
acceptarea ipotezei alternative (H1) a confirmãrii supoziþiei iniþiale.
Nivel calculat / nivel tabelat = dacã nivelul calculat rezultã

în urma aplicãrii, de cãtre cel interesat, a unei formule care, de
regulã, genereazã valori comparabile cu cele specifice unei
anumite repartiþii, nivelul tabelat rezultã în urma preluãrii dintr-un
tabel, corespunzãtor repartiþiei, nivel poziþionat la intersecþia
pragului de semnificaþie acceptat ºi gradele de libertate.
4.2.2 Testul t
Întregul demers presupus de testul t se bazeazã pe prezumþia

conform cãreia abaterile estimaþiei â de la media sa M aˆ care s-
ar obþine în cazul repetãrii estimãrii pentru mai multe eºantioane de
volum identic, urmeazã o repartiþie normalã.
Abaterea de la medie împãrþitã la abaterea medie pãtraticã

aˆ M aˆ
47
urmeazã, pentru eºantioane de volum mic (n < 30), repartiþia
Student.
Se cautã o asemenea transformare a estimaþiei obþinute încât
sã devinã comparabilã cu nivelul t – tabelat pentru (n–k) grade de
libertate ºi un risc (alfa) apriori ales.
De regulã nu dispunem de mai multe eºantioane ci avem date
pentru un singur eºantion. În acest caz considerãm abaterea
estimaþiei în raport cu zero:
â 0
Relaþia de calcul, folosind notaþiile: â j pentru estimaþia

supusã verificãrii ºi â j pentru abaterea medie pãtraticã a
estimaþiei, este urmãtoarea:
aˆ j
t calculat
aˆ j
Rezultatul se comparã cu nivelul tabelat pentru un risc
acceptat, de exemplu, = 0.05 ºi un numãr de grade de libertate
egal cu numãrul de cazuri (n), minus numãrul de parametri din
model (k).
4.2.3 Etapele verificãrii
1. Stabilirea ipotezei nule (H0): estimaþia rezultatã nu diferã

semnificativ de zero.
2. Eºantionul fiind mic, n < 30, se are în vedere repartiþia Student.
3. Se determinã t – calculat, conform relaþiei.
4. Se preia din tabel t – tabelat
5. Se comparã:
• dacã t–calculat < t–tabelat se confirmã (H0)
• dacã t–calculat > t–tabelat se infirmã (H0).
Verificarea modelului unifactorial
48
În cazul modelului unifactorial y a bx u
abaterea medie pãtraticã rezultã astfel:
2
u
bˆ 2
0,228485
x x
2
2 1 x
aˆ u 2
1,8579
n x x
t- calculat pentru parametrul b̂ este 4,9425 / 0,228485 = 21,63.

t- tabelat, pentru 15 – 2 = 13 grade de libertate ºi = 0,05
este 2,16.
Se infirmã ipoteza nulã ºi se acceptã alternativa conform cãreia b̂
diferã semnificativ de zero, fiind un factor determinant.
Verificarea modelului multifactorial

2
Dispersia u se înlocuieºte cu estimatorul ei s2(u), care se obþine
astfel:
2
u2
s u
n k
Pentru a calcula dispersiile parametrilor care apar în modelul
multifactorial se înmulþesc elementele de pe diagonala matricei
inverse X -1 cu s2(u), considerând factorii în succesiunea apariþiei
lor în model. Abaterea medie pãtraticã este datã de estimaþia ei:
s aˆ j 1 s 2 u d jj
Modelul multifactorial este:
yˆ 4,1046 2,8425v 2,39457 z
u2 6,221939
s2 u 6,221939 : (15 3) 0,518495
su 0,518495 0,72
49
Elementele de pe diagonala matricei X-1 sunt, în ordine:
d11 = 1,16 d22 = 0,7693 d33 = 1,0036
de unde rezultã:
s (aˆ1 ) 0,72 0,7693 0,6315
s aˆ 2 0,72 1,00356 0,72128
tcalc aˆ1 2,8425 / 0,6315 4,5
tcalc aˆ 2 2,39457 / 0,72128 3,3198
Se preia din tabelul repartiþiei Student valoarea lui t.
Numãrul gradelor de libertate este:
n g l = n – k = 15 – 3 = 12
Riscul acceptat = 0,05
t 0,05; 12 = 2,179
Se comparã t-calculat cu t-tabelat.
În cazul ambelor estimaþii
t-calculat > t-tabelat.
Se infirmã ipoteza nulã, a nesemnificaþiei ºi se acceptã
alternativa conform cãreia cei doi factori sunt determinanþi în
studiul efectuat.
Observaþii
• Semnul fiecãrui parametru nu influenþeazã rezultatul
comparaþiei dintre t-calculat ºi t-tabelat, întrucât în calculul
raportului, estimaþia este în valoare absolutã, deci raportul este
pozitiv;
• În cazul eºantioanelor mari, n > 30, se poate apela la
repartiþia normalã redusã, pentru care apare variabila z care va fi
consideratã nivelul t-tabelat (numãrul gradelor de libertate nu mai
reprezintã o coordonatã);
• Riscul notat cu poate fi egal cu 0,05. dacã se doreºte o
precizie mai mare, se poate alege o valoare mai micã pentru ,
50
0,01 sau 0,001, sau, dacã se acceptã un risc mai mare, se poate opta
pentru =0,1.
4.3 Verificarea semnificaþiei rolului ansamblului

factorilor asupra variabilei efect
4.3.1 Testul F
Testul F urmãreºte verificarea semnificaþiei simultane a

tuturor estimaþiilor obþinute pentru parametri.
Rezultatul verificãrii se referã la aprecierea pe ansamblu a
modelului, considerat ca o reprezentare care descrie un mecanism
relaþional complet diferit de ceea ce ar putea fi atribuit întâmplãrii.
Modelul de regresie descrie rolul factorilor determinanþi prin
parametrii de regresie, iar efectul conjugat al factorilor
determinanþi rezultã înlocuind parametrii cu estimãrile obþinute ºi
atribuind valori factorilor.
Se obþin astfel valori ajustate:
yˆ aˆ0 aˆ1 x1 ... aˆ k xk
Valorile ajustate ŷ se abat de la medie y în mãsura în care
factorii se abat la rândul lor de la medie, acþionând mai intens sau
mai puþin intens.
Abaterile ŷ y se datoreazã factorilor determinanþi incluºi
în model.
Suma pãtratelor acestor abateri se noteazã cu SSR:
2
SSR yˆ y
Un alt gen de abateri care pot interveni s-ar datora
perturbaþiei, acþiunii factorilor reziduali, exprimaþi prin u.
Suma pãtratelor acestor abateri datorate întâmplãrii se
noteazã cu SSU ºi reprezintã suma pãtratelor diferenþelor dintre
ŷ
51
valorile ajustate, generate de model ºi valorile empirice,
reprezentate de datele numerice (y):
2 2
EsteSSU
de aºteptatuca rolul factorilor
y ŷ sistematici (x1, x2,..., xk) sã
fie net superior rolului factorilor perturbatori (u), aspect care poate
fi verificat prin raportarea celor douã sume.
Se apeleazã la repartiþia raportului dispersiilor (repartiþia
Snedecor), ceea ce implicã transformarea sumelor în dispersii ºi
acceptarea unei probabilitãþi legate de riscul de a greºi în ceea ce
priveºte concluzia.
Raportul dispersiilor se noteazã Fcalc, iar k reprezintã numãrul

de parametri:
2
yˆ i y /k 1
SSR / k 1 i
Fcalc 2
SSU / n k yi yˆ i /n k
i
4.3.2 Etapele aplicãrii testului F
Se stabileºte ipoteza nulã, a nesemnificaþiei: disersia de la

numãrãtor nu se abate semnificativ de la dispersia de la numitor;
Se determinã F-calculat:
SSR = 131,778
SSR/k-1 = 131,78/2 = 65,88902
SSU = 6,221939
SSU/n-k = 6,221939/12 = 0,518495
F – calculat = 65,88902/0,518495 = 127,0775
Se cautã în tabel: pentru = 0,01,
k – 1 = 2 grade de libertate (coloanã),
n – k = 12 grade de libertate (linie),
se gãseºte valoarea F – tabelat = 6,93
Se comparã Fcalc cu Ftab:
52
Dacã Fcalc > Ftab, se infirmã ipoteza nulã, ceea ce confirmã
modelul ca fiind valid;
Dacã Fcalc < Ftab, ipoteza nulã este confirmatã.
În cazul nostru, Fcalc = 127,0775, mai mare decât Ftab = 6,93.
Se poate afirma, cu un risc de a greºi de 1% cã estimaþiile
sunt , în general, semnificativ diferite de zero, iar modelul în
ansamblu este validat.
4.3.3 Coeficientul de determinaþie
Coeficientul de determinaþie exprimã ponderea rolului

factorilor determinanþi din model în raport cu variaþia totalã a
variabilei efect.
Se noteazã suma tuturor abaterilor SST, unde SST = SSR +
SSU, iar
SSR SST SSU SSU
R2 1
SST SST SST
În exemplu, SST = 131,778 + 6,222 = 138
R2 = 131,778 / 138 = 0,9549,
adicã 95,49% din variaþia efectului este determinatã de cei doi
factori.
Pentru comparaþii se recomandã varianta ajustatã a
coeficientului de determinaþie:
Rˆ 2 1 SSU / n k : SST / n 1
În exemplu:
Rˆ 2 0,9473
53
Capitolul 5
Verificarea confirmãrii ipotezelor privind
datele, factorii ºi modelul
5.1 Ipoteze privind modelul ºi metoda de estimare

1. Datele sunt obþinute corect (fãrã erori sistematice de mãsurare)
ºi în numãr suficient de mare (depãºind numãrul parametrilor),
astfel încât soluþiile sã prezinte stabilitate;
2. Variabila factorialã (x) este nestochasticã ºi prezintã aceleaºi
valori în eventualitatea repetãrii sondajului;
3. Factorul (x) prezintã variabilitate în ceea ce priveºte nivelurile
înregistrate în cadrul unui eºantion de date (dispersia sa fiind un
numãr pozitiv finit), astfel încât rolul factorului sã poatã fi pus în
evidenþã;
4. Modelul de regresie este linar în raport cu parametrii;
5. Modelul de regresie este corect specificat în sensul alegerii
funcþiei potrivite (liniare sau neliniare) ºi includerii factorilor
determinanþi astfel încât gradul de determinare (R2) sã fie suficient
de mare;
6. Variabila rezidualã este de medie zero ºi urmeazã o repartiþie
normalã, M(u) = 0, u N 0, 2 ;
7. Variabila rezidualã prezintã o dispersie (împrãºtiere) egalã
pentru diferitele valori xi, adicã este homoscedasticã;
8. Variabila rezidualã nu este corelatã cu variabila factorialã (x),
astfel încât covarianþa dintre ui ºi xi este zero;
9. Variabila rezidualã nu este autocorelatã, Cov(ui, uj / xi, xj) = 0;
10. Factorii incluºi în model (varianta multifactorialã) sunt
independenþi unii în raport cu ceilalþi, nefiind corelaþi între ei.
54
Verificãrile cu privire la confirmarea ipotezelor pot oferi
explicaþii cu privire la motivele pentru care verificarea
semnificaþiei (testul t, testul F) nu a condus la rezultatele aºteptate.
Dacã aprecierea modelului este pozitivã, confirmã din
perspectiva semnificaþiei ºi ipotezelor, se poate trece la etapa
utilizãrii lui pentru analize, prognoze, simulãri.
Obstacolele de care se loveºte cercetarea econometricã pot fi

redate astfel:
• Multicoliniaritatea;
• Autocorelarea (valorilor reziduale);
• Lipsa datelor;
• Timpul ºi banii cheltuiþi;
• Heteroscedasticitatea;
• Unicitatea ecuaþiei ºi neidentificarea;
• Specificarea incompletã sau incorectã.
5.2 Date suficiente, neafectate de erori sistematice

5.2.1 Consideraþii asupra necesitãþii abordãrii
problemei datelor
Modalitatea de obþinere a datelor nu îndeplineºte condiþiile

unei observãri riguroase (din perspectiva modelãrii econometrice)
similare celorde laborator. Înregistrãrile numerice la care avem
acces au fost realizate în diverse scopuri (evidenþe financiar-
contabile, raportãri statistice, anchete sociale) ºi în diverse
conjuncturi (metodologii modificate în decursul timpului, întârzieri
în consemnarea realizãrilor, durate inegale de activitate economicã,
situaþii excepþionale);
Imposibilitatea obþinerii de date privind unele dintre
variabilele modelului econometric sau absenþa unor înregistrãri
pentru o parte dintre cazuri sau perioade;
55
Importanþa datelor, atât din perspectiva numãrului de cazuri,
cât ºi în ce priveºte calitatea mãsurãtorilor, pentru acurateþea
soluþiilor. Este posibil ca existenþa unor date eronate, fie ºi pentru
un singur caz, sã modifice estimãrile, sã schimbe rezultatele
testelor de semnificaþie ºi, în final, sã punã sub semnul întrebãrii
utilitatea modelului.
5.2.2 Verificarea ºi aprecierea datelor numerice
Existenþa de date care se referã indubitabil la variabila-efect,

respectiv la fiecare dintre factorii incluºi în model. În cazul în care
datele nu corespund acestui deziderat (nu existã sau nu pot fi
procurate date suficiente pentru una dintre variabile), se recurge la
variabila cea mai apropiatã ca sens ºi mod de a evolua (variabila
reprezentant), în vederea evitãrii apariþiei unei zone neexplicate.
Controlul cantitãþii, în sensul aprecierii dacã numãrul da
cazuri pentru care avem date este suficient de mare, iar pentru
fiecarecaz datele sunt complete (existã înregistrarea privind yi,
respectiv xi).
Dacã numãrul de cazuri este mult mai mic decât n = 15 (nivel
apreciat ca satisfãcãtor, la limitã) urmeazã sã mai adãugãm cazuri
sau sã înlocuim datele anuale cu date trimestriale sau lunare.
Dacã pentru unele cazuri (perioade din seria cronologicã,
unitãþi din eºantion) datele nu sunt complete sau prezintã
suspiciuni, procedãm la corecþii, dacã acestea pot fi fãcute, sau la
excluderea cazurilor respective, dacã aceasta nu conduce la un
volum prea mic (n < 15) de cazuri.
Verificarea omogenitãþii sub aspectul unitãþii de mãsurã,
definirii indicatorului ºi exprimãrii în preþuri constante (pentru
exprimãri valorice). O astfel de verificare se referã la fiecare
variabilã în parte, aºa încât pe întreg intervalul sau pentru întreg
eºantionul variabila sã fie exprimatã unitar, sã rezulte în urma
aceluiaºi mod de calcul.
56
Neglijarea verificãrii ipotezei privind corectitudinea datelor
poate conduce la urmãtoarele:
• Dacã eºantionul este prea mic, estimãrilepentru parametri
sunt instabile (un alt eºantion ar putea oferi estimaþii complet
diferite), iar factorii pot prezenta analogii (evoluþii paralele foarte
asemãnãtoare), ceea ce poate afecta de asemenea calitatea
estimaþiilor;
• Renunþarea la unele variabile din lipsã de date va sãrãci
analiza ºi ar putea mãri gradul de nedeterminare sau distorsiona
estimaþiile;
• Dacã, fie ºi pentru o variabilã, datele sunt exprimate într-o
formã neomogenã sau prezintã erori sistematice, aceasta afecteazã
grav soluþiile modelului.
5.3 Independenþa variabilelor factoriale din

ecuaþia de regresie
Dacã între variabilele factoriale ale modelului existã

asemãnãri frecvente în ceea ce priveºte evoluþia în timp sau în ceea
ce priveºte modificãrilede la o unitate de observare la alta (familie,
judeþ, firmã), se cosiderã cã ipoteza cu privire la independenþa
variabilelor cauzale incluse în modelul de regresie este infirmatã.
Termenul de multicoliniaritate acoperã atât cazul existenþei

în model a unui numãr de 2 factori coliniari (perfect sau parþial
coliniari) cât ºi la cazul existenþei de legãturi intense între 3 sau
mai multe variabile factoriale din ecuaþia respectivã.
Astfel de legãturi între variabilele explicative incluse în
reprezentãri de forma y = a0 + a1x + a2z + a3k + u, pot fi expresii
ale unei relaþii de cauzalitate (x determinã pe z, sau atât x cât ºi z
depind intens de factorul w neinclus în model), pot reprezenta
combinaþii liniare de forma
57
k = x + 2z, sau pot fi simple analogii în evoluþia înregistratã pe
segmentul de n valori de care dispunem.
Toate aceste situaþii produc aceleaºi efecte dacã asemãnãrile

sunt foarte intense:
• estimaþiile obþinute pentru parametri pot fi deformate;
• imprecizia acestora creºte;
• rezultatele testului t sunt distorsionate în direcþia
nesemnificaþiei.
5.3.1 Semnale care atrag atenþia multicoliniaritãþii:
• În cazul utilizãrii unui model în care apar 2 factori, de forma:

y = a0 + a1x + a2z + u:
– coeficientul de corelaþie calculat pentru factori (rxz)
întrece, în valoare absolutã nivelul de 0,85 sau chiar de 0,9;
– reprezentarea graficã (diagrama împrãºtierii), privind
exclusiv factorii, semnaleazã o suspectã ordonare a punctelor de
coordonate xizi în jurul unei drepte.
În cazul în care apar mai mulþi factori:
– Coeficientul de determinaþie (R2) prezintã valori
apropiate de 1 în condiþiile în care estimaþiile pentru parametri (una
sau mai multe) nu trec testul t (nu diferã semnificativ de zero);
– Coeficientul de determinaþie (forma ajustatã) este
inferior ca mãrime coeficienþilor de determinaþie pentru regresiile
auxiliare.
Un semnal este dat ºi de determinantul matricei X, în sensul
cã nivelul determinantului devine extrem de mic pe mãsurã ce
gradul de coliniaritate între doi factori creºte (pentru coliniaritatea
perfectã, determinantul este egal cu 0, ceea ce face imposibilã
rezolvarea sistemului). În plus, valorile foarte mici ale
determinantului conduc la valori foarte mari ale elementelor
inversei, ceea ce face ca împrãºtierea valorilor estimate sã fie
foarte mare, iar eficienþa estimatorului este afectatã.
58
5.3.2 Soluþii
• Dacã se pot suplimenta datele, mãrind astfel numãrul de
cazuri în eºantion sau numãrul perioadelor în seriile cronologice,
aceasta acþioneazã în direcþia creºterii mãrimii determiantului, mai
ales dacã întâmplãtoarele analogii în evoluþia factorilor se
atenueazã;
• Dacã în loc de date culese în timp se pot utiliza date în optica
transversalã, atunci acestea ne aºteptãm sã fie mai puþin afectate de
corelaþii între factori;
• Dacã se poate renunþa la unul dintre factorii care prezintã o
intensã corelaþie cu un alt factor, atunci eliminarea acestui factor ar
fi o soluþie. Condiþia este ca eliminarea factorului sã nu afecteze
analiza printr-o pierdere de informaþie ºi nici gradul de determinare
în mod semnificativ;
• Dacã nu urmãrim în mod expres interpretarea parametrilor ci
ne intereseazã doar atenuarea efectelor multicoliniaritãþii, atunci
aºa numita regresie ridge poate fi o soluþie. Procedeul constã în
adãugarea unui scalar elementelor de pe diagonala inversei ºi
estimarea în urma unei astfel de modificãri.
5.4 Ipoteza privind liniaritatea modelului ºi

corecta sa specificare
Liniaritatea relaþiei de dependenþã dintre variabila efect (y) ºi

factorul determinant (x), respectiv combinaþia de modificãri
simultane a factorilor (x1, x2, ..., xk), prezintã interes îndeosebi din
perspectiva utilizãrii metodei celor mai mici pãtrate în vederea
estimãrii.
Adesea prin model liniar avem în vedere varianta
transformatã a modelului neliniar în raport cu variabilele, utilizând
logaritmii sau alte procedee.
59
5.4.1 Verificarea prezumþiei liniaritãþii
Pe cale graficã, în sensul cã diagrama împrãºtierii este
deseori elocventã, mai ales în cazul unifactorial. În cazul
multifactorial (cu deosebire cazul bifactorial) se poate analiza dacã
valorile y, respectiv x ce revin pe unitate de factor partener z
urmeazã forma liniarã:
y x
f ;
z z
În urma constatãrii nivelului aproximativ constant al
raportului modificãrilor paralele de genul:
y2 y1 y3 y2 y4 y3
x2 x1 x3 x2 x4 x3
Deseori elaborarea modelului în mai multe variante face

posibilã analiza comparativã din perspectiva coeficienþilor R2,
testul t, testul F. Rezultatele analizei pot confirma sau infirma
liniaritatea modelului în situaþii în care existã cel puþin 2 variante
(una liniarã, alta neliniarã).
În ceea ce priveºte factorii luaþi în calcul, aceºtia trebuie sã

îndeplineascã condiþii precum: influenþa fiecãruia sã fie
determinantã pentru variabila efect, factorii sã nu prezinte analogii
intense în evoluþie (multicoliniaritatea trebuie evitatã), sã prezinte
variabilitate.
Verificarea incorectei specificãri din perspectiva factorilor
atraºi în model are în vedere:
Coeficientul de determinaþie;
Semnificaþia în sensul testului t, dar ºi a testului F.
Un model econometric confirmã aºteptãrile în ceea ce

priveºte funcþia liniarã adoptatã dacã gradul de determinare (R2)
este apropiat de 1 (100%), testele de semnificaþie (t, F) confirmã
60
modelul, iar abaterile reziduale se comportã precum valorile unei
variabile aleatoare.
5.5 Verificarea confirmãrii ipotezelor privind

comportamentul variabilei reziduale
Ceea ce se aºteaptã de la valorile reziduale obþinute în final,

dupã estimare, sub forma unor abateri (diferenþe) y ~ yi u i
constã în manifestarea lor aleatoare, fãrã a mai include nimic
sistematic.
Modelul poate fi astfel apreciat ºi prin prisma modului în
care reproduce datele empirice ale variabilei rezultative (y) astfel
încât abaterile (erorile) yi yˆ i sã se caracterizeze prin:
• Egala împrãºtiere a valorilor ui, în prealabil ordonate în
raport cu mãrimea factorului ºi segmentate în douã sau mai multe
grupe. Termenul grecesc homoskedastic (egal împrãºtiat), în limba
românã homoscedastic, caracterizeazã în econometrie o egalã
împrãºtiere, spre deosebire de heteroscedastic, care semnaleazã
inegala împrãºtiere;
• Independenþa oricãrei valori ui în raport cu valoarea / valorile
precedentã, astfel încât autocorelarea valorilor reziduale sã nu
poatã fi constatatã;
• Repartiþia normalã, de medie zero a valorilor ui , ceea ce ar
însemna cã valorile pozitive sau negative ale abaterilor mici sunt
frecvent poziþionate în jurul mediei (M(u)=0), iar pe mãsurã ce se
abat tot mai mult de la zero, frecvenþa lor scade.
5.5.1 Verificarea împrãºtierii valorilor variabilei

reziduale (homoscedasticitatea / heteroscedasticitatea
Împrãºtierea este apreciatã numeric prin dispersie
întrucât M(u) = 0; 2
2
u
u
n
61
Calculul dispersiei implicã un ansamblu de valori, precum ºi
media acestora. Pentru a constata egala sau inegala împrãºtiere,
este necesar sã formãm grupe egale de termeni în cadrul ºirului de
valori u1,u2, ..., un;
Formarea grupelor (în numãr de 2, rareori 3 sau mai multe)
este precedatã de o ordonare a valorilor ui în raport cu valorile în
creºtere (sau descreºtere) ale factorului. De regulã, de la bun
început, nivelurile xi sunt ordonate fie crescãtor, fie descrescãtor;
Problema comportamentului valorilor reziduale se complicã
întrucâtva în situaþiile în care:
Existã mai mulþi factori;
Intereseazã ºi verificarea prezumþiei privind independenþa
variabilei reziduale în raport cu evoluþia factorului (a oricãrui
factor din model).
5.5.2 Testul GQ (Goldfeld, Quandt)

Etapele testului:
Ordonarea datelor yixi, astfel încât valorile xi sã fie ordonate
crescãtor;
Eliminarea unui numãr de valori centrale de cel mult c = n /
3, dacã seria de date include suficient de multe cazuri (etapa nu
este obligatorie). Rezultã douã secþiuni de date ordonate în raport
cu xi ºi situate spre extreme, de (n – c) / 2 cazuri fiecare;
Aplicarea MCMMP fiecãrei secþiuni separat în vederea
estimãrii parametrilor, obþinerii de valori ajustate ~ y din prima
secþiune, respectiv din cea de a doua secþiune, iar, în final,
obþinerea de valori reziduale (ui) în fiecare dintre cele douã
secþiuni;
Obþinerea mãrimii Fcalculat , numãrãtorul fiind pentru
secþiunea de împrãºtiere maximã:
n c /2
u 2j : ( g l )
j 1
Fcalculat n c /2
u 2j : ( g l )
j 1 62
unde g l = numãr grade de libertate
n c
g l k
2
Compararea valorii calculate (Fcalculat) cu valoarea tabelatã de
coordonate
n c n c
, k; k,
2 2
unde k = numãrul de parametri.
Dacã Fcalc < Ftab, prezumþia homoscedasticitãþii erorii (ui) este
confirmatã;
Dacã Fcalc > Ftab, prezumþia homoscedasticitãþii erorii (ui) este
infirmatã, se acceptã alternativa: eroarea (ui) este heteroscedasticã.
Dacã erorile (ui) diferã semnificativ ca împrãºtiere pe segmente de
valori ordonate în raport cu mãrimea factorului, estimaþiile
rezultate prin MCMMP pierd din precizie (heteroscedasticitatea
afecteazã eficienþa estimatorului), iar prognozele sunt imprecise.
Remedii în vederea diminuãrii sau eliminãrii

heteroscedasticitãþii
În situaþiile în are numãrul de cazuri este suficient de mare
(n>30) se poate proceda la elaborarea de modele distincte pentru
fiecare dintre segmentele de valori supuse testului. 2
Transformarea valorilor yixi prin raportarea lor fie la xi, fie la u i .
5.5.3 Prezumþia neautocorelãrii valorilor reziduale

Reprezentarea graficã poate sã semnaleze situaþii de posibilã
dependenþã sau de independenþã a abaterilor.
Verificarea existenþei sau inexistenþei autocorelãrii erorilor
(abaterilor sau valorilor reziduale) se poate obþine prin testul DW
(Durbin-Watson).
Restricþiile aplicãrii testului
63
• n > 15;
• Existenþa de valori tabelate;
• Existenþa parametrului liber a0;
• Relaþia liniarã dintre ui ºi nivelul imediat anterior ui-1.
Etapele testului DW
• Stabilirea ipotezei nule (H0): valorile reziduale nu sunt
autocorelate;
• Obþinerea nivelului calculat:
n
2
ui ui 1
i 2
DW n
ui2
i 1
• Aprecierea nivelului calculat în raport cu apropierea sa de

valoarea 2:
Apropiat de 2 – cazul neautocorelãrii;
Apropiat de 0 sau de 4 – cazul autocorelãrii.
• Autocorelarea reziduurilor afecteazã eficienþa estimatorului

MCMMP.
Metode de eliminare/atenuare a autocorelaþiei

• Înlocuirea valorilor yixi cu diferenþele de ordinul 1 calculate
pentru fiecare variabilã în parte:
yi yi yi 1 yi
xi xi xi 1 xi
• Utilizarea de valori transformate, rezultate astfel:
yi* yi ryi 1
xi* xi rxi 1
unde r este coeficientul de autocorelaþie a erorii:
64
n
ui ui 1
i 2
rui ui 1 n
ui2
i 1
• Adãugarea de cazuri suplimentare sau respecificarea

modelului în sensul acceptãrii unei alte funcþii sau introducerii de
noi factori dacã existã motive suplimentare de a recurge la astfel de
variante ale modelului.
5.5.4 Variabila rezidualã urmeazã o repartiþie normalã

de medie zero
Caracteristica variabilei reziduale de a evolua întâmplãtor se

datoreazã acþiunii factorilor minori, accidentali, neincluºi în mod
explicit în modelul econometric.
Abaterile valorilor empirice de la valorile generate de model
ar trebui sã fie unele pozitive, altele negative, compensându-se
reciproc, astfel încât media sã fie zero.
Predominanþa valorilor mici, apropiate de zero, ºi raritatea
abaterilor mari ar trebui sã apropie repartiþia abaterilor de repartiþia
unei variabile normal distribuite.
65
Verificarea
• Se însumeazã erorile ºi se calculeazã media pentru a constata
dacã media este zero sau foarte apropiatã de zero;
• Se aplicã testul JB (Jarque ºi Bera).
Notaþii:
• S = coeficientul de asimetrie
media modul M u M0
S
abaterea medie patratica u
• k = coeficientul de boltire
1 4
u u
k n
2 2
u
• Se calculeazã:
2
S2 k 3
JB n
6 24
Nivelul obþinut pe baza acestei relaþii urmeazã asimptotic (pe

mãsurã ce mãrimea eºantionului creºte) distribuþia 2 cu douã
grade de libertate.
În cazul în care corespondentul JB în tabelul distribuþiei
(cel mai apropiat nivel pe rândul 2) se situeazã pe coloana
0,3 sau, mai bine 0,2 (ceea ce implicã o probabilitate
de 0,7, respectiv 0,8) se afirmã cã abaterile ui urmeazã o repartiþie
normalã.
În situaþia în care nu se confirmã prezumþia conform cãreia
abaterile ui urmeazã o repartiþie normalã, de medie egalã cu zero,
rezultatele testului t ºi ale testului F sunt discutabile. Aceste teste
se bazeazã pe prezumþia normalitãþii repartiþiei erorii în condiþiile
unui eºantion suficient de mare.
Soluþia cea mai indicatã în astfel de situaþii este
suplimentarea numãrului de cazuri.
66
O verificare a datelor utilizate ar putea evidenþia fie valori
atipice, fie erori de calcul sau de observare care, prin eliminare, ar
reduce numãrul de abateri mari, apropiindu-se de confirmarea
prezumþiei.
67
Capitolul 6
Aplicarea modelului de regresie în analiza
ºi prognoza economicã
6.1 Coordonatele analizei economice ºi analizei

statistice
Rezultatele obþinute cu privire la parametrii modelului, dar ºi
în ceea ce priveºte nivelul unor indicatori obþinuþi în urma
parcurgerii etapei verificãrii sunt utili îndeosebi analizei
economice, analizei statistice, precum ºi prognozei.
Analiza economicã beneficiazã îndeosebi de rezultatele
estimãrii parametrilor de regresie.
Faptul cã o estimaþie â j (j = 1, 2, ...) semnaleazã în ce
direcþie ºi în ce mãsurã se modificã variabila-efect (y) la o creºtere
cu o unitate a factorului xj, în condiþiile în care ceilalþi factori
incluºi în model sunt consideraþi constanþi, reprezintã o informaþie
deosebit de utilã pentru economistul preocupat de analiza cauzelor
care determinã un proces.
Ponderea în care factorii determinanþi introduºi în model
explicã modificãrile variabilei-efect (exprimatã de indicatorul R2)
constituie o informaþie utilã în analizã.
Din perspectiva statisticianului, de un interes aparte se bucurã
rezultatele etapei de verificare. Testul F ºi mãsura în care Fcalc
depãºeºte nivelul tabelat dã informaþii referitoare la puterea de
influenþã a factorilor.
O analizã performantã bazatã pe rezultatele regresiei

multifactoriale presupune confirmarea unor aºteptãri privind:
• Semnificaþia atât pe ansamblu (în sensul testului F) cât ºi
individual, privind fiecare parametru (testul t);
68
• Mãrimea coeficientului de determinaþie (R2>0,8);
• Gradul de corelare existent între factori sã fie mic, astfel încât
corelaþia, în valoare absolutã sã nu depãºeascã 0,85, iar variabilele
factoriale sã nu fie dependente.
Analiza comparativã privind factorii sau variantele de model

se bazeazã pe indicatorii:
• Coeficienþii beta care permit clasificarea factorilor în raport
cu importanþa acþiunii lor asupra variabilei-efect;
• Coeficientul de determinaþie în varianta ajustatã, care poate
constitui un reper în situaþii în care existã mai multe variante de
model pentru a explica aceeaºi variabilã-efect. Se alege varianta
cu R̂ 2 maxim;
• Coeficientul menþionat prin simbolul AIC (criteriul Akayke)
care oferã posibilitatea de a aprecia fiecare variantã de model prin
prisma preciziei (apropierii valorilor ajustate de cele reale). Se
opteazã pentru varianta pentru care AIC este minim. Se noteazã cu
k numãrul de factori.
ui2
i 2k
AIC ln
n n
6.2 Prognoza economicã bazatã pe modelul de

regresie
Prognoza având la bazã rezultatele regresiei statistice are în
vedere prezumþia menþinerii ºi în viitor a influenþei fiecãrui factor
aºa cum este exprimatã în estimaþiile parametrilor de regresie
pentru perioada la care se referã datele.
Se considerã cã valorile anticipate privind nivelul viitor al
fiecãrui factor determinant (x’ ) nu provin dintr-un proces net
diferit de datele folosite la estimare, iar anticiparea lui este corectã.
Prognoza rezultã în urma introducerii în modelul specificat a
estimaþiilor pentru parametri, iar pentru factori se iau în calcul
69
valorile anticipate (planificate, preconizate, rezultate din alte
calcule de prognozã):
y ' aˆ0 aˆ1 x1 ' aˆ 2 x2 ' ... aˆ k xk '
La fel cum valorile ajustate nu coincideau cu valorile reale
(empirice) y, existând abateri notate (u), se poate presupune cã nici
prognozele nu vor coincide cu valorile înregistrate de y în viitor.
Eroarea de prognozã se noteazã cu e ºi este direct
proporþionalã cu distanþa la care se va situa nivelul anticipat (x’) al
factorilor în raport cu nivelul lor mediu din perioada trecutã ºi
invers proporþionalã cu numãrul de cazuri din etapa estimãrii.
6.3 Modele econometrice utilizate în domeniul

cererii de bunuri ºi servicii
Prezumþii care stau la baza abordãrii econometrice a

cererii
• Orice formã statisticã sau economicã corectã de exprimare a
legãturii dintre cererea de consum a populaþiei ºi factorii care o
determinã poate fi redusã la o funcþie:
C = f(x1, x2, ..., xk) + u
• Factorii care determinã consumul pot lua orice valoare realã
pozitivã;
• Consumatorul (cumpãrãtorul) procedeazã, în general, într-un
mod raþional, cãutând sã-ºi maximizeze beneficiul subiectiv,
presupus de achiziþionarea produsului, investind cât mai puþin;
• Se poate afirma, îndeosebi pentru cazul cererii globale a
populaþiei, cã funcþia de consum este omogenã de gradul n, este
derivabilã, cu derivata I pozitivã, iar derivata a II-a negativã,
(admiþând un maxim).
Factorii care determinã consumul sunt de o mare varietate. În
cele mai multe cazuri se considerã cererea (consumul) ca fiind
funcþie de venit, precum ºi funcþie de preþ. Alãturi de aceste cauze
70
trebuie avute în vedere ºi alte variabile factoriale, cum ar fi:
tradiþia, reclama, înzestrarea, moda, sezonul etc., a cãror influenþã
poate sã difere în raport cu produsul/serviciul, categoria de
consumatori, starea generalã a economiei.
Produse de strictã necesitate (alimente obiºnuite, îmbrãcãminte)

C = cerere; PO = populaþie
Ct a0 a1 PO a2Ct 1 ut
Produse de uz curent
Ct a0 a1 Pt a2 Pinlocuitor a3Vt ut
unde V = venit; P = preþ
Ct a0 a1 PO a2V a3Ct 1
Ct Vt a1 log Vt a0 , funcþia lui Konius

log Ct a0 a1 log CT a2 log MF ,
funcþia Hauthakker, unde:
CT = cheltuieli totale;
MF = oferta de mãrfuri.
Ct a0 a1 POt a2 R a3CRt ut
unde R =reclama; CR = concurenþa.
Vt Vt 1 C
Ct a0 a1 ... a2 ut
Vt Vt 1 V t 1
Ct a0 a1 POt a2TM t ut
unde TM = temperatura.
Produse de uz îndelungat
Ct a0 a1Vt a2 Pt a3 Z t ut
unde Z = înzestrarea
71
Ct a0 a1Vt a2OFt a3 POt ut
unde OF = oferta
Pentru autoturisme:
Ct a0 a1Vnt a2 I t /p0 a3 RSt ut
unde Vn = venit net; I(p)t/0 = indice de preþuri; RS = rata
ºomajului.
Produse de lux
Ct a0 a1Vt a2OFt a3 A ut
unde A = anotimpul (sezonul); OF = oferta.
Cererea la nivel macroeconomic (nivel global)

Ct Vt Ct 1
a0 a1 a2 ut
Vt 1 Vt 1 Vt 2
unde V = venitul
V
Ct a0 a1 a2 POt a3TX t ut
PO
unde TX = taxe ºi impozite
Forma liniarã a funcþiilor, cât ºi prezenþa repetatã a unor

factori (venit, preþ, numãrul populaþiei, cererea din perioada
anterioarã) aratã cã existã invarianþi în acest domeniu.
O anumitã diversitate a reprezentãrilor este necesarã, datã
fiind complexitatea domeniului cererii de mãrfuri.
Un factor deosebit de activ în acest domeniu este factorul
psihologic.
72
6.4 Producþia, factorii determinanþi ºi funcþiile de
producþie
Primele studii cantitativiste ale evoluþiei producþiei în raport

cu factorii determinanþi au început cu analize ale creºterii
producþiei agricole în raport cu creºterea volumului de
îngrãºãminte ºi a cantitãþii de precipitaþii.
Tot în agriculturã a fost elaborat studiul teoretic al autorilor
Knut ºi Wicksel privind evoluþia producþiei funcþie de numãrul de
muncitori, suprafaþa cultivatã, capitalul utilizat.
Cobb ºi Douglas (1928) au exprimat printr-o formulã
dependenþa statisticã dintre venitul naþional (variabila efect) ºi
factorii muncã ºi capital.
Era luat în calcul venitul naþional al SUA (y) în funcþie de
cuantumul salariilor (exprimând valoric munca – M) ºi valoarea
fondurilor fixe disponibile (exprimând capitalul – K) înregistrate în
economia SUA pentru o perioadã de n ani.
y AM K e u
Prin logaritmare se obþine:
ln y ln A ln M ln K u a X1 X2 u
unde: a ln A, X 1 ln M , X 2 ln K
Modelul fiind liniar în raport cu parametrii, este posibilã
estimarea acestora prin MCMMP.
Parametrii ºi reprezintã elasticitãþile parþiale ºi exprimã
cu cât la sutã se modificã producþia (y) la o modificare cu 1% a
unuia dintre factori, în condiþiile în care celãlalt factor este
considerat constant.
Chenery H.B., Arow R.J. Minchas B.S. ª i Solow R.M.
Generalizeazã funcþia de producþie Cobb Douglas ºi elaboreazã în
1961 funcþia CES, în care elasticitatea substituirii factorilor este
consideratã constantã:
1
y A M K unde 1, 1.
73
6.4.1 Ipoteze ºi caracteristici în elaborarea ºi utilizarea
funcþiilor de producþie în studiile economice
• Factorii care determinã producþia sunt nenegativi ºi, în mare

parte, substituibili;
• Procesul de producþie se desfãºoarã pe baza unei tehnologii
care reduce la maxim consumul de factori ºi resurse;
• Funcþia de producþie presupune un randament global
nedescrescãtor;
• f M K f M f K este omogenã de gradul I, ceea ce
implicã o creºtere a producþiei în aceeaºi mãsurã cu creºterea
factorilor: f mM , mK mf M , K ;
• Funcþia este derivabilã, având derivata I pozitivã, ceea ce
face posibilã obþinerea cuantumului producþiei suplimentare la o
creºtere cu o unitate a unuia dintre factori;
• Derivata a doua este negativã, funcþia fiind concavã, adicã
este conformã legii randamentului descrescãtor, în sensul cã,
depãºind un punct de maxim, producþia înregistreazã creºteri din ce
în ce mai mici la o creºtere constantã a factorilor. Menþinerea
creºterii economice, în condiþiile unor resurse limitate, presupune
creºterea continuã a eforturilor de cercetare ºtiinþificã,
tehnologizare, organizare, calificare.
6.4.2 Indicatori utili analizei economice bazate pe

funcþii de producþie
Norma de substituire
Norma de substituire sau rata marginalã de substituire a
resurselor este utilã în vederea cunoaºterii raportului în care un
factor poate fi înlocuit de un altul fãrã ca producþia sã se
diminueze.
Se calculeazã derivatele parþiale:
f M' M , K dM f K' M , K dK dy
74
În ipoteza menþinerii producþiei la acelaºi nivel, adicã dy = 0,
rezultã:
y
'
dK fM M K
S '
dM fK y M
K
Rezultatul aratã câte unitãþi de factor K (milioane lei fonduri
fixe) pot înlocui o unitate de factor M.
Exemplu
Fie funcþia de producþie:

y 2 0,5M 0,2 K
atunci:
dK 0,5
S 2,5
dM 0,2
unitãþi de capital sunt necesare pentru a substitui un salariat.
Elasticitatea
Elasticitatea exprimã proporþia în care se modificã producþia
în cazul în care factorul creºte cu 1%.
y xj y y
Ey / x j : : ; dar pentru x j 0
y xj xj xj
dy y
E :
dx j x j
Elasticitatea este datã de raportul dintre randamentul

marginal al factorului xj ºi randamentul mediu.
Pentru funcþia Cobb-Douglas coeficienþii de elasticitate sunt:
75
1 M
Ey / M AM K
y
1 K
Ey / K AM K
y
În cazul funcþiei CES se obþine:
Ey / M Ey/ K
M K
K M
Randamentul marginal
Randamentul marginal reprezintã indicatorul care oferã
posibilitatea de a cunoaºte pânã la ce nivel este recomandabil sã se
mãreascã factorul xj astfel încât rezultatul (producþia) sã fie maxim.
Pentru o dependenþã multifactorialã se considerã cã toþi
ceilalþi factori se menþin constanþi ca nivel.
Pentru a determina punctul extremal se egaleazã cu 0 derivata

parþialã a funcþiei în raport cu xj :
f x1 , x2 ,..., xk
RE x j
xj
Exemplu
Funcþia care descrie dependenþa recoltei medii de porumb în
raport cu cantitatea de îngrãºãminte chimice este:
y 3,539 0,2527 x 0,002827 x 2
Pentru obþinerea randamentului marginal se egaleazã cu 0
derivata funcþiei:
y
0,2527 2 0,002827 x 0
x
0,2527
x 44,694
2 0,002827
76
Rezultatul obþinut reprezintã nivelul optim al cantitãþii de
îngrãºãminte chimice care conduce la o producþie maximã în
condiþiile în care ceilalþi factori, neluaþi în calcul, nu vor prezenta
modificãri care sã perturbe semnificativ rezultatul (recolta). În
cazul în care astfel de factori erau introduºi explicit în funcþia de
producþie, nivelul lor ar fi fost considerat constant.
O situaþie specialã o reprezintã cazul când factorii sunt legaþi

printr-o relaþie restrictivã, urmare a limitãrii disponibilitãþii,
capacitãþile de producþie, etc.
În astfel de cazuri se apeleazã la metoda multiplicatorilor lui
Lagrange.
Exemplu
Se considerã performanþa calitativã ca funcþie de îmbinarea a
douã resurse F ºi G astfel: y = 2 logF + 4 logG
În cazul în care preþurile resurselor sunt: pF = 4 ºi pG = 12, iar
bugetul nu poate depãºi 100 u.m., adicã 4F + 12G = 100, se
formeazã funcþia auxiliarã:
y(m) = 2 logF + 4 logG + m(4F + 12G – 100)
Se egaleazã cu 0 derivatele parþiale obþinute în raport cu F, G
ºi multiplicatorul m ºi se obþine un sistem de 3 ecuaþii cu 3
necunoscute. Soluþia este F = 8,3; G = 5,5 ºi m = - 1,9.
Aplicaþiile concrete ale funcþiilor de producþie în studiul

evoluþiei variabilelor macroeconomice, ca ºi în analiza activitãþii
întreprinderilor, au scos în evidenþã unele aspecte concrete care
prezintã un interes deosebit:
• În ceea ce priveºte datele despre rezultate ºi factori, se
recomandã utilizarea unor serii suficient de lungi privind perioade
de stabilitate economicã;
• În mod frecvent sunt utilizate valori procentuale, indici cu
bazã fixã;
77
• Când se urmãreºte evitarea multicoliniaritãþii se apeleazã la
transformãri de genul:
yt yt xt xt
yt' 1
, xt' 1
;
yt xt
• Funcþiile neliniare fac necesarã parcurgerea etapei de
liniarizare, dupã care se poate aplica MCMMP pentru estimarea
parametrilor;
• În ceea ce priveºte domeniile din economie în care rezultatele
obþinute prin utilizarea funcþiilor de producþie au fost remarcabile,
se menþioneazã cã îndeosebi la nivel de ramurã soluþiile obþinute
au fost deosebit de utile. Aceasta ºi pentru cã datele au fost
accesibile, iar rezultatele mai uºor de interpretat. Îndeosebi
calculele de eficienþã în agriculturã au beneficiat de pe urma
acestor reprezentãri.
6.5 Relaþii financiar - bancare ºi reprezentarea lor

prin ecuaþii
Existenþa ºi rolul banilor în economie, precum ºi problemele

care þin de echilibrul bugetar, dar ºi de politicile economice,
genereazã o serie de relaþii de influenþã care pot fi analizate ºi
prognozate cu ajutorul reprezentãrilor econometrice.
Realizarea de bunuri ºi servicii, ca ºi tranzacþiile care au loc
au un corespondent în forma bãneascã.
Este necesarã determinarea cantitãþii de bani în circulaþie,
stabilirea vitezei de circulaþie a banilor, rolul ºi cauzele inflaþiei,
influenþarea fluxurilor de venituri spre buget, stabilirea rolului
cheltuielilor bugetare, a injecþiei de bani în economie, etc. Banii
înºiºi sunt generatori de relaþii precum cele legate de costul
împrumutului, investirea capitalului, cursul de schimb, etc.
78
Teoria economicã se referã explicit la o serie de relaþii de
cauzalitate între astfel de variabile, iar politicile economice
(politica monetarã, politica fiscalã, politica cursului de schimb) se
bazeazã pe cunoaºterea ºi controlul unor astfel de dependenþe.
6.5.1 Masa monetarã ºi factorii care determinã cererea

de bani
În ceea ce priveºte oferta ºi cererea de bani, Mayes considerã

cã volumul tranzacþiilor, precauþia, scopurile speculative, inflaþia
reprezintã factorii care trebuie incluºi în model.
Cererea de bani = f(modificarea veniturilor, rata dobânzii din

perioada curentã, precum ºi din perioada precedentã)
Cererea de bani a populaþiei (Maddala):

CBP = 3,9 + 3438 PIB + 0,8 Rata dobânzii + + 0,8 Inflaþia + u
Variantã neliniarã (Chiarini):

CBP/Indicele de preþuri = a(Venit / Rata dobânzii )
Oferta de bani reprezentatã în mod frecvent de masa de bani în

sens restrâns (M1) este redatã în corespondenþã cu creºterea
economicã ºi rata dobânzii.
Modelul Brunner-Meltzer:
M1 = a + b Creºterea rezervelor bãncilor comerciale la banca
centralã + c Numerar în circulaþie + d Depozite la termen +
+ e Rezerve speciale + u
6.5.2 Rata dobânzii ºi investiþiile
Rata dobânzii ºi rolul ei asupra investiþiilor apare în reprezentãri de

forma (Wharton, modelul italian):
79
Rata dob.(t)= f(Rata scontului(t)/Rata dob. titlurilor de valoaret(t-
1),Rata dob.(t-1))
Modelul FRB St. Louis:

Rata dob. pe termen lung = f(Masa monetarã, Rata dob. din
perioada ant., Producþia(t-1))
Rata dobânzii reprezintã de asemenea un factor care apare în

funcþiile ce privesc investiþiile. Modelul Klein:
Investiþii = a + b PNB + c Rata dobânzii nominale + d Stocul de
capital +u
6.5.3 Impozitele ºi transferurile
Impozitele ºi transferurile sunt influenþate în mod

determinant de venituri (salarii, profit) ºi de intensitatea
activitãþilor specifice economiei reale (producþie, export, import).
Klein utilizeazã relaþiile:
Impozit populaþie = a + b(Venituri populaþie din sector privat +
+Venituri populaþie din sector public) + u
Impozit pe profit = a + b Vânzãri + c Export + d Import +
+eAmortizãri + u
Fiscalitatea determinã evoluþia unor variabile economice,

ceea ce face ca variabila impozit sã fie regãsitã în postura de
factor, fie în mod explicit, fie ca element de formare a venitului
disponibil sau, în general, a realizãrilor nete exprimate valoric. De
exemplu (Chiarini):
Solicitãri bãneºti pentru investiþii = a + b (Profit – Impozite) +
+cTrend + d Impozite indirecte + u
Transferurile bugetare sunt dependente de rata ºomajului,

inflaþie, salariul minimal. De exemplu (Maddala):
80
Transfer plãþi = f(Populaþie, Rata ºomajului, Indicele de preþuri,
PNB per capita)
6.5.4 Preþurile ºi costurile

Factorii determinanþi pentru evoluþia preþurilor sunt: salariile,
preþul importului, impozitele indirecte, oferta.
Exemple de funcþii de preþuri:
Preþ = a + b Salarii + c Indicele preþurilor de import + d Impozite
+u
Modelul FRB St. Louis:
Indice de preþuri = 2,05 + 0,8 Consum în perioada anterioarã +
+1,01 Inflaþie anticipatã + u
Costurile sunt considerate ca funcþie de condiþiile specifice

de activitate (grad de epuizare a zãcãmântului, cota de piaþã a
produsului), dar ºi funcþie de factorii comuni precum: salariul
mediu, evoluþia preþurilor la import, puterea sindicatelor în
negocierea salariilor.
În marile modele, alãturi de ecuaþiile care formeazã secþiunea
economiei reale, în sensul cã se referã la consum, producþie,
investiþii, export, se întâlnesc ºi ecuaþiile care se referã la secþiunea
preþuri-salarii ºi cele care se referã la relaþiile de naturã financiar-
bancarã din economie.
81
Capitolul 7
Evoluþia proceselor economice în decursul
timpului
7.1 Problema tendinþei generale
Problema evoluþiei proceselor economice în timp intereseazã

datoritã urmãtoarelor:
• Mãsurarea rolului unor factori calitativi care îºi desfãºoarã
acþiunea în decursul timpului (progresul tehnic, acumulãrile de
bunuri, procesele de învãþare) poate fi abordatã luând în calcul
variabila timp privitã ca un ºir de numere în progresie aritmeticã;
• Acþiunea unor cauze care nu afecteazã instantaneu variabila-
efect, ci dupã un interval de timp (lag) mai mult sau mai puþin
îndelungat. De aici interesul pentru cunoaºterea distanþei în timp la
care se manifestã influenþa factorilor, intervalul dintre evoluþia
unor variabile-semnal (variabile precursoare) ºi modificarea
variabilei-efect, întârzierea la care apar implicaþiile economice
generate de mãsurile guvernamentale;
• Evidenþierea invarianþilor (tendinþa evolutivã, oscilaþiile
sistematice) în sensul mãsurãrii intensitãþii acestora ºi modelãrii
rolului lor în evoluþia viitoare a procesului economic.
7.2 Noþiuni specifice analizei seriilor cronologice
Seria cronologicã (de timp, dinamicã) reprezintã o secvenþã

de niveluri ordonate în raport cu succesiunea perioadelor
(momentelor de timp). Nivelurile se noteazã cu yt, t = 1,2, ..., n.
82
Analiza seriilor cronologice (engl. TSA – time series
analysis) este o metodã generalã de caracterizare a seriei
cronologice din perspectiva componentelor sistematice sau
aleatoare în vederea mãsurãrii intensitãþii ºi continuitãþii lor, astfel
încât procesul analizat din perspectiva temporalã sã devinã
predictibil. Analiza recurge la metode specifice: medii mobile,
indice de sezonalitate, modele stochastice.
Cronograma este reprezentarea graficã destinatã descrierii

evoluþiei unui fenomen în decursul timpului. Se utilizeazã unsistem
de axe rectangulare, axa orizontalã fiind pentru evoluþia timpului
(variabila independentã), reprezentat ca o succesiune de
perioade/momente ordonate, iar axa verticalã este destinatã
mãsurãrii procesului economic reprezentat.
Tendinþa generalã (trend) este evoluþia în timp a

fenomenului analizat exprimatã într-o formã stilizatã care reþine
aspectul general, de creºtere, respectiv de descreºtere, neafectat de
abaterile temporare.
Sezonalitatea este evoluþia manifestatã prin oscilaþii

repetabile ca sens ºi amploare, fie în jurul tendinþei, fie în jurul
unui nivel mediu, urmare a unor factori care revin periodic la
intervale mai mici de 1 an.
Lag este o întârziere exprimatã în unitãþi de timp, între

modificarea variabilei cauzale ºi manifestarea efectului.
7.3 Modelul liniar unifactorial ºi calculul tendinþei

generale
Reprezentarea evoluþiei în decursul timpului a unei variabile
economice este seria cronologicã, sub forma unui tabel cu date ºi
cea graficã (cronograma).
83
Anul 2007 2008 2009 2010
trim. I II III IV I II III IV I II III IV I
yt 2 3 7 4 4 5 8 8 7 10 10 12 13
t -6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6
14
12
10
0
I II III IV I II III IV I II III IV I
Atât datele din tabel cât ºi reprezentarea lor graficã

evidenþiazã faptul cã, pe mãsurã ce trece timpul, amploarea
fenomenului, în general, creºte. În alte situaþii fenomenul descreºte
în intensitate în decursul timpului. Acestea sunt cele douã tendinþe
de bazã.
Variabila independentã este timpul, notatã cu t, ºi exprimatã

în unitãþi de timp, de perioadã egalã, prezentând o succesiune
ordonatã pe scara timpului.
Variabila dependentã, yt este variabila economicã a cãrei
evoluþie se studiazã.
84
Abaterile, influenþele perturbatoare asupra tendinþei se
noteazã cu ut.
Modelul devine:
yt = a + bt + ut
Timpul creºte cu un spor constant egal cu 1 (o lunã, un
trimestru, un an), astfel încât exprimarea sa numericã poate fi
reprezentatã de ºirul numerelor naturale
t = 1, 2, ..., n, dar ºi de ºirul
t = ..., -3, -2, -1, 0, 1, 2, 3, ... (n impar) sau
t = ...,-2,5; -1,5; -0,5; 0,5; 1,5; 2,5; ... (n par)
astfel încât t = 0.
În vederea estimãrii parametrilor a, b din modelul yt = a + bt + ut,
se aplicã metoda celor mai mici pãtrate, ceea ce implicã
u2 = minim. În situaþia în care t = 0, sistemul de ecuaþii
normale se simplificã ºi se obþine estimarea parametrilor:
y y t
aˆ bˆ
n t2
Dacã se atribuie timpului valori în afara celor n unitãþi sau

perioade pentru care avem date, se pot obþine pe baza modelului, în
urma estimãrii, niveluri extrapolate ale tendinþei.
Acestea pot fi considerate drept predicþii pentru procesul
analizat (y) dacã se acceptã continuitatea condiþiilor care au
imprimat tendinþa procesului.
Exemplu
• Se exemplificã determinarea ºi extrapolarea tendinþei
generale pe baza datelor anterioare.
• Se au în vedere urmãtoarele:
• aspectul general de tip liniar al evoluþiei descrise de
cronogramã;
• existenþa unui numãr impar de trimestre;
• calculul produselor y t, t2 ºi obþinerea sumelor y; yt; t2.
85
Anul 2007 2008 2009 2010 Sume
trim. I II III IV I II III IV I II III IV I
yt 2 3 7 4 4 5 8 8 7 10 10 12 13 93
t -6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6 0
t2 36 25 16 9 4 1 0 1 4 9 16 25 36 182
yt -12 -15 -28 -12 -8 -5 0 8 14 30 40 60 78 150
Se obþin estimaþiile:
aˆ 7,1538
bˆ 0,824
iar tendinþa:
~
y 7,1538 0,824 t
Valori extrapolate privind tendinþa:
~
yt 12,9212 trim. II 2010
7
~
y 13,7458 trim. III 2010
t 8
~
yt 14,5698 trim. IV 2010
9
Observaþii
• Nivelul mediu exprimat de ordonata la origine este de 7,1538
pe trimestru;
• Panta exprimatã de b = 0,824 indicã o creºtere (fiind
pozitivã) medie trimestrialã de 0,824;
• Extrapolãrile pot fi considerate valori aºteptate în viitor dacã
prezenþa altor componente sistematice (sezonalitate, ciclicitate)
este exclusã, iar schimbãri majore ale condiþiilor din trecut nu
intervin.
86
7.4 Clasificare a seriilor cronologice în raport cu
existenþa sau inexistenþa tendinþei generale
• Seria staþionarã – caracterizatã prin oscilaþii, mai mult sau

mai puþin întâmplãtoare, ca mãrime ºi direcþie, în jurul unui nivel
de referinþã, media. O serie staþionarã este rezultatul unui proces
stochastic staþionar pentru care media ºi dispersia sunt constante,
indiferent de momentul de la care începe seria.
• Seria nestaþionarã – care prezintã tendinþã de creºtere sau de
scãdere, ceea ce face ca media valorilor yt sã difere, funcþie de
momentul de început al seriei. Tendinþa specificã seriei
nestaþionare poate fi:
• de tip determinist – fiind invariabilã pe un interval mare
de timp, atât ca direcþie câtºi ca pantã. O astfel de serie este uºor
de prevãzut, valorile extrapolate satisfac din perspectiva preciziei;
• de tip stochastic- în sensul cã pe segmente de timp,
dispuse în succesiune, poate prezenta unele modificãri, îndeosebi
în ce priveºte panta.
În modelare se urmãreºte izolarea tendinþei generale în

vederea analizei fluctuaþiilor sistematice (sezonalitatea, analiza
spectralã) sau în vederea analizei propagãrii abaterilor de la
tendinþã (modele stochastice de prognozã).
În raport cu modalitatea recomandatã în vederea eliminãrii

tendinþei, se deosebesc:
• Seria nestaþionarã de tip T.S.P. (tred stationary process)
pentru care trendul se recomandã sã fie eliminat prin scãdere
Yt yt ~yt sau împãrþire Yt yt / ~
yt
ceea ce ar conduce la seria staþionarã yt ;
• Seria nestaþionarã de tip D.S.P. (difference stationary
process) pentru care trendul se eliminã prin calculul diferenþelor
de ordin 1: Yt yt yt 1 yt sau 2.
87
7.5 Dependeþe în economie manifestate în mod
sincron sau cu decalaje în timp
7.5.1 Seria integratã, serii cointegrate privind procese

economice evolutive
Seria integratã este o serie care poate fi redatã prin pãrþi
componente care pot recompune seria originalã prin însumare.
Seria yt care urmeazã un trend liniar, prin calculul
diferenþelor de ordinul 1 devine staþionarã. Este consideratã serie
integratã de ordinul I (I(1)).
Yt yt yt 1 yt , t 1,..., n 1
Readucerea ºirului termenilor yt la forma originalã implicã o
însumare a componentelor:
n 1
y1 Y1 y2 ; y1 Y1 Y2 y3 ;...; y1 Yt yn
t 1
Este posibil sã se constate ºi alte ordine de integrare decât 1:
• serie integratã ordinul zero (I(0)) – seria staþionarã;
• serie integratã de ordinul doi (I(2)) – presupune ca ºirul
valorilor yt sã ajungã la starea de a fi staþionar dupã transformãri
care implicã determinarea diferenþelor de ordinul doi.
Exemple
Cazul 1
yt : 2; 3; 2; 3; 2; 2; 3; 2; 3 întrucât este staþionarã este consideratã
integratã de ordinul zero (I(0)) ;
Cazul 2
yt : 20; 22; 23; 25; 27; 27; 30; 32 întrucât prezintã tendinþã care
poate fi eliminatã prin diferenþe de ordinul 1, seria este integratã
de ordinul 1 (I(1)):
yt : 22-20=2; 23-22=1; 2; 2; 0; 3; 2
Cazul 3
88
yt : 8; 9; 12; 14; 16; 19; 25; 33; 43 întrucât pentru a fi transformatã
în serie staþionarã este necesar calculul diferenþelor de ordinul 2,
adicã într-o primã fazã:
yt : 9-8=1; 12-9=3; 2; 2; 3; 6; 8; 10,
iar în faza a doua:
(2)
yt : yt+1 - yt = 3-1=2; 2-3=-1; 0; 1; 3; 2; 2
se considerã seria ca fiind integratã de ordinul 2.
Serii cointegrate sunt considerate acele serii cronologice

care, pe lângã faptul cã sunt serii integrate de acelaºi ordin, admit o
combinaþie liniarã care este integratã de ordin zero, sau, în orice
caz, este integratã de ordin mai mic decât ordinul de integrare al
seriilor iniþiale.
Exemplu
Fie seriile:
yt : 1; 2; 3; 4; 5; 6 yt : 1; 1; 1; 1; 1
xt : 8; 10; 12; 14; 16; 18 xt : 2; 2; 2; 2; 2
ambele integrate de ordinul 1.
Combinaþia liniarã:
zt = 2yt + (1 – 2)xt este o serie integratã de ordin zero:
zt : - 6; - 6; - 6; - 6; - 6; - 6 zt = 0
Seriile yt, xt sunt cointegrate de ordin(1,0), notate CI(1,0).
Din perspectiva econometriei, seriile cointegrate conduc la o

analizã de regresie de calitate, în sensul cã estimatorii sunt
consistenþi, iar testele t ºi F sunt performante.
Din perspectiva analizei statistice ºi economice, seriile
cronologice cointegrate semnaleazã o stare de echilibru pe termen
lung în ceea ce priveºte stilul de a evolua în timp. Astfel de serii
trãdeazã o relaþie de influenþã reciprocã, evolueazã în acelaºi ritm.
89
7.6 Modele dinamice destinate includerii efectelor
decalate în timp
Efectul celor mai multe dintre impulsurile date economiei

prin intermediul factorilor exogeni se resimte dupã trecerea unui
interval de timp.
Motive care provoacã întârzieri în manifestarea acþiunii unui
factor pot fi:
• motive de naturã psihologicã: obiceiurile, inerþia, teama. De
exemplu, o creºtere bruscã a venitului nu determinã o modificare
totalã a consumului, pe de o parte datoritã obiºnuinþelor ºi
gusturilor încetãþenite, iar pe de altã parte temerilor cã aceasta nu
va dura;
• motive de naturã tehnologicã: adaptarea liniilor de fabricaþie,
reconversia forþei de muncã, fac ca un impuls privind capitalul sau
mâna de lucru sã producã un impuls care se va manifesta pregnant
dupã un timp;
• motive de ordin instituþional – legate îndeosebi de obligaþiile
contractuale (care condiþioneazã aprovizionarea, livrarea, încasarea
drepturilor, încasarea dobânzii pentru depozite la termen) au, de
regulã, darul de a întârzia schimbarea în raport cu modificarea
rapidã a unor condiþii.
În raport cu durata de aºteptare a efectului, întârzierile pot fi:

• de duratã scurtã, de regulã mai micã de 1 an (intensificarea
reclamei, vânzãrile; stimulentele materiale ºi producþia; creºterea
depunerilor ºi creºterea veniturilor din dobânzi; creºterea inflaþiei
ºi accelerarea circuitului banilor);
• de duratã medie, între 1-3 ani (modernizarea tehnologiei ºi
producþia; modificãri de legislaþie ºi comportamentul economic;
îmbunãtãþirea calitãþii produsului ºi creºterea vânzãrilor;
industrializarea ºi calitatea mediului);
90
• de lungã duratã (investiþiile în transporturi ºi rentabilizarea
transporturilor; dezvoltarea învãþãmântului ºicreºterea
productivitãþii ºi calitãþii activitãþilor).
Pentru a evidenþia efectul apãrut cu întârziere de 1, 2, ...

perioade, se foloseºte termenul lag, iar reprezentãrile care includ
factori cu efect întârziat sunt considerate modele lag sau modele
dinamice.
Problemele de mãsurare care apar în specificarea ºi utilizarea

modelului lag în analiza ºi prognoza economicã sunt:
• stabilirea unitãþii de timp la care se referã fiecare nivel al
variabilelor modelului;
• delimitarea întârzierii apariþiei efectului în urma modificãrii
cauzei;
• estimarea parametrilor.
7.6.1 Stabilirea unitãþii de timp
Stabilirea unitãþii de timp cãreia îi corespunde un nivel yt

presupune alegerea între posibilitãþi de a obþine date anuale,
trimestriale, lunare, sãptãmânale, eventual cincinale sau decenale.
O unitate de timp prea mare face inaccesibilã depistarea de
influenþe cu întârzieri de durate scurte, iar alegerea unei nitãþi prea
mici poate provoca dificultãþi pentru obþinerea datelorsau
delimitarea întârzierilor de duratã lungã.
Opþiunea pentru o anumitã unitate de timp trebuie sã se
bazeze pe particularitãþile fenomenului, obiectivele demersului
econometric ºi pe posibilitãþile existente de a obþine date privind
unitatea de timp consideratã revelatoare.
Delimitarea întârzierii apariþiei efectului în urma modificãrii

cauzei
91
Cronograma privind evoluþia variabilei cauzale, suprapusã
cronogramei variabilei efect, poate pune în evidenþã (prin simpla
deplasare a uneia pe axa timpului) o analogie care apare dupã una
sau mai multe unitãþi de timp.
Un procedeu bazat pe sensibilizarea coeficientului de
determinaþie (varianta ajustatã) prin introducerea unui factor
suplimentar, în sensul de creºtere cu încã o perioadã a întârzierii de
la care se simte efectul presupune urmãtoarele etape:
• prestabilirea unui interval rezonabil ca mãrime dupã trecerea
cãruia factorul numai poate exercita practic nici o influenþã
notabilã asupra variabilei efect;
• se procedeazã la estimarea parametrilor, urmatã de calculul
coeficientului de determinaþie R̂ 2 pentru cele k+1 ecuaþii (se
presupune cã dupã k+1 perioade de timp factorul nu mai are
efect): yt b ax u
0 t t
yt b a0 x t a1 x t 1 ut
....................................
y t b a0 x t a1 x t 1 a2 x t 2 ... ak x t k ut
În final se constatã pentru care dintre ecuaþii s-a obþinut cel
mai mare nivel al coeficientului de determinaþie (ceea ce
corespunde variantei cu cea mai micã dispersie a valorilor
reziduale) ºi aceastã ecuaþie va fi reþinutã în vederea analizei ºi
prognozei.
7.6.2 Estimarea parametrilor
În ceea ce priveºte parametrii modelelor cu efect întârziat,

aceºtia sunt variabili ca numãr în raport cu tipul de model rezultat
în urma specificãrii.
Tipuri de modele
92
Modele unifactoriale în care efectul se simte dupã o întârziere
de o unitate de timp:
yt a0 a1 xt 1 ut
unde y poate fi: productivitate, ofertã, recoltã, iar x poate
reprezenta: utilaje, cerere, umiditatea solului.
Modele autoregresive în care întârzierea este distribuitã pe

mai multe unitãþi de timp:
yt a0 a1 yt 1 a 2 yt 2 ut
unde y reprezintã consumul sau acumulãrile sau profitul.
Modele mixte în care variabilele cauzale, cu sau fãrã efect

întârziat pot fi de naturã exogenã (x) sau autocorelate (yt-1):
yt a0 a1 xt a2 xt 1 a3 yt 1 ut
unde y poate fi cererea sau calitatea, respectiv x poate fi venitul
sau utilarea.
Modele în care variabila factorialã (x) îºi transmite efectul în

mod treptat, atât în perioada t cât ºi pe parcursul unui numãr finit
de perioade de întârziere (lag distribuit sau întârzieri eºalonate):
yt a0 a1 xt a2 xt 1 a3 xt 2 a4 xt 3 ut
unde y – producþia, x – investiþiile;
y – inflaþia, x – creºterea ofertei de bani;
y – mãrimea depozitului, x – dobânda cu capitalizare.
Între variantele modelului cu lag distribuit cel mai frecvent

apar în studiile aplicative urmãtoarele douã reprezentãri:
a) varianta descreºterii în timp a efectului generat de modificarea
factorului: 2
yt a0 a1 xt kxt 1 k xt 2 ... ut
unde k este constantã subunitarã;
93
b) varianta creºterii treptate a efectului urmatã de o descreºtere
pânã la anulare:
yt a0 b1 xt 1 b2 xt 2 ... bk xt k ut
b1 b2 ... b j bj 1 ... b j k
7.7 Autodeterminarea proceselor economice în

timp; modelele stochastice de tip ARMA
7.7.1 Considerente economice ºi statistice pe care se

bazeazã modelul ARMA
Seria cronologicã stocheazã suficientã informaþie încât sã

facã posibilã prognoza fãrã sã fie strict necesarã cunoaºterea
evoluþiei viitoare a factorilor determinanþi pentru procesul urmãrit
în timp.
Modelul stochastic de prognozã presupune eliminarea
tendinþei generale din seria de date, dar aceasta nu înseamnã cã ar
trebui sã fie neglijatã, ci se urmãreºte obþinerea unei serii
staþionare, utile predicþiei.
Autodeterminarea este înþeleasã în urmãtoarele sensuri:

1. Autodeterminare ca manifestare a unui anumit grad de
dependenþã în raport cu propriile realizãri anterioare, urmare a
unei particularitãþi a evoluþiilor din economie de a menþine un
proiect odatã început, dar ºi de a repeta un comportament devenit
tradiþie.
Exemple
• În comerþul exterior, intrarea pe o piaþã externã are drept
urmare dezvoltarea exportului pe acea piaþã cel puþin 2-3
94
perioade succesive, dupã care poate urma o stagnare, urmatã de
perioade de creºtere sau descreºtere.
• Pe piaþa valutarã, o apreciere a monedei se menþine, de
regulã, mai multe zile în ºir, dupã care poate fi observatã o
perioadã de recul.
• În domeniul producþiei, o reutilare a sectoarelor productive
sau o pierdere de pieþe de desfacere se reflectã în date, prin valori
succesive care depind una de alta. Valorile ºirului staþionar se
succed înregistrând, pentru un interval oarecare, semnul plus
(primul caz), respectiv minus.
• Pe piaþa de capital pot fi constatate valori în alternanþã de
semn mai ales pe o piaþã volatilã într-un interval dat.
Un astfel de comportament al evoluþiei în timp, caracterizat

prin legãturi cu ceea ce s-a realizat în trecut, poate fi reprezentat de
un model autoregresiv (AR) de forma:
yt a0 a1 yt 1 a 2 yt 2 ... a p yt p ut
2. Autodeterminarea sub formã de acþiuni compensatorii în vederea
contracarãrii unor ingerinþe din afara sistemului.
Exemple
• Absenþa temporarãa unui produs solicitat pe piaþã are drept
urmare o vânzare în exces în perioadele urmãtoare.
• Declanºarea unei greve care diminueazã producþia într-o
perioadã declanºeazã o creºtere a producþiei în perioadele
urmãtoare, în vederea compensãrii stagnãrii acesteia ºi realizãrii
obligaþiilor contractuale.
• O acþiune speculativã de amploare la bursã poate declanºa o
abatere semnificativã a cotaþiei dincolo de culoarul fluctuaþiilor
normale. Ea va fi foarte probabil urmatã de o abatere în sens
contrar, un fel de corecþie, în vederea situãrii în jurul nivelului de
echilibru.
95
În reprezentãrile formale specifice modelelor stochastice de
prognozã, astfel de manifestãri reparatorii sunt redate de modelul
de medie mobilã (MA) (movie average). Se considerã cã nivelul
procesului din perioada t depinde de erorile din trecut (abaterile de
la normal, de la medie) astfel încât devierea accidentalã este
urmatã de o redresare:
yt y b1ut 1 b2ut 2 ... bq ut q ut
Bazat pe aceste elemente, modelul ARMA este definit ca un

agregat ce include impulsurile receptate cu întârzieri de
1, 2, ..., p intervale de timp, ca ºi reacþiile, exprimate în medie, la
abaterile accidentale (ut) de la evoluþia liniarã, manifestate în
urmã cu 1, 2, ..., q intervale de timp. Se notezã ARMA(p,q):
yt a0 a1 yt 1 a2 yt 2 ... a p yt p b1ut 1 b2ut 2 ... bqut q ut
În cazul prezenþei tendinþei generale în valorile originale (yt),

reprezentarea este datã de modelul mixt ARIMA(p,d,q),
unde d = 1 dacã diferenþele de ordinul 1 sunt staþionare sau d = 2
dacã diferenþele de ordinul 2 au condus la staþionarea seriei.
Modelul ARIMA(p,d,q), prin transformarea seriei
nestaþionare în serie staþionarã devine ARMA(p,q), fãrã a se uita
ordinul diferenþelor (d) care au transformat seria.
7.7.2 Obþinerea prognozelor
Previziunile obþinute în urma utilizãrii modelului de tip

ARMA prezintã o serie de particularitãþi:
• previziunea este o mãrime medie, condiþionatã de niveluri
înregistrate în trecut;
• prognoza se obþine pas cu pas, în succesiune, întrucât
componenta AR obligã includerea în calcul a previziunii pentru
perioada n + t în vederea obþinerii prognozei pentru perioada n +
t + 1;
96
• abaterile reziduale (ut) influenþeazã prognoza (în modelul
MA) doar cu valorile înregistrate pânã în perioada n (ultima
perioadã pentru care avem date);
• prognoza finalã (yn+t*) integreazã toate componentele care au
fost eliminate în etapa de identificare ºi estimare (tendinþa,
precum ºi media ). y
7.8 Fluctuaþii sistematice în economie – mãsurare,

analizã, prognozã
Cunoaºterea variaþiilor sezoniere necesitã depistarea

componentei sezoniere (prin metode grafice), mãsurarea lor (prin
indici ºi coeficienþi de sezonalitate) ºi analiza diferitelor cauze care
definesc ritmul producerii lor (de exemplu, periodicitatea lucrãrilor
agricole, a concediilor, a sãrbãtorilor etc).
Ajustarea seriilor cronologice cu variaþii sezoniere se bazeazã
pe descompunerea seriei, pe de o parte, în componenta trend ( ft) ºi
componenta ciclicã C (când este cazul) ºi, pe de altã parte, în
componenta variaþie sezonierã ( St ) considerând influenþa
aleatoare nulã ut =0), adicã:
yt = ft + St (pentru un model aditiv)
yt = ft St (pentru un model multiplicativ)
Ajustarea componentei sezoniere presupune eliminarea

influenþei sezoniere. Ajustarea seriilor sezoniere constã în
înlocuirea termenilor reali ai seriei cu termeni calculaþi ºi are ca
rezultat obþinerea unei serii cronologice cu variaþii sezoniere
riguros identice de la o perioadã la alta ºi cu influenþã nulã la
nivelul fiecãrui an.
Aceastã operaþie se face, de regulã, prin metoda mediilor
mobile. Prin aceastã metodã se definesc componenta trend ºi
componenta ciclicã. Pentru "capturarea" componentei sezoniere se
97
calculeazã indicii de sezonalitate. Pentru izolarea componentei
sezoniere se calculeazã coeficienþii sezonieri ( Sj ), pe baza cãrora
se desezonalizeazã seria iniþialã. Aceastã operaþie se face prin
raportarea valorilor aberante ( yi ) la coeficienþii sezonieri.
Resezonalizarea este operaþia inversã desezonalizãrii,
aplicatã asupra valorilor calculate prin ajustare. Resezonalizarea se
realizeazã în funcþie de modelul de compunere admis, în sens
previzional.
7.8.1 Depistarea graficã a variaþiilor sezoniere
Grafic, seria ajustatã se prezintã sub forma unei linii

ondulatorii, cu bucle riguros identice, mai aplatizate faþã de
cronograma iniþialã, repetabile în jurul liniei de trend.
7.8.2 Ajustarea prin medii mobile
Ajustarea seriilor cronologice cu variaþii sezoniere prin

metoda mediilor mobile constã în înlocuirea termenilor empirici
cu termeni rezultaþi în urma calculãrii mediilor mobile pentru
seria datã. Prin înlocuirea termenilor reali cu termeni calculaþi va
rezulta o curbã mai rotunjitã sau o dreaptã de tendinþã, cu condiþia
ca sã se fi determinat corect periodicitatea de variaþie a
98
fenomenului. Periodicitatea este evidenþiatã de punctele de maxim
sau de minim.
Calculul mediilor mobile constã în aflarea mediilor

aritmetice dintr-un numãr impar sau par de termeni luaþi succesiv,
în funcþie de mãrimea unui ciclu de variaþie. Când numãrul de
termeni luaþi în calcul este impar, mediile obþinute cad pe termeni
reali pe care-i vor înlocui. Când se cuprinde în calcul un numãr par
de termeni, mediile cad între doi termeni reali.
Pentru a afla ce termen va fi înlocuit se face centrarea
mediilor mobile, adicã se determinã media aritmeticã din douã
medii mobile consecutive. Procedeul de determinare a mediilor
mobile este evidenþiat în tabel.
Numãrul termenilor din seria ajustatã prin medii mobile este egal
cu: N - (n - 2) -1, respectiv N - (n - 2) - 2, unde:
N, reprezintã numãrul termenilor din seria empiricã,
n numãrul termenilor cuprinºi în calculul mediilor mobile.
99
Prima relaþie este pentru un n impar, iar a doua pentru un n par. De
exemplu, când N = 7, iar n = 3, respectiv n = 4, rezultã cã seria
ajustatã poate avea 7 - ( 3 - 2 ) -1 = 5 termeni, respectiv
7 - (4 - 2) - 2 = 3 termeni.
7.8.3 Indicii de sezonalitate
Devierile faþã de valoarea medie, datorate sezonalitãþii, pot fi

mãsurate prin indici de sezonalitate.
Indicii de sezonalitate se determinã ca raport între termenii
reali ºi cei ajustaþi:
yi yi
i 100, respectiv i
yi 1 yi 2
7.8.4 Coeficienþii sezonieri
Variaþiile sezoniere ( St ) se repetã, teoretic, identic de la o

perioadã la alta (lunã de lunã, trimestru de trimestru) ºi se
compenseazã la nivelul anului, conform principiului de conservare
a ariilor. Practic, variaþiile sezoniere nu se repetã absolut identic.
Pentru a ajusta o serie realã, respectând exigenþele modelului
teoretic, variaþiile sezoniere St observate se înlocuiesc cu valori
calculate numite coeficienþi sezonieri, Sj , j =1,..., p perioade
(j=1,..., 12 , pentru luni, respectiv j =1,..., 4 , pentru trimestre).
Calculul coeficienþilor sezonieri

Coeficienþii sezonieri se calculeazã ca o medie aritmeticã a
variaþiilor sezoniere, lunã de lunã
n
sau trimestru de trimestru, pe
ansamblul a n ani: 1
Sj Sij
n i 1
unde Sij=St, j este luna sau trimestrul pentru care se calculeazã
coeficientul sezonier, iar i reprezintã anii observaþi.
100
Conform principiului compensãrii variaþiilor sezoniere la
nivelul anului, suma, respectiv media coeficienþilor sezonieri, pe
an, trebuie sã fie zero.
În calcule apar rezultate uºor diferite, ca urmare a
aproximãrilor. Efectul lor poate fi compensat printr-un corector „
dt ” rezultând un coeficient sezonier corectat, Sj' .
În cazul modelului aditiv, corectarea coeficienþilor sezonieri

presupune calculul diferenþelor: Sj '=Sj – dt , unde:
p
1
dt Sj
p j 1
Rolul coeficientului corector „ d ” este de a repartiza

eroarea de aproximare pe ansamblul perioadelor, astfel devenind
posibilã respectarea principiului compensãrii:
S 'j 0
În cazul modelului multiplicativ, corectarea coeficienþilor

sezonieri presupune calculul raportului:
'
Sj
S j
dt
iar media lor este egalã cu unitatea: S 1
Exemplu
Datele înregistrate trimestrial, pe durata a doi ani, cu privire
la cifra de afaceri a unei firme sunt prezentate în tabel. Admitem
ipoteza continuitãþii trendului, a stabilitãþii sezoniere ºi a lipsei
influenþelor accidentale. Se cere:
• sã se determine tendinþa seriei
• sã se calculeze indicii de sezonalitate ºi coeficienþii sezonieri
• sã se desezonalizeze seria;
• sã se extrapoleze seria pentru trimestrul I al anului urmãtor
celor observaþi.
101
Anul 1 2
Trim.
1 1 2
2 3 5
3 4 7
4 2 4
1. Determinarea tendinþei
Reprezentarea graficã a seriei evidenþiazã clar o evoluþie
sezonierã, cu valori maxime în trimestrul 3 ºi minime în
trimestrul 1. De asemenea, se observã o evoluþie
medie liniarã ft = a + b t.
Elementele de calcul pentru linia de trend ºi valorile estimate ( yti )
102
Ecuaþia de trend liniar pentru seria consideratã este:
yt =1,16 + 0,52 t.
2. Calculul indicilor de sezonalitate ºi a coeficienþilor de

sezonalitate
Indicii de sezonalitate sunt calculaþi ca raport între valoarea
observatã yi ºi valoarea calculatã corespunzãtoare a trendului ft,
respectiv yt .
Se observã cã indicii de sezonalitate variazã în jurul unitãþii.
Valoarea lor medie la nivelul unui ciclu sezonier (al unui an,
în cazul nostru) este egalã cu unitatea. De asemenea, se observã cã
valorile primului ºi ultimului trimestru, din fiecare an, sunt
subunitare, în celelalte trimestre sunt supraunitare, ºi cã valorile lor
din fiecare trimestru sunt diferite.
Coeficienþii de sezonalitate se calculeazã ca medie aritmeticã
simplã a variaþiilor sezoniere pentru fiecare trimestru ( Sj ), în
cursul celor doi ani consideraþi (cicluri sezoniere) ºi anume:
0,595 0,532 1,364 1,168
S1 0,564 S 2 1,266
2 2
1,470 1,458 0,617 0,752
S3 1,464 S 4 0,685
2 2
103
Observaþii
Media celor patru coeficienþi de sezonalitate trebuie sã fie egalã cu
1, evidenþiind faptul cã variaþiile sezoniere în interiorul unui ciclu
se compenseazã. În cazul nostru, valoarea medie a coeficienþilor
de sezonalitate este egalã cu 0,995, valoare ce poate fi admisã,
þinând cont de aproximãrile luate în calcul.
3. Desezonalizarea seriei
Desezonalizarea seriei presupune calculul valorilor corectate
ºi are ca scop obþinerea tendinþei fãrã influenþa sezonierã. Seria
desezonalizatã se obþine prin raportarea valorilor empirice, yi la
valoarea coeficienþilor de sezonalitate corespunzãtori, (Sj).
Rezultatele sunt prezentate în tabel, coloana 7.
4. Prognoza nivelului cifrei de afaceri pentru trimestrul 1 al anului

urmãtor celor observaþi
Folosim modelul de compunere multiplicativ yt = ft· St

unde: ft - trendul; St – componenta sezonierã.
a. Extrapolarea trendului. Valoarea prognozatã, prin
extrapolarea trendului, pentru ti = 9 (trimestrul 1 al anului 3), este:
y9 = 1,16 + 0,52 · 9 = 5,84.
b. Corectarea valorii prognozate. Corectarea valorii

extrapolate cu influenþa sezonierã presupune resezonalizarea
valorii, adicã:
y9(1) = y9 · i 1 = 5,84 · 0,564 = 3,7376
În concluzie, ne putem aºtepta ca cifra de afaceri a firmei "A"

sã atingã, în trimestrul I al anului trei considerat, valoarea de
3,7376 sute milioane lei, numai dacã se respectã ipotezele admise
iniþial, ºi anume: continuitatea trendului, pãstrarea stabilitãþii
sezoniere ºi lipsa influenþelor accidentale.
104

Econometrie

Încărcat de

Drepturi de autor:

Formate disponibile

Econometrie

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Econometrie

Încărcat de

Drepturi de autor:

Formate disponibile

Cuprins

Modelele econometrice analizeazã calitatea ºi cantitatea

1.1 Ce este econometria?

Metodã: Econometria studiazã realitãþile economice sub

Scop: Scopul principal al econometriei este identificarea,

1.2 Ce poate ºi ce nu poate realiza econometria

Metodele de prelucrare a datelor urmãresc îndeosebi

Aspecte pe care econometria nu le poate rezolva sau încã nu

1.3 Repere istorice

Variabile: În cercetarea econometricã se utilizeazã variabile

Alãturi de aceste douã categorii de variabile, în

Variabila rezidualã se obþine în urma calculului abaterilor

Medie = nivel central obþinut în urma unui calcul privind un

unde xi reprezintã valorile variabilei, iar fi frecvenþa de apariþie.

Dispersie = indicator sintetic destinat mãsurãrii împrãºtierii

“var” sau s2 (numitã ºi varianþã).

Dispersia variabilei aleatoare x:

Abaterea medie pãtraticã:

Covarianþa (cov) variabilelor x1, x2 reprezintã un indicator

Estimarea parametrilor unei funcþii se situeazã în centrul atenþiei

Parametru: Parametrii modelului econometric, numiþi ºi

Estimatori: Estimatorii sunt variabile aleatoare, convenabil

• convergenþa - un estimator este convergent dacã pentru un

• eficienþa – estimatorul ˆ este eficient dacã are dispersia sau

Autocorelaþie, autoregresie = noþiuni care se referã la

Autocorelaþia implicã determinarea intensitãþii corelaþiei

Autoregresia presupune analiza gradului de dependenþã

2.1 Relaþiile de cauzalitate în economie

Exemple de relaþii din economie care implicã un efect ºi un

2.2 Modelul liniar simplu

2.2.1 Prezentarea problemei. Exemple din economie

Exemple din economie de modele liniare simple

2.2.2 Model ºi ipoteze

Modelul de regresie liniarã simplã exprimã legãtura liniarã

a reprezintã ordonata la origine, care aratã valoarea lui y când

Ipotezele modelului de regresie vizeazã variabila rezidualã ºi

2.3 Estimarea parametrilor modelului

Reprezentarea într-un sistem de axe a punctelor de

Diagrama împrãº tierii

40 y-vânzãri (mii kg)

Metode de estimare care îndeplinesc condiþiile enumerate

2.5 Metoda celor mai mici pãtrate

Condiþia este ca estimaþiile sã fie astfel alese încât aceastã

2.5.1 Interpretarea parametrilor estimaþi

x y y-M(y) x-M(x) (y-M(y))(x-M(x)) (x-M(x))2

2.5.2 Precizãri de naturã teoreticã privind analiza de

O apropiere a modelului econometric de diversitatea ºi

3.1 Cazul liniar multifactorial

În cazul în care relaþia dintre variabila-efect ºi fiecare dintre

Datele de care dispunem se referã la valori trimestriale privind:

Datele pentru n = 15 trimestre succesive:

Se acceptã varianta liniarã.

3.2.2 Estimarea parametrilor

• Se egaleazã cu 0 derivatele parþiale în raport cu fiecare

Rezultã sistemul de ecuaþii normale:

aˆ0 vi aˆ1 vi2 aˆ 2 vi zi vi yi

aˆ0 zi aˆ1 vi zi aˆ 2 zi2 z i yi

Sistemul se poate scrie în formã matricealã astfel:

Interpretarea se referã ºi la semnul parametrului. Dacã

3.3 Recomandãri în ceea ce priveºte aplicarea