Professional Documents
Culture Documents
CIPRIAN ŞIPOŞ
ECONOMETRIE
MANUAL
ANUL II
CUPRINS
CAPITOLUL 1. PRINCIPII ALE MODELĂRII ECONOMETRICE 7
1.1. Tipologia legăturilor dintre variabilele economice …………….. 7
1.2. Modelul – element fundamental al analizei econometrice …...… 9
5
OBIECTIVELE DISCIPLINEI ECONOMETRIE
6
CAPITOLUL 1. PRINCIPII ALE MODELĂRII
ECONOMETRICE
7
După sensul legăturii, acestea pot fi legături directe, atunci când
modificarea variabilei rezultative este în acelaşi sens cu modificarea factorului
de influenţă analizat, sau legături inverse, atunci când variabila rezultativă se
modifică în sens contrar modificării factorului de influenţă. În modelele
econometrice pot exista situaţii în care între aceleaşi variabile pe anumite
porţiuni să existe legături directe, iar pe alte porţiuni să existe legături inverse,
în funcţie de evoluţia factorilor de influenţă.
În funcţie de forma legăturii dintre variabile, folosind clasificarea
dihotomică, distingem legături liniare şi legături neliniare. Forma legăturii se
determină cel mai adesea intuitiv, prin modul de transpunere a punctelor în
planul de reprezentare grafică a variabilelor rezultative şi factoriale. În modele
econometrice, legătura liniară ocupă un loc aparte, datorită accesibilităţii
prezentării şi a posibilităţilor numeroase de interpretare, cu toate că în natură şi
în evoluţia reală a fenomenelor economice este mai puţin întâlnită. Identificarea
modelelor neliniare (parabolice, exponenţiale, hiperbolice, logistice, etc.),
uneori mult mai adecvate, ridică probleme mari şi diverse în determinarea şi,
mai ales, în interpretarea parametrilor. Există şi situaţii în care modele de tip
neliniar pot fi liniarizate prin anumite metode (cel mai adesea prin logaritmare)
şi interpretate prin prisma legăturilor de tip liniar.
După momentul în care se realizează legătura, legăturile pot fi
concomitente sau sincrone, caz în care dacă variabila factorială se modifică şi
variabila rezultativă se va modifica în acelaşi timp, ori legături asincrone sau cu
decalaj, caz în care variaţia variabilei rezultative se produce după scurgerea
unei perioade de timp de la modificarea variabilei factoriale.
După intensitatea conexiunii cauzale distingem independenţă totală sau
lipsa de legături, legături funcţionale sau totale şi legături relative sau statistice.
Conexiunea nulă semnifică absenţa oricărei legături între variabila rezultativă şi
factorii de influenţă luaţi în considerare, sau în formulare statistică, absenţa
reciprocă a corelaţiilor dintre aceste variabile, în timp ce conexiunea funcţională
apare atunci când la fiecare valoare posibilă a variabilei rezultative corespunde
o singură valoare a factorului de influenţă. Această conexiune este una specifică
ştiinţelor tehnice şi ale naturii, în care pentru o valoare dată a factorului de
influenţă există o singură valoare posibilă a variabilei rezultative. Aceste
conexiuni sunt rar întâlnite în economie, unde practic nu există astfel de
dependenţe totale. Conexiunea relativă sau statistică (stochastică) este tipul de
legătură cel mai des întâlnit în studiul fenomenelor din economie.
Interes aparte, prin urmare, îl prezintă acest din urmă tip de legături.
Particularitatea lor principală constă în faptul că la o valoare dată a factorului de
influenţă corespunde o distribuţie de valori posibile ale variabilei rezultative.
8
1.2. Modelul – element fundamental al analizei
econometrice
9
legăturile dintre variabilele exogene şi endogene şi, în modul acesta, permite
rezolvarea unei serii de probleme economice. Fără îndoială că, privind lucrurile
în mod abstract, modelele econometrice sunt întotdeauna de preferat, conferind
o calitate maximă analizei. Din păcate, eficacitatea modelelor econometrice
este, uneori, destul de limitată, iar aceasta din mai multe motive.
O dependenţă statistică, larg utilizată în econometrie, se prezintă sub
forma:
Ci = f(Xi) + εi
10
◊ testarea statistică a semnificaţiei parametrilor estimaţi;
◊ interpretarea rezultatelor obţinute în funcţie de semnul şi nivelul
parametrilor respectivi;
◊ previzionarea variabilei rezultative pe baza modelului construit.
O altă direcţie în domeniul analizei cantitative a desfăşurării proceselor
economice o reprezintă studiul, prin metode statistice, a comportamentului
seriilor cronologice. Seriile lungi de date oferite de publicaţiile statistice scot în
evidenţă repetabilităţi care pot fi descrise de modele adecvate de analiză şi
previziune a evoluţiei în timp a cursurilor de schimb.
În cazul acestor serii cronologice, de timp sau dinamice, cum mai sunt ele
denumite, factorii de influenţă utilizaţi în funcţiile de regresie sunt înlocuiţi de
către factorul timp înţeles ca o acumulare de perioade de timp egale, aspect
exprimat frecvent prin şirul numerelor naturale (1, 2, 3, ….. , t).
Cea mai utilizată formă de analiză a seriilor cronologice este reprezentată
de descompunerea evoluţiei seriei pe componente determinate de acţiunea
diferiţilor factori de influenţă. Sub acţiunea unui complex de factori de
influenţă, consideraţi independenţi unul faţă de celălalt, în cadrul unei serii
dinamice se pot identifica următoarele componente:2
◊ trendul sau tendinţa centrală (tt) reflectă legitatea specifică de
evoluţie a variabilei rezultative pe o perioadă lungă de timp (de ordinul anilor),
făcând abstracţie de abaterile faţă de nivelul mediu, respectiv, de erorile sau
valorile reziduale datorite influenţei factorilor aleatori;
◊ variaţiile ciclice (ct) reprezintă oscilaţiile interanuale în jurul
tendinţei centrale cu un caracter mai puţin sistematic, în sensul că atât
intervalele la care oscilaţiile se manifestă, cât şi intensitatea lor, prezintă o
relativă inconstanţă în decursul timpului;
◊ variaţiile sezoniere (st) sunt acea componentă sistematică ce se
manifestă prin oscilaţii de perioadă mai mică sau cel mult egală cu un an,
repetabile în timp. Sezonalitatea se manifestă sub forma unor abateri de la
medie care revin regulat de-a lungul unui an şi are un caracter mai mult sau mai
puţin pregnant în funcţie de specificul domeniului studiat;
◊ variaţiile aleatoare (εt) apar datorită unor factori necuantificabili şi
cu acţiuni imprevizibile. În funcţie de proprietăţile variabilei aleatoare pot fi
aplicate anumite tehnici de estimare şi previziune a seriei cronologice.
În măsura în care volumul de date studiat este suficient de mare, în
analiza unei serii cronologice se regăsesc mai multe tipuri de scheme de
descompunere.
2
T. Andrei, S. Stancu – Statistica. Teorie şi aplicaţii, Editura ALL, Bucureşti, 1995, pag. 385
11
O primă schemă o reprezintă schema aditivă în care cele patru
componente ale seriei studiate sunt însumabile direct, astfel:
Ct = tt + ct + st + εt ,
dt = tt + ct
Ct = dt + dt ⋅ st + εt = dt (1 + st) + εt
Ct = dt (1 + st)(1 + εt)
12
Ct = f(Ct-1, Ct-2, …… ,Ct-k) + εt
unde prin k s-a desemnat numărul perioadelor din trecut care acţionează asupra
valorii prezente a cursului de schimb.
Aceste modele econometrice, fie ele regresii sau serii cronologice, nu pot
fi utilizate fără a se ţine cont de principiile stabilite de teoriile economice care
analizează comportamentul variabilelor economice, fapt pentru care se impune
evitarea matematizării lor excesive, care duce de cele mai multe ori la ruperea
legăturii cu realităţile economice studiate.
Desigur, econometria prezintă numeroase avantaje, dar şi destule limite,
important fiind ca soluţiile noi oferite de către aceasta, care se dovedesc a fi
serios argumentate şi rezistente la rigorile practicii economice, să fie preluate în
rândul metodelor general acceptate, astfel încât rolul econometriei în cadrul
analizei economice să fie consolidat.
13
14
CAPITOLUL 2. MODELE ECONOMETRICE
UNIFACTORIALE
y=α+β⋅x+ε
3
J.H. Stock, M.W. Watson, Introduction to Econometrics, Addison – Wesley, 2003, pag. 93 – 96
15
Parametrul α reprezintă valoarea pe care o ia variabila rezultativă y atunci
când variabila factorială are valoarea zero şi poate avea relevanţă în model sau
nu, în funcţie de cazul concret analizat.
Parametrul β , numit şi coeficient de regresie, reprezintă panta dreptei de
regresie, adică valoarea cu care se modifică variabila rezultativă y atunci când
variabila factorială x se modifică cu o unitate.
Semnul şi valoarea parametrului β prezintă o importanţă majoră în
descrierea interdependenţei dintre variabila rezultativă şi cea factorială.
Astfel, dacă β > 0, atunci legătura dintre variabila factorială x şi variabila
rezultativă y este directă (când x are evoluţie crescătoare, creşte şi y, iar când x
are evoluţie descrescătoare, scade şi y). Când β este pozitiv se pot distinge trei
situaţii: dacă β < 1, atunci influenţa variabilei factoriale asupra celei rezultative
este mai slabă (la variaţia cu o unitate a variabilei factoriale x, variabila
rezultativă y variază cu o valoare subunitară); dacă β > 1, atunci influenţa
variabilei factoriale asupra celei rezultative este foarte puternică (la variaţia cu o
unitate a variabilei factoriale x, variabila rezultativă y variază cu o valoare
supraunitară); dacă β = 1, atunci variabila rezultativă y variază direct
proporţional cu variaţia variabilei factoriale x.
Dacă β < 0, atunci legătura dintre variabila factorială x şi variabila
rezultativă y este inversă, de sens contrar (când x evoluează crescător, y are o
evoluţie descrescătoare, iar când x evoluează descrescător, y are o evoluţie
crescătoare).
În situaţia în care β = 0, variabila rezultativă y este complet
independentă în raport cu variabila factorială x.
Analiza de regresie în cazul modelului unifactorial liniar constă în
estimarea parametrilor α şi β, prin determinarea a doi estimatori α̂ şi β̂ .
Aceşti estimatori trebuie calculaţi astfel încât diferenţa dintre valorile
reale ale variabilei rezultative (yi) şi valorile estimate cu ajutorul parametrilor
calculaţi ( ŷ i = αˆ + βˆ ⋅ x i ) să fie cât mai mică ( yi − ŷi = minim).
Deoarece funcţia de regresie utilizată este de tip stochastic, parametrii α
şi β nu sunt valori unice, ci au conţinut de medii, care se estimează cu ajutorul
metodelor specifice oferite de matematică şi statistică4.
4
R.S. Pindyck, D.L. Rubinfeld, Econometric Models and Economic Forecasts, Fourth Edition,
McGraw – Hill, 1998, pag. 57 – 66
16
2.1.2. Estimarea parametrilor
Dacă se ia în studiu un set de date reale referitoare la variabila
rezultativă, respectiv la variabila factorială, se va observa că reprezentarea
grafică a modelului liniar aproximează mai mult sau mai puţin exact legătura
dintre cele două variabile. Este puţin probabil ca cele două variabile să fie legate
strict printr-o relaţie liniară, de tip funcţional.
O cuantificare deterministă, exactă a valorilor parametrilor α şi β este
imposibil de realizat, deoarece nu se pot cuprinde în model absolut toate
influenţele existente. Acest lucru a determinat introducerea în model a variabilei
aleatoare, perturbatoare ε, care însumează efectul tuturor factorilor rămaşi în
afara modelului, fie ei nesemnificativi sau necuantificabili.
Variabila aleatoare se presupune că are o repartiţie normală de medie
nulă şi varianţă constantă pentru eşantionul de date analizat. Cu cât volumul
eşantionului este mai mare, cu atât aceste presupuneri sunt mai apropiate de
realitate.
În aceste condiţii, fiecărei valori date xi a variabilei factoriale îi
corespunde o distribuţie normală de valori yi ale variabilei rezultative, de medie
α + β ⋅ xi şi varianţă constantă.
Aceste ipoteze permit abordarea în condiţii de rigurozitate ştiinţifică a
problematicii estimării parametrilor α şi β.
Valorile estimatorilor parametrilor, notate mai sus cu α̂ şi β̂ pot fi
determinate cu ajutorul mai multor metode matematice şi statistice.
Una din metodele care ţine seama de restricţiile prezentate este
metoda celor mai mici pătrate iniţiată de matematicianul francez A.M.
Legendre şi îmbunătăţită de K. Gauss, P.S. Laplace, P.L. Cebîşev şi A.A.
Markov.5 Aplicarea ei are la bază câteva ipoteze fundamentale:
datele privind variabila rezultativă şi cea factorială sunt obţinute fără
erori de observare sau măsurare;
variabila aleatoare sau reziduală ε este de distribuţie normală, de
medie nulă (E(εi) = 0) şi de varianţă constantă şi diferită de zero;
variabila aleatoare ε urmează o distribuţie independentă de valorile
variabilei factoriale x;
valorile variabilei aleatoare nu sunt autocorelate.
Principiul metodei celor mai mici pătrate constă în minimizarea sumei
pătratelor erorilor de estimare, conform relaţiei:
5
E. Pecican, Econometrie, Editura ALL, Bucureşti, 1994, pag. 50
17
n
( ) n n
(
∑ ε i = ∑ ( yi − ŷi ) = ∑ yi − αˆ − βˆ ⋅ xi
i =1
2
i =1
2
i =1
)2
= min
n
( )
2 ∑ y i − αˆ − βˆ ⋅ xi (− 1) = 0
i =1
n
( )
2 ∑ yi − αˆ − βˆ ⋅ xi (− xi ) = 0
i =1
n ⋅ αˆ + βˆ ⋅ n x = n y
∑ i ∑ i
i =1 i =1
n n n
αˆ ⋅ ∑ xi + βˆ ⋅ ∑ xi2 = ∑ xi yi
i =1 i =1 i =1
6
E. Pecican, op. cit., pag. 51
18
Calitatea estimatorilor calculaţi poate fi apreciată în funcţie de
îndeplinirea de către aceştia a unor condiţii absolut necesare unei analize
corecte: să conducă spre un grad înalt de determinare, să fie nedistorsionaţi,
eficienţi şi consistenţi. Atunci când se utilizează metoda celor mai mici pătrate
este necesar să fie cunoscute câteva consideraţii privind calitatea estimatorilor
rezultaţi7:
ridicarea la pătrat a abaterilor ( yi − ŷi ) conduce la pătratele de arie
minimă a erorilor de estimare, ceea ce reprezintă un element pozitiv.
Trebuie avut însă în vedere faptul că această modalitate de calcul atribuie o
importanţă destul de mare abaterilor mari, în sus sau în jos, faţă de medie,
deoarece acestea prin ridicare la pătrat devin extrem de mari, afectând
corespunzător estimaţiile. De aceea, atunci când se studiază perioadele cu
fluctuaţii foarte mari ale variabilei rezultative în raport cu media, este
indicată minimizarea sumei abaterilor luate în calcul la valoarea lor
n
absolută: ∑ y i − ŷ i = min;
i =1
calitatea estimatorilor de a fi nedistorsionaţi nu implică neapărat egalităţile
αˆ = α şi βˆ = β , ci presupune ca media estimatorului, obţinută pe
baza unui număr cât mai mare de eşantioane, să fie egală cu valoarea reală a
parametrului corespunzător. Din acest punct de vedere, este importantă
repartiţia valorilor variabilei aleatoare ε , precum şi varianţa valorilor
estimate în jurul mediei. Cu cât această varianţă este mai mică, cu atât
estimatorii sunt mai puţin distorsionaţi;
pentru eşantioane mai mici de 30 de valori este dificil să se ajungă la
estimatori ai parametrilor modelului care să respecte toate restricţiile.
Repartiţia variabilei aleatoare se modifică, varianţa estimatorilor creşte, iar
distorsiunea devine tot mai mare, pe măsură ce volumul eşantionului scade.
De aceea, modelele cu cele mai mari şanse de reuşită sunt cele bazate pe
eşantioane de volum mare.
Obţinerea valorilor estimate ale parametrilor α şi β înseamnă finalizarea
analizei de regresie a modelului unifactorial liniar.
Analiza corelaţiei în cazul modelului unifactorial liniar se realizează cu
ajutorul coeficientului de corelaţie liniară simplă, a raportului de corelaţie
simplă şi a coeficientului de determinaţie, dacă variabilele sunt cantitative, iar
dacă variabilele sunt calitative, se utilizează metodele neparametrice de
măsurare a intensităţii legăturii.
7
C. Şipoş, C. Preda, Statistică Economică, Editura Mirton, Timişoara, 2004, pag. 129 – 130
19
2.1.3. Verificarea statistică a modelului
În urma analizei de regresie şi a analizei corelaţiei s-au stabilit forma,
sensul şi intensitatea legăturii dintre variabila rezultativă şi variabila factorială.
Modelul rezultat în urma parcurgerii acestor etape îşi propune să aproximeze cât
mai bine realitatea economică studiată. Gradul de îndeplinire a acestui deziderat
se determină printr-un ansamblu de metode şi teste statistice care sunt numite
generic verificarea statistică a modelului.
Această etapă de verificare a modelelor econometrice pe baza unor
teste statistice este absolut necesară, datorită faptului că estimarea parametrilor
modelelor se realizează pe baza unor eşantioane de date, mai mult sau mai puţin
reprezentative. Astfel, luând în considerare un număr destul de redus de valori
(uneori sub 30 de date) se doreşte să se ajungă la estimări valabile pentru o
colectivitate generală formată din sute sau chiar mii de cazuri. Orice modificare
a volumului eşantionului duce, de regulă, la modificarea valorilor estimate, ceea
ce înseamnă că aceste valori au un grad ridicat de relativitate.8
În aceste condiţii, apar probleme legate de măsura în care soluţiile
unui model pot fi generalizate, de faptul că estimaţiile obţinute pot fi
semnificative sau doar întâmplătoare, rezultat al unei conjuncturi de valori din
cadrul eşantionului, precum şi de limitele între care estimatorii pot varia fără a
influenţa aprecierile iniţiale şi concluziile referitoare la semnificaţia lor.
Aceste probleme sunt rezolvate, în general, cu ajutorul testelor
statistice, care studiază semnificaţia parametrilor modelului econometric şi
calitatea acestuia de a descrie relaţia de dependenţă dintre variabila rezultativă
şi factorii de influenţă luaţi în considerare. Pentru aceasta, în primul rând,
trebuie cunoscută legea de repartiţie care caracterizează comportamentul
variabilelor studiate – rezultativă, factorială şi aleatoare.
Legea de repartiţie a unei variabile aleatoare x exprimă probabilitatea
P ca variabila respectivă să ia o anumită valoare.
Funcţia de repartiţie F(x) se referă la probabilitatea ca variabila x să ia
o valoare mai mică decât un anumit nivel dat xi:
xi
F(x) = P(x < xi) = ∫ f ( x )dx
0
8
C. Şipoş, Modelarea comportamentului cursului de schimb al leului, Editura Universităţii de
Vest, Timişoara, 2003, pag. 80
20
x2
F(x) = P(x1 < x < x2) = ∫ f ( x )dx
x1
− ( x − m )2
1
f (x ) = ⋅e 2σ 2
σ 2π
Calculul diferitelor valori ale densităţii de repartiţie pentru diverse
valori ale mediei şi abaterii medii pătratice este destul de dificil şi, din acest
motiv, se preferă o transformare a repartiţiei normale prin utilizarea variabilei
standardizate z:
x−m
z=
σ
Atunci densitatea de probabilitate a variabilei z este:
−1
1 ⋅z 2
f (z ) = ⋅e 2
σ 2π
şi se numeşte densitatea de probabilitate a variabilei normale de medie nulă şi
abatere medie pătratică egală cu unitatea N(0, 1).
Funcţia de repartiţie, care dă ponderea unităţilor care au valoarea
caracteristicii mai mică decât o valoare x fixată este:
21
x x − ( t − m) 2
1
F ( x) = P( X < x) = ∫ f (t )dt = ⋅ ∫e 2σ 2
dt
−∞ σ 2π −∞
1 n
∑ ( yi − ŷi )
2
sε =
(n − 2 ) i = 1
9
C. Chilărescu, O. Ciorîcă, C. Preda, C. Şipoş, N. Surulescu, Bazele statisticii, Editura
Universităţii de Vest, Timişoara, 2002, pag. 110 – 114
22
În principiu, cu cât această eroare este mai mică în raport cu valorile
variabilei rezultative, cu atât modelul aproximează mai corect realitatea
economică studiată. Interpretarea calităţii modelului în funcţie de valoarea erorii
standard a modelului este destul de relativă, fapt pentru care utilitatea acesteia
constă mai degrabă în a fi folosită în determinarea altor parametri statistici de
verificare a modelului;
• a doua categorie reprezintă abateri ale valorilor estimate ale
parametrilor funcţiei de regresie de la valorile lor reale şi se numesc erori
standard ale parametrilor modelului. Ele se determină pentru fiecare parametru
în parte. În cazul modelului unifactorial liniar, cele două erori standard ale
parametrilor α şi β , notate cu sα , respectiv, sβ sunt:
n
2
∑ xi
i =1
sα = sε 2
n ⋅ ∑ x − ∑ xi
n n
2
i
i =1 i =1
n
s β = sε 2
n ⋅ ∑ x − ∑ xi
n n
2
i
i =1 i =1
Cu cât aceste erori ale parametrilor modelului sunt mai mici în raport
cu valorile absolute ale parametrilor pe care îi caracterizează, cu atât valorile
estimate ale parametrilor respectivi sunt mai apropiate de cele reale.
Pentru ca modelul elaborat să fie corect din punct de vedere statistic,
el trebuie să îndeplinească condiţia de normalitate a variabilei aleatoare ε,
prezentată în etapa formulării ipotezelor iniţiale10. Aceasta se poate verifica cu
ajutorul mai multor teste statistice, dintre care mai des utilizat este testul χ2,
care constă în compararea frecvenţelor absolute efective, ni, ataşate valorilor
variabilei aleatoare, cu valorile teoretice, pi.
Efectuarea testului χ2 presupune parcurgerea următoarelor etape:
1. Se formulează ipoteza nulă H0, prin care se presupune că distribuţia
variabilei aleatoare este normală;
2. Se calculează valorile standardizate zi, conform relaţiei:
10
C. Şipoş, C. Preda, Econometrie, Editura Mirton, Timişoara, 2006
23
xi − m
zi =
σ
3. Se determină din tabelul Laplace valorile ϕ(zi) corespunzătoare;
4. Se calculează valorile teoretice pi = ϕ(zi) – ϕ(zi–1);
5. Se determină o valoare calculată χ2c , astfel:
k (ni − npi )2
2
χc= ∑
i =1 npi
n
∑ (ε i − ε i−1 )
2
i=2
d= n
∑ ε i2
i =1
11
C. Chilărescu, Modele econometrice aplicate, Editura Mirton, Timişoara, 1994, pag. 25 – 26
24
– dacă d < dL, înseamnă că ipoteza autocorelării variabilei aleatoare
se acceptă, adică valorile variabilei aleatoare sunt dependente una faţă de
cealaltă, ceea ce implică faptul că şi înregistrările de date în eşantioane sunt
dependente unele de altele şi modelul trebuie corectat;
– dacă dL ≤ d ≤ dU, testul este neconcludent şi trebuie refăcut pe alte
eşantioane de date;
– dacă d > dU, înseamnă că ipoteza autocorelării variabilei aleatoare
se respinge, adică valorile variabilei aleatoare sunt independente între ele, ceea
ce implică faptul că şi înregistrările de date în eşantioane au fost independente.
În această situaţie, modelul este corect din punct de vedere statistic. În practica
econometrică, având în vedere faptul că, rareori, valorile tabelare ale acestui test
depăşesc valoarea 2 se spune că dacă valoarea calculată d este mai mare decât 2,
atunci modelul este corect. Pentru rigurozitate ştiinţifică, însă, este de preferat
să se tragă concluziile după compararea lui d cu valorile tabelare aferente
testului Durbin – Watson.12
În prima situaţie, cea în care modelul trebuie corectat, se parcurge un
algoritm de corecţie, după cum urmează:
Având în vedere faptul că variabila aleatoare este autocorelată,
înseamnă că între fiecare pereche de valori (εi; εi-1 ) există o relaţie care poate fi
descrisă cu ajutorul unei funcţii de regresie de forma:
εi = r⋅ εi-1 + ui
unde r este panta dreptei de regresie, iar ui este perturbaţia aferentă acestei
funcţii.
Deoarece variabila aleatoare este autocorelată, r va fi un estimator al
coeficientului de corelaţie ρ care arată intensitatea legăturii între εi şi εi-1 13 şi se
determină cu relaţia:
n
∑ ε i ⋅ ε i −1
i =2
r= n
2
∑ εi
i =1
12
C. Şipoş, C. Preda, Econometrie, Editura Mirton, Timişoara, 2006
13
W.H. Greene, Econometric Analysis, Fifth Edition, Prentice Hall, 2003, pag. 268 – 271
25
implică utilizarea metodei diferenţelor generalizate14, care conduce la un model
în care valorile variabilei aleatoare sunt independente între ele. Astfel,
presupunând că modelul analizat este valabil pentru orice moment luat în
considerare, se poate spune că, la momentul i – 1 este valabilă relaţia:
yi* = yi – r ⋅ yi-1
xi* = xi – r ⋅ xi-1
ui = εi – εi-1
14
R.S. Pindyck, D.L. Rubinfeld, op. cit., pag. 161 – 162
26
Etapa III. Se determină valoarea calculată (Fc) ca raport între estimatorul
varianţei explicate s2y/x şi estimatorul varianţei reziduale sε2, după relaţia:
s y2 / x
Fc =
sε2
Etapa IV. Se alege valoarea tabelară sau critică (Ft) din tabelul
repartiţiei Fisher – Snedecor în funcţie de nivelul de semnificaţie α şi de
numărul de grade de libertate;
Etapa V. Se compară valoarea calculată Fc cu valoarea tabelară Ft şi
pot rezulta două situaţii:
– dacă Fc ≤ Ft, ipoteza nulă se acceptă cu probabilitatea p = 1 – α, ceea
ce înseamnă că modelul trebuie reconsiderat, fie în sensul alegerii altui factor de
influenţă, fie în sensul optării pentru o altă formă a funcţiei de regresie;
– dacă Fc > Ft, ipoteza nulă se respinge cu probabilitatea p = 1 – α, ceea
ce înseamnă că modelul a rezistat verificării, adică variabila factorială are o
influenţă semnificativă asupra variabilei rezultative.
Pentru a cerceta dacă parametrii obţinuţi în urma aplicării metodei
celor mai mici pătrate sunt consistenţi se utilizează testul Student de verificare a
semnificaţiei parametrilor modelului. Media estimatorului fiecărui parametru,
în ipoteza unei estimaţii nedistorsionate, este mărimea reală a parametrului.
Varianţa estimatorului fiecărui parametru, în cazul unei estimaţii eficiente,
depinde de împrăştierea variabilei aleatoare şi de împrăştierea valorilor
variabilelor factoriale.
Ceea ce interesează în mod deosebit este semnificaţia parametrului
corespunzător variabilei factoriale, β, dată fiind importanţa lui în măsurarea
influenţei acesteia asupra evoluţiei variabilei rezultative.
Etapele verificării semnificaţiei parametrilor cu ajutorul testului
Student sunt următoarele:
Etapa I. Se stabileşte ipoteza nulă H0 conform căreia parametrii
estimaţi α̂ şi βˆ nu diferă semnificativ de zero. Acest lucru înseamnă că se
porneşte de la presupunerea că modelul este irelevant;
Etapa II. Se stabileşte nivelul de semnificaţie al testului, notat cu α ;
Etapa III. Se determină valorile calculate ale testului Student pentru
fiecare parametru în parte, ca raport între valoarea absolută a parametrului
estimat şi eroarea sa standard, conform relaţiilor:
27
αˆ
tα =
sα
βˆ
tβ =
sβ
28
Existenţa sau absenţa unei legături liniare între variabila rezultativă y
şi variabila factorială x se probează cel mai simplu prin verificarea egalităţii
dintre raportul de corelaţie R şi valoarea absolută a coeficientului de corelaţie
liniară simplă, ρ, astfel:
– dacă cei doi parametri ai corelaţiei (prezentaţi în paragraful 3.1.1) sunt
egali (R = ρ ), legătura este liniară;
– dacă cei doi parametri sunt diferiţi (R ≠ ρ ), legătura este neliniară.
În afara acestui procedeu, în alegerea formei funcţiei de regresie au un
rol important, pe lângă cunoştinţele teoretice şi procedeele econometrice, şi
experienţa practică şi rezultatele cercetărilor similare.
În principiu, o funcţie de regresie neliniară este acea funcţie a cărei
pantă, dată de parametrul β, nu este constantă pentru orice valoare a lui x.
Estimarea parametrilor unei astfel de funcţii se realizează fie direct prin metoda
celor mai mici pătrate, fie prin diverse transformări care duc la liniarizarea
funcţiei, fie prin utilizarea unor metode numerice de estimare.
În econometrie, cele mai cunoscute şi mai des întâlnite modele
unifactoriale neliniare sunt: modelul hiperbolic, modelul parabolic şi modelul
exponenţial.
yi
β>0
β<0
0 xi
29
Modelul hiperbolic are la bază următoarea ecuaţie:
1
yi = α + β ⋅ + εi
xi
yi = α + β ⋅ xi' + ε i
n ⋅ αˆ + βˆ ⋅ n x' = n y
∑ i ∑ i
i =1 i =1
n n 2 n
i =1
( )
αˆ ⋅ ∑ x' + βˆ ⋅ ∑ x' = ∑ x' ⋅ y
i = 1 i i
i =1
i(i )
Ajustarea prin hiperbolă se recomandă atunci când variabila
rezultativă y scade, respectiv, creşte asimptotic către o valoare reală dată de
parametrul α, fapt ilustrat şi de figura 1.
Analiza de corelaţie în cazul modelului hiperbolic se realizează cu
ajutorul raportului de corelaţie R şi a coeficientului de determinaţie simplă R2.
Verificarea statistică a modelului şi discuţiile referitoare la
homoscedasticitatea variabilei aleatoare sunt similare cu cele prezentate la
modelul unifactorial liniar.
În funcţie de reprezentarea grafică a legăturii, pot fi utilizate variante
β
ale funcţiei hiperbolice, care au la bază diverse ecuaţii: y =α ⋅e x ;
β 1
y= ; y= etc.
1 α +β ⋅x
α+
x
30
2.2.2. Modelul parabolic
Acest model, numit şi modelul pătratic, este folosit, de regulă, atunci
când ritmul de evoluţie al caracteristicii urmează o curbă de tip U, cu vârfurile
în jos sau în sus. Pentru exprimarea modelului parabolic se utilizează funcţia de
gradul doi, după relaţia:
yi = α + β1⋅xi +β2⋅xi2 + εi
yi
β2 > 0
β2 < 0
0 xi
n ⋅ αˆ + βˆ ⋅ n x + βˆ ⋅ n x 2 = n y
1 ∑ i 2 ∑ i ∑ i
i =1 i =1 i =1
n
ˆ
n
2 ˆ
n
3
n
α
ˆ ⋅ ∑ xi + β 1 ⋅ ∑ xi + β 2 ⋅ ∑ xi = ∑ xi yi
i =1 i =1 i =1 i =1
αˆ ⋅ n x 2 + βˆ ⋅ n x 3 + βˆ ⋅ n x 4 = n x 2 y
i∑ =1
i 1 ∑ i
i =1
2 ∑ i
i =1
∑ i i
i =1
31
Dacă β2 > 0, vârful parabolei va fi dat de minimul funcţiei (parabola
este cu ramurile în sus), iar dacă β2 < 0, vârful parabolei este dat de maximul
funcţiei (parabola este cu ramurile în jos).
Analiza de corelaţie în cazul modelului parabolic, similar cu modelul
hiperbolic, are la bază determinarea şi interpretarea raportului de corelaţie R şi a
coeficientului de determinaţie simplă R2.
Verificarea statistică a modelului şi discuţiile referitoare la
homoscedasticitatea variabilei aleatoare sunt, de asemenea, similare cu cele
prezentate la modelul unifactorial liniar.
Modelul parabolic are, la rândul său, foarte multe variante de
exprimare, cum ar fi: lg y = α + β 1 ⋅ x + β 2 ⋅ x 2 ; y = α + β ⋅ x2 ;
2
y = α ⋅ e β ⋅x+ β ⋅x
1 2
; y = α + β 1 ⋅ lg x + β 2 ⋅ (lg x )2 etc.
yi = α ⋅ β x i
yi
β>1
0<β<1
0 xi
32
În cazul acestei funcţii, pentru a estima parametrii α şi β este necesar,
în primul rând, să se liniarizeze funcţia prin logaritmare, astfel:
33
ÎNTREBĂRI TEORETICE DE AUTOEVALUARE LA CAPITOLUL 2:
34
CAPITOLUL 3. MODELE ECONOMETRICE
MULTIFACTORIALE
35
• variabila aleatoare εi urmează o distribuţie independentă de valorile
variabilelor factoriale x1i, x2i, …, xki;
• variabilele factoriale nu sunt corelate liniar unele faţă de celelalte
(ipoteza absenţei multicoliniarităţii);
• valorile variabilei aleatoare nu sunt autocorelate.
Conform principiului metodei celor mai mici pătrate, valorile
variabilei aleatoare εi prin ridicare la pătrat, urmată de însumarea acestora,
conduc la obţinerea expresiei:
n n n
(
∑ ε i = ∑ ( yi − ŷi ) = ∑ yi − αˆ − βˆ 1 ⋅ x1i − ... − βˆ k ⋅ xki
i =1
2
i =1
2
i =1
)2
n
∑ ε i2 = minim
i =1
n
(
− 2 ∑ yi − αˆ − βˆ 1 x1i − βˆ 2 x 2i − ... − βˆ k xki = 0
i =1
)
n
[ (
− 2 ∑ x1i yi − αˆ − βˆ 1 x1i − βˆ 2 x2i − ... − βˆ k xki = 0
i =1
)]
36
n
[ (
− 2 ∑ x 2i yi − αˆ − βˆ 1 x1i − βˆ 2 x 2i − ... − βˆ k xki = 0
i =1
)]
M
n
[ (
− 2 ∑ xk i yi − αˆ − βˆ 1 x1i − βˆ 2 x 2i − ... − βˆ k xk i = 0
i =1
)]
Din relaţiile anterioare rezultă sistemul de k + 1 ecuaţii cu k + 1
necunoscute:
nαˆ + βˆ n x1 + βˆ n x2 + ...+ βˆ n xk = n y
1∑ i 2∑ i k∑ i ∑ i
i=1 i=1 i=1 i=1
n n n n n
αˆ ∑ x1i + βˆ 1 ∑ x1i2 + βˆ 2 ∑ x1i ⋅ x2i + ...+ βˆ k ∑ x1i ⋅ xki = ∑ x1i ⋅ yi
i=1 i=1 i=1 i=1 i=1
n n n n n
αˆ ∑ x2 + βˆ ∑ x1 ⋅ x2 + βˆ ∑ x2 2
+ ...+ ˆ
β ∑ x2 ⋅ xk = ∑ x2i ⋅ yi
i 1 i i 2 i k i i
i=1 i=1 i=1 i=1 i=1
M
n n n n n
αˆ ∑ xki + βˆ 1 ∑ x1i ⋅ xki + βˆ 2 ∑ x2i ⋅ xki + ...+ βˆ k ∑ xki2 = ∑ xki ⋅ yi
i=1 i=1 i=1 i=1 i=1
37
fundamentale, în absenţa cărora variabila rezultativă nu există, atunci
termenului liber α nu are relevanţă economică şi trebuie eliminat din funcţie.
Acest lucru se realizează prin construirea unei ecuaţii liniare multiple fără
termen liber, conform relaţiei:
38
Dacă β1 < 0, atunci legătura dintre variabila factorială x1 şi variabila
rezultativă y este inversă, de sens contrar – când x1 evoluează crescător, y are o
evoluţie descrescătoare, iar când x1 evoluează descrescător, y are o evoluţie
crescătoare.
În situaţia în care β1 = 0, variabila rezultativă y este complet
independentă în raport cu variabila factorială x1.
Similar se interpretează şi valorile lui β2, β3, …, βk.
Obţinerea valorilor estimate ale parametrilor α, β1, β2, …, βk înseamnă
finalizarea analizei de regresie a modelului multifactorial liniar.
Analiza corelaţiei în cazul modelului multifactorial liniar cu variabile
cantitative se realizează cu ajutorul raportului de corelaţie multiplă, a
coeficientului de determinaţie multiplă, precum şi a coeficienţilor de corelaţie şi
determinaţie parţială .
Dacă modelul multifactorial conţine variabile calitative, se utilizează
metodele neparametrice de măsurare a intensităţii legăturii.
39
n
1
∑ ( yi − y$i )
2
sε =
( n − k − 1) i =1
sβ = sε ⋅ c jj
j
Cu cât aceste erori sunt mai mici în raport cu valorile absolute ale
parametrilor pe care îi caracterizează (|β j|), cu atât valorile estimate ale
parametrilor respectivi sunt mai apropiate de cele reale.
Condiţia de normalitate a variabilei aleatoare εi, prezentată în etapa
formulării ipotezelor iniţiale, se poate verifica cu ajutorul testului χ2, care
constă în compararea frecvenţelor absolute efective, ni, ataşate valorilor
variabilei aleatoare, cu valorile teoretice, pi. Efectuarea testului χ2 presupune
parcurgerea următoarelor etape:
15
E. Pecican, Econometrie, Editura ALL, Bucureşti, 1994, pag. 75 – 82
40
Etapa 1. Se formulează ipoteza nulă H0, prin care se presupune că
distribuţia variabilei aleatoare este normală;
Etapa 2. Se calculează valorile standardizate zi, conform relaţiei:
εi − m
zi =
σ
Etapa 3. Se determină, din tabelul Laplace, valorile ϕ(zi)
corespunzătoare;
Etapa 4. Se calculează valorile teoretice pi = ϕ(zi) – ϕ(zi–1);
Etapa 5. Se determină o valoare calculată χ2c , astfel:
χ2c = ∑
k (ni − npi )2
i =1 npi
41
s 2y / x 1 , x 2 ,..., xk
F =
sε2
16
C. Şipoş, C. Preda, Econometrie, Editura Mirton, Timişoara, 2006
42
este semnalată şi de valorile mari ale erorilor standard ale parametrilor şi de
nivelurile de semnificaţie mici ale acestora.
De obicei, în economie, variabilele factoriale nu sunt complet
independente unele de celelalte. Acest lucru înseamnă că, întotdeauna într-un
model econometric va exista un anumit efect de multicoliniaritate. Problema
care se pune este a gradului de multicoliniaritate peste care modelul devine
ineficient.
Eliminarea efectelor multicoliniarităţii se face cel mai sigur prin
eliminarea variabilelor factoriale corelate (eventual, păstrarea uneia dintre ele şi
eliminarea celorlalte). Acest lucru este posibil, însă, numai dacă modelul
cuprinde suficient de multe variabile factoriale.
O altă modalitate de evitare a multicoliniarităţii este segmentarea
eşantionului de date în mai multe părţi şi analizarea separată a fiecărei porţiuni,
cu condiţia ca eşantioanele rezultate în urma segmentării să fie suficient de
mari.
Un ultim test utilizat în cadrul acestei etape este testul Student de
verificare a semnificaţiei parametrilor modelului. Calitatea parametrilor
corespunzători variabilelor factoriale este foarte importantă, dat fiind rolul lor în
măsurarea impactului fiecărei variabile factoriale asupra evoluţiei variabilei
rezultative.
Pentru aceasta se calculează estimatorii varianţelor acestor parametri
sβ2ˆ în funcţie de varianţa variabilei aleatoare sε2 şi de varianţele variabilelor
k
factoriale.
Etapele verificării semnificaţiei parametrilor cu ajutorul testului
Student sunt următoarele:
Etapa 1. Se stabileşte ipoteza nulă H0 conform căreia parametrii
estimaţi αˆ , βˆ 1 , βˆ 2 ,..., βˆ k nu diferă semnificativ de zero;
Etapa 2. Se stabileşte nivelul de semnificaţie al testului, α ;
Etapa 3. Se determină valorile calculate ale testului Student tβ k
βˆ k
tβ =
k
sβ k
43
Etapa 4. Se determină din tabelul aferent repartiţiei Student valoarea
tabelară a variabilei standardizate tcritic în funcţie de ν = n – 1 grade de libertate
şi de probabilitatea α/2;
Etapa 5. Se compară valoarea calculată cu valoarea tabelară şi, în
raport cu mărimea lor, pot rezulta trei situaţii:
– dacă toate valorile calculate sunt mai mari decât nivelul critic ( t βk >
tcritic), ipoteza nulă se respinge şi se poate spune cu probabilitatea p = 1 – α că
toţi estimatorii determinaţi cu metoda celor mai mici pătrate diferă semnificativ
de zero, adică parametrii estimaţi sunt semnificativi, iar modelul este corect din
punct de vedere statistic;
– dacă unele valori calculate sunt mai mari decât nivelul critic, iar altele
sunt mai mici, parametrii aferenţi valorilor calculate mai mari decât nivelul
critic sunt semnificativi şi trebuie păstraţi în model, în timp ce parametrii
aferenţi valorilor calculate mai mici decât nivelul critic sunt nesemnificativi şi
trebuie eliminaţi din model. În această situaţie, modelul se va reface în raport de
variabilele factoriale rămase semnificative;
– dacă toate valorile calculate sunt mai mici decât nivelul critic ( tak <
tcritic), ipoteza nulă se acceptă şi se poate spune cu probabilitatea p = 1 – α că
estimatorii nu diferă semnificativ de zero şi rezultatul obţinut este întâmplător.
În aceste condiţii, datele studiate nu confirmă existenţa legăturii între variabila
rezultativă şi factorii de influenţă analizaţi, fiind necesară fie alegerea altor
factori, fie găsirea unei noi forme a legăturii.
44
Funcţiile exponenţiale pot fi, la rândul lor, de diverse forme, cele mai
utilizate fiind cele care pot fi uşor liniarizate prin diverse transformări. O funcţie
exponenţială multifactorială cunoscută este de forma:
y = α ⋅ β1 x1 ⋅ β2 x2 ⋅ … ⋅ βk xk ⋅ ε
y = α ⋅ e β x1 ⋅ e β x 2 ⋅ ...⋅ e β xk ⋅ ε
1 2 k
ln y = ln α + β 1⋅ x1 + β2⋅ x2 + … + β k⋅ xk + ln ε
y = α ⋅ x1 β1 ⋅ x2 β2⋅ …⋅ xk βk⋅ ε
45
Pe lângă funcţiile liniarizabile există, însă, şi numeroase funcţii
neliniare care nu se pretează la liniarizare şi ale căror parametri trebuie estimaţi
ca atare. Acest lucru, de obicei, este dificil de realizat cu metode mai simple,
fapt pentru care se apelează la metodele computerizate specializate, iar analistul
interpretează doar rezultatele obţinute.
Funcţiile exponenţiale şi cele de putere prezentate au o largă utilizare
în econometrie, o aplicaţie foarte cunoscută a lor constituind-o funcţiile de
producţie.
Y = L α⋅ K β
17
C. Chilărescu, Modele econometrice aplicate, Editura Mirton, Timişoara, 1994, pag. 81 – 85
46
αˆ ⋅ n (log L )2 + βˆ ⋅ n (log L ⋅ log K ) = n (log Y ⋅ log L )
i∑ =1
i ∑
i =1
i i ∑
i =1
i i
n n n
αˆ ⋅ ∑ (log Li ⋅ log K i ) + βˆ ⋅ ∑ (log K i )2 = ∑ (log Yi ⋅ log K i )
i =1 i =1 i =1
Y = Lα⋅ Kβ⋅ eγ t
ln Y = α ⋅ ln L + β ⋅ ln K + γ ⋅ t
18
C. Şipoş, C. Preda, Econometrie, Editura Mirton, Timişoara, 2006
47
αˆ ⋅ n (ln L )2 + βˆ ⋅ n (ln L ⋅ ln K ) + γˆ ⋅ n (t ⋅ ln L ) = n (ln Y ⋅ ln L )
i∑ =1
i ∑
i =1
i i ∑ i
i =1
i ∑
i =1
i i
n
n n n
αˆ ⋅ ∑ (ln Li ⋅ ln K i ) + βˆ ⋅ ∑ (ln K i ) + γˆ ⋅ ∑ (ti ⋅ ln K i ) = ∑ (ln Yi ⋅ ln K i )
2
i=1 i =1 i =1 i =1
αˆ ⋅ (t ⋅ ln L ) + βˆ ⋅ (t ⋅ ln K ) + γˆ ⋅ t = (t ⋅ ln Y )
n n n 2 n
i∑ =1
i i ∑ i
i =1
i ∑ i
i =1
∑ i
i =1
i
ν
ln Y = ln γ −
ρ
[
ln δK − ρ + (1 − δ )L− ρ + ε ]
O aproximare de tip serie Taylor a acestei funcţii în jurul punctului ρ
= 0 este:
1 2
ln Y = ln γ + νδ ln K + ν (1 − δ ) ln L + ρνδ (1 − δ )− (ln K − ln L) + ε '
2
= β1 ⋅ x1 + β2 ⋅ x2 + β3 ⋅ x3 + β4 ⋅ x4 + ε’
1 2
unde: x1 = 1; x2 = ln K; x3 = ln L; x 4 = − ln (K / L ) , iar transformările
2
efectuate sunt:
19
W.H. Greene, Econometric Analysis, Fifth Edition, Prentice Hall, 2003, pag. 128 – 130
48
ÎNTREBĂRI TEORETICE DE AUTOEVALUARE LA CAPITOLUL 3:
49
50
CAPITOLUL 4. MODELE ECONOMETRICE BAZATE
PE FACTORUL TIMP
y1 y 2 ... y i ... yn
t t2 ... t i ... t n
1
20
C. Şipoş, C. Preda, Econometrie, Editura Mirton, Timişoara, 2006
51
2. Omogenitatea termenilor, care constă în includerea în cadrul unei serii
de timp numai a fenomenelor de acelaşi gen, care sunt rezultatul acţiunii
aceloraşi cauze esenţiale. Pentru a asigura omogenitatea seriei, trebuie păstrată
aceeaşi metodologie de culegere a datelor, de calcul a indicatorilor şi evaluare a
rezultatelor, precum şi menţinerea lungimii intervalelor de grupare şi a unităţii
de măsurare a timpului. Atunci când se analizează o serie de timp, este necesar
să se verifice dacă datele provin din aceeaşi sursă, cu acelaşi grad de cuprindere
şi dacă au fost folosite aceleaşi principii şi metode de culegere şi prelucrare a
datelor;
3. Periodicitatea termenilor, care presupune asigurarea continuităţii
datelor în raport cu timpul şi reprezintă o caracteristică foarte importantă în
utilizarea metodelor analitice de analiză a seriilor dinamice. Variabila timp
poate fi înregistrată cu periodicităţi diferite, începând de la unităţi de timp de
ordinul minutelor, orelor sau zilelor şi continuând cu perioade de ordinul anilor,
deceniilor sau chiar secolelor, în funcţie de specificul variabilelor economice
analizate;
4. Interdependenţa termenilor seriei de timp, care înseamnă existenţa
unor legături între valorile înregistrate la perioade diferite de timp, adică
relevarea unor interdependenţe între nivelul curent al variabilei şi nivelurile
înregistrate în perioadele anterioare. Dacă aceste interdependenţe sunt foarte
puternice, atunci se poate vorbi despre un caracter “autoregresiv” al variabilei
analizate, care poate fi studiat cu ajutorul unor modele specifice, cu largă
utilizare în econometrie.
Un element fundamental al analizei econometrice cu ajutorul seriilor de
timp îl reprezintă alegerea lungimii seriei de date, de regulă, fiind necesar un
număr suficient de mare de termeni, astfel încât să poată fi aplicate principiile
legii numerelor mari şi să poată fi fundamentate corect previziunile pe diferite
perioade de timp.
Un alt element fundamental îl reprezintă alegerea formei optime de
analiză a seriei de date. Din acest punct de vedere, cea mai utilizată modalitate
de analiză a seriilor de timp o reprezintă descompunerea evoluţiei seriei
dinamice pe componente determinate de acţiunea diferiţilor factori de influenţă.
Sub acţiunea unui sistem complex de variabile factoriale sau aleatoare,
considerate independente una faţă de cealaltă, în cadrul unei serii dinamice se
pot identifica următoarele componente:21
1. Trendul sau tendinţa centrală Tt, care reflectă legitatea specifică de
evoluţie a variabilelor economice studiate pe o perioadă lungă de timp, făcând
abstracţie de abaterile faţă de nivelul mediu, respectiv, de erorile sau valorile
21
T. Andrei, S. Stancu, Statistica. Teorie şi aplicaţii, Editura ALL, Bucureşti, 1995, pag. 385
52
reziduale datorate influenţei factorilor aleatori. Identificarea trendului unei serii
de timp se realizează cu ajutorul a diverse metode econometrice, cunoscute
generic sub numele de “ajustarea seriilor de timp”;
2. Variaţiile ciclice Ct, care reprezintă oscilaţiile interanuale în jurul
tendinţei centrale cu un caracter nesistematic, în sensul că atât intervalele la care
oscilaţiile se manifestă, cât şi intensitatea lor, sunt diferite de-a lungul timpului;
3. Variaţiile sezoniere St sunt acea componentă sistematică ce se
manifestă prin oscilaţii de perioadă mai mică sau cel mult egală cu un an,
repetabile în timp. Sezonalitatea se manifestă sub forma unor abateri de la
medie care apar regulat în timpul unui an şi are un caracter mai mult sau mai
puţin pregnant în funcţie de specificul domeniului studiat;
4. Variaţiile aleatoare sau reziduale (perturbatoare) εt apar datorită unor
factori necuantificabili şi cu acţiuni absolut imprevizibile. În funcţie de
proprietăţile atribuite variabilei aleatoare pot fi aplicate anumite tehnici de
estimare şi previziune a comportamentului seriei de date.
În măsura în care volumul de date studiat este suficient de mare, în
analiza unei serii de timp se regăsesc mai multe tipuri de scheme de
descompunere a influenţelor pe cele patru componente22.
Schema cea mai simplă şi mai des utilizată este schema aditivă, în care
cele patru componente ale seriei se însumează direct, conform relaţiei:
yt = Tt + Ct + St + εt ,
Dt = Tt + Ct
yt = Dt + Dt ⋅ St + εt = Dt (1 + St) + εt
22
P. Newbold, W.L. Carlson, Betty Thorne, Statistics for Business and Economics, Fifth Edition,
Pearson Prentice Hall, 2003, pag. 668 – 671
53
yt = Dt (1 + St)(1 + εt)
54
fenomene care se produc în anumite perioade de timp (media anuală sau lunară
a producţiei, numărul mediu anual de lucrători etc.) sau în anumite unităţi de
spaţiu (recolta medie la hectar, producţia medie a unui utilaj etc.).
Scopul principal al analizei econometrice a unei serii de date este acela de
a studia evoluţia fenomenelor şi proceselor economice pe o perioadă de timp
trecută, istorică, în vederea extrapolării rezultatelor pentru fundamentarea unor
previziuni pentru perioadele viitoare. Această analiză econometrică se
realizează diferenţiat în funcţie de tipul seriei (de intervale sau de momente), de
lungimea seriei de date, de periodicitatea şi variaţiile acesteia şi de alte elemente
specifice variabilei studiate.
Ajustarea unei serii de timp constă în determinarea trendului sau a
tendinţei centrale prin diverse metode, care au la bază principiul înlocuirii
termenilor seriei studiate cu termenii unei serii teoretice, obţinuţi prin calcule.
Termenii teoretici pot fi determinaţi prin aplicarea a diverse procedee de
cuantificare a legităţii specifice de dezvoltare pe termen lung datorată unor
factori esenţiali şi de eliminare a fluctuaţiilor periodice sau aleatoare.
Varianţa totală a termenilor seriei, care semnifică variaţia medie produsă
de influenţa tuturor factorilor, atât esenţiali, cât şi întâmplători, este compusă
din variaţia datorată factorului timp, cuantificată cu ajutorul varianţei valorilor
ajustate faţă de medie şi din variaţia reziduală, cuantificată prin varianţa
termenilor reali faţă de valorile ajustate.
Valorile teoretice (ajustate) în funcţie de timp se pot determina folosind
numeroase metode, unele mai simple, altele mai complexe. O condiţie esenţială,
comună tuturor acestor metode, este aceea că numărul termenilor seriei trebuie
să fie suficient de mare pentru a se putea aplica legea numerelor mari şi, astfel,
să se asigure caracterul de tendinţă al analizei.
În econometrie, cele mai des utilizate metode de ajustare a seriilor de
timp sunt cele de tip analitic, bazate pe funcţii matematice care descriu evoluţia
fenomenului cercetat. Ele pornesc, însă, de la încercarea de a determina forma şi
sensul legăturii cu ajutorul unor metode elementare de tipul metodei grafice, a
metodei sporului mediu sau a ritmului mediu. O metodă mai elaborată, care
ajută semnificativ abordările analitice ulterioare aplicării ei, este ajustarea pe
baza mediilor mobile.
Metoda grafică este una dintre cele mai simple modalităţi de determinare
a trendului unei serii de timp. Ea reprezintă o metodă preliminară altor metode
de ajustare, servind la alegerea modelului de evoluţie care descrie cel mai bine
evoluţia fenomenului sau procesului economic studiat.
Aplicarea acestei metode constă în reprezentarea grafică a seriei de date
empirice avute la dispoziţie şi în trasarea vizuală a segmentului de dreaptă sau
curbă care uneşte punctele extreme ale seriei, astfel încât să existe abateri
55
minime faţă de poziţia valorilor reale. Ajustarea vizuală porneşte de la premisa
că acţiunea factorilor de influenţă a fost relativ constantă pe toată perioada
studiată, imprimând, astfel, termenilor seriei o regulă de variaţie comună, care
poate fi descrisă de segmentul de dreaptă sau curbă trasat.
Reprezentarea grafică poartă numele de cronogramă şi este prezentată în
figura 4:
yn •
•
•
•
•
•
yi •
• •
• •
• • •
•
•
• •
y1 •
• •
0 t1 ti tn
Figura 4. Cronograma
yt = y1 + (t – 1)⋅ ∆
56
sporului mediu va da rezultate eronate, care vor afecta negativ acurateţea
trendului obţinut.
Metoda ritmului mediu se utilizează atunci când termenii seriei de timp
urmează aproximativ o progresie geometrică. Termenii ajustaţi rezultă în urma
înmulţirii primului termen al seriei y1 cu ritmul mediu de variaţie I , ridicat la
puterea t – 1, conform relaţiei:
y t = y 1 ⋅ I t −1
23
R.S. Pindyck, D.L. Rubinfeld, Econometric Models and Economic Forecasts, Fourth Edition,
McGraw–Hill, 1998, pag. 476 – 478
24
C. Şipoş, C. Preda, Econometrie, Editura Mirton, Timişoara, 2006
57
Transpuse grafic, valorile medii mobile corespund liniei tendinţei
centrale, iar abaterile de la tendinţa centrală redau fluctuaţiile ciclice sau
sezoniere.
Un inconvenient al acestei metode este acela că, indiferent că se ia un
număr par sau impar de termeni, se pierd informaţiile referitoare la primii şi la
ultimii termeni ai seriei.
Toate aceste metode elementare de ajustare a seriilor de timp sunt etape
preliminare analizei econometrice propriu-zise, care presupune utilizarea
funcţiilor matematice şi statistice de ajustare a trendului.
Cele mai cunoscute modele analitice de ajustare sunt: funcţiile de timp
liniare şi neliniare, modelele cu time – lag şi modelele autoregresive.
yt = f(t) + εt
58
similar cu cei ai modelelor de regresie, se estimează în cele mai multe cazuri cu
metoda celor mai mici pătrate.
yt = α + β ⋅ t + εt
59
aceste condiţii, este uşor de înţeles că o cuantificare deterministă, exactă a
valorilor parametrilor α şi β este imposibil de realizat, deoarece nu se pot
cuprinde în model absolut toate influenţele existente. Acest lucru a determinat
introducerea în model a variabilei aleatoare, perturbatoare εt, care însumează
efectul tuturor factorilor rămaşi în afara modelului, fie ei nesemnificativi sau
necuantificabili.
Cu cât volumul seriei de date este mai mare, cu atât estimările sunt
mai apropiate de realitate.
În aceste condiţii, fiecărui moment dat t îi corespunde o distribuţie
normală de valori yt ale variabilei rezultative, de medie α + β ⋅ t şi varianţă
constantă.
Valorile estimatorilor parametrilor, notate cu α̂ şi β̂ , pot fi
determinate cu ajutorul mai multor metode matematice şi statistice, dintre care
mai des utilizată, ca şi în cazul modelului unifactorial liniar, este metoda celor
mai mici pătrate.
În principiu, aplicarea metodei presupune respectarea aceloraşi
restricţii:
• datele privind variabila rezultativă sunt obţinute fără erori de
observare sau măsurare;
• variabila aleatoare εt este de distribuţie normală, de medie nulă (E(εt)
= 0) şi de varianţă constantă şi diferită de zero în timp;
• variabila aleatoare εt urmează o distribuţie independentă faţă de timp;
• valorile variabilei aleatoare nu sunt autocorelate.
În urma aplicării metodei se ajunge la un sistem de două ecuaţii cu
necunoscutele α̂ şi β̂ , de forma:
n ⋅ αˆ + βˆ ⋅ n t = n y
∑ ∑ t
t =1 t =1
n n n
αˆ ⋅ ∑ t + βˆ ⋅ ∑ t 2 = ∑ t ⋅ yt
t =1 t =1 t =1
60
Analiza corelaţiei în cazul funcţiei liniare de timp are un caracter aparte,
deoarece toate variabilele economice sunt influenţate de timp, mai mul sau mai
puţin. Dacă în cazul modelelor unifactoriale sau multifactoriale se poate
înregistra corelaţie nulă, în cadrul funcţiilor de timp acest lucru este practic
imposibil, deoarece nici o variabilă economică nu este constantă în timp, decât,
eventual, pe perioade foarte scurte.
Se pot calcula şi aici valorile coeficientului de corelaţie liniară (pentru a
verifica existenţa evoluţiei liniare în timp), a raportului de corelaţie şi a
coeficientului de determinaţie, care, în principiu, au aceeaşi interpretare: dacă
valorile lor sunt apropiate de 1, variabila studiată are o evoluţie stabilă în timp şi
se poate determina un trend liniar, iar dacă valorile acestor coeficienţi sunt
apropiate de 0, evoluţia este haotică, instabilă şi nu poate fi ajustată cu un trend
liniar.
Şi în cazul funcţiilor de timp este necesară parcurgerea etapelor de
verificarea statistică a modelului. În general, acestea sunt similare cu cele
parcurse în cazul modelului unifactorial.
61
Funcţia de timp hiperbolică se utilizează atunci când “norul de
puncte” urmează o traiectorie de tip hiperbolă. Funcţia hiperbolică are la bază
următoarea ecuaţie:
1
yt = α + β ⋅ + ε t
t
yt = α + β ⋅ t' + ε t
n ⋅ αˆ + βˆ ⋅ n t ' = n y
∑ ∑ t
t =1 t =1
n n 2 n
t = 1 t =1
() t =1
(
αˆ ⋅ ∑ t ' + βˆ ⋅ ∑ t ' = ∑ t ' ⋅ y
t )
Ajustarea prin hiperbolă se recomandă atunci când variabila
rezultativă yt scade, respectiv, creşte asimptotic către o valoare reală dată de
parametrul α al funcţiei.
Analiza de corelaţie în cazul modelului hiperbolic se realizează cu
ajutorul raportului de corelaţie R şi a coeficientului de determinaţie simplă R2, a
căror interpretare este similară cu cele prezentate la funcţia de timp liniară.
De asemenea, verificarea statistică a funcţiei este aceeaşi cu
verificarea modelului unifactorial liniar.
În funcţie de reprezentarea grafică a legăturii, pot fi utilizate variante
β
ale funcţiei hiperbolice, care au la bază diverse ecuaţii: yt = α ⋅ e t ;
β 1
yt = ; yt = etc.
1 α + β ⋅t
α+
t
62
Funcţia de timp parabolică, sau pătratică, este folosită, de regulă,
atunci când ritmul de evoluţie al variabilei studiate urmează o curbă de tip U, cu
vârfurile în jos sau în sus. Pentru exprimarea funcţiei de timp parabolică se
utilizează funcţia de gradul doi, după relaţia:
yt = α + β 1⋅ t +β2⋅ t2 + εt
n ⋅ αˆ + βˆ ⋅ n t + βˆ ⋅ n t 2 = n y
1 ∑ 2 ∑ ∑ t
t =1 t =1 t =1
n
n n n
αˆ ⋅ ∑ t + βˆ 1 ⋅ ∑ t + βˆ 2 ⋅ ∑ t = ∑ (t ⋅ yt )
2 3
t =1 t =1 t =1 t =1
αˆ ⋅ t 2 + βˆ ⋅ t 3 + βˆ ⋅ t 4 = n t 2 ⋅ y
n n n
( )
t∑ =1
1 ∑
t =1
2 ∑
t =1
∑
t =1
t
yt = α ⋅ β t
63
În cazul acestei funcţii, pentru a estima parametrii α şi β este necesar, în
primul rând, să se liniarizeze funcţia prin logaritmare, astfel:
Pe ecuaţia dată de relaţia 6.18 se aplică metoda celor mai mici pătrate şi
se obţine sistemul de ecuaţii:
64
decalaj de câteva zile nu are nici o importanţă pentru variabilele înregistrate
anual, dar este foarte important pentru variabile înregistrate zilnic).
Cea mai generală formă a unui model cu time – lag porneşte de la
premisa că efectele acţiunii unei variabile factoriale sunt distribuite în timp,
unele cu efect mai rapid, altele cu efecte mai îndepărtate în timp. Acest model
are la bază o ecuaţie de forma:
t
yt = α + ∑ β k ⋅ xt −k + ε t
k =0
25
C. Şipoş, C. Preda, Econometrie, Editura Mirton, Timişoara, 2006
65
O primă modalitate este cea care porneşte de la presupunerea că
parametrii modelului aferenţi variabilelor decalate sunt pozitivi subunitari (0 <
η < 1) şi descresc în progresie geometrică. Modelul, numit al decalajului în
progresie geometrică, este de forma:
(
yt = α + β ⋅ xt + η ⋅ xt −1 + η 2 ⋅ xt −2 + ... + η k ⋅ xt −k + ε t )
Forma scurtă a modelului este:
t
yt = α + β ⋅ ∑ η k ⋅ xt −k + ε t
k =0
t t
k
∑ k ⋅ β ⋅η β ⋅ ∑ k ⋅η k
k =0 k =0 η / (1 − η )2 η
d = = = =
t
∑ β ⋅η
k
t
∑η
k 1 / (1 − η ) 1 − η
k =0 k =0
(
yt −1 = α + β ⋅ xt −1 + η ⋅ xt −2 + ... + η k ⋅ xt −k −1 + ε t −1)
66
Apoi, dacă se calculează efectul ponderat al variaţiei lui y de la un
moment la altul, se obţine:
yt – η⋅ yt-1 = α⋅ (1 – η) + β⋅ xt + ut
unde ut = εt – η⋅εt-1.
yt = α⋅ (1 – η) + η⋅ yt-1 + β⋅ xt + ut
yt = α + β ⋅ xt* + εt
unde 0 < λ ≤ 1.
Ecuaţia poate fi rescrisă sub forma:
67
t
x*t = λ ⋅ ∑ (1 − λ ) ⋅ xt −k
k
k =0
t
yt = α + β⋅ λ ⋅ ∑ (1 − λ ) ⋅ xt −k + εt
k
k =0
26
C. Şipoş, Modelarea comportamentului cursului de schimb al leului, Editura Universităţii de
Vest, Timişoara, 2003, pag. 133 – 135
68
momentul prezent este mai accentuată, cu atât influenţele sunt mai slabe,
problema care apare fiind cea a determinării momentului când acestea devin
nesemnificative, pentru a fi eliminate din model, similar cu cele prezentate la
modelele cu time – lag.
Această caracteristică ţine de capacitatea mediului înconjurător de a
reţine comportamentele anterioare ale variabilei studiate şi de a acţiona în
funcţie de acestea în formarea anticipaţiilor pentru perioadele următoare.
Mecanismul de formare al anticipaţiilor în condiţii de informare
incompletă, are, de regulă, o natură mixtă, anticipaţiile fiind atât adaptive, în
sens friedmanian, cât şi raţionale, adică bazate pe cunoaşterea, fie şi parţială, a
situaţiei actuale. În lipsa unor informaţii actuale complete, agenţii economici
acţionează ţinând cont şi de informaţiile din perioadele precedente, fiind, de
asemenea, capabili să înveţe din erorile de anticipaţie comise în aceste perioade.
Volatilitatea crescută şi, uneori, imprevizibilă a anticipaţiilor din
economie fac din acestea o categorie specifică, pseudo–adaptivă, ceea ce
înseamnă că principiul de formare poate fi de tip bulgăre de zăpadă, viteza de
propagare fiind foarte mare, iar sensul de evoluţie contrar teoriei.
O problemă importantă este aceea că între diversele categorii de agenţi
economici există o importantă asimetrie informaţională, ceea ce echivalează cu
forme diferite ale funcţiilor ce descriu formal mecanismele lor anticipaţionale.
Această asimetrie poate fi însă atenuată prin realizarea estimaţiilor pe perioade
de timp distincte. Totuşi, se pot distinge cel puţin două mari categorii de
operatori.
Comportamentul operatorilor din prima categorie se consideră că are
impact cu precădere pe termen mediu şi lung, iar efectul anticipaţiilor este
indirect pus în evidenţă, prin intermediul variabilelor factoriale luate în
considerare. Această categorie de anticipaţii este înglobată de informaţia dată de
variabilele factoriale incluse într-un model multifactorial şi nu necesită un
studiu aparte a fenomenului anticipaţiilor.
Subiecţii economici din a doua categorie, interesaţi în formularea unor
anticipaţii cu grad sporit de acurateţe – mai precis, interesaţi de aspectul
cantitativ al modificărilor survenite în variabila studiată – urmăresc de o
manieră sistematică această evoluţie, orientându-se în estimarea nivelului
anticipat al variabilei în funcţie de nivelul său din perioadele precedente.
Desigur, această formulare reprezintă o particularizare a celor enunţate anterior,
subiecţii economici tinzând să-şi formuleze anticipaţiile prin extrapolarea cvasi–
mecanică a situaţiei curente, introducând, eventual, o anumită corecţie în raport
de evoluţiile precedente.
Această afirmaţie echivalează cu adoptarea ipotezei existenţei unei relaţii
de dependenţă liniară între nivelul estimat al variabilei studiate şi nivelurile sale
69
anterioare. O astfel de relaţie poate fi studiată cu ajutorul modelelor
autoregresive de diverse ordine.
yt = α + β 1⋅ yt–1 + εt
70
În anumite situaţii s-ar putea ca modelul de ordinul doi să poată fi utilizat
pentru previzionarea variabilei studiate în condiţii mai bune decât modelul
anterior. Anticipaţiile operatorilor pot avea o memorie mai lungă decât
perioada imediat anterioară, ei luând în considerare şi ceea ce s-a întâmplat cu
două perioade în urmă, realizând o anticipaţie bazată pe informaţiile aferente
ambelor perioade.
Pentru a studia dacă memoria operatorilor se întinde şi mai mult în trecut,
se pot elabora modele autoregresive de diverse ordine, care analizează evoluţia
variabilei studiate în funcţie de ceea ce s-a întâmplat în perioadele t – 1, t – 2,
…, t – k.
Modelul general care studiază caracterul autoregresiv al unei variabile
economice se numeşte model autoregresiv de ordinul k AR(k) şi are la bază
următoarea ecuaţie:
71
înseamnă că media variabilei rezultative este considerată constantă, iar varianţa
este nulă de-a lungul timpului, conform relaţiei:
m = α + β1 ⋅ m + β2 ⋅ m + … + β k ⋅ m
α
m=
1 − β 1 − β 2 − ... − β k
β1 + β 2 + … + β k ≠ 1
72
ÎNTREBĂRI TEORETICE DE AUTOEVALUARE LA CAPITOLUL 4:
1. Andrei T., Stancu S., Statistica. Teorie şi aplicaţii, Editura ALL, Bucureşti,
1995
4. Chilărescu C., Ciorîcă O., Preda C., Şipoş C., Surulescu N., Bazele
statisticii, Editura Universităţii de Vest, Timişoara, 2002
6. Levine D.M., Stephan D., Krehbiel T.C., Berenson M.L., Statistics for
Managers using Microsoft Excel, Third Edition, Prentice Hall,
2002
7. Newbold P., Carlson W.L., Thorne B., Statistics for Business and
Economics, Fifth Edition, Pearson Prentice Hall, 2003
73
9. Pecican E., Macroeconometrie – Politici economice guvernamentale şi
econometrice, Editura Economică, Bucureşti, 1994
12. Şipoş C., Preda C., Statistică Economică, Editura Mirton, Timişoara, 2004
13. Şipoş C., Preda C., Econometrie, Editura Mirton, Timişoara, 2006
74
APLICAŢIE ECONOMETRICĂ PE CURSUL
VALUTAR
27
C. Şipoş, Modelarea comportamentului cursului de schimb al leului, Editura Universităţii de
Vest, Timişoara, 2003, pag. 89 – 101
75
valutelor au fost determinate de condiţiile impuse de evoluţia parametrilor
economiei naţionale şi de schimbările instituţionale apărute de-a lungul
timpului. Astfel, o dată cu cristalizarea opţiunilor şi strategiei de reformă
economică, s-a putut contura regimul valutar, ca un proces desfăşurat de-a
lungul mai multor etape, cu evoluţii oscilante, modificări abrupte şi, în unele
cazuri, cu decizii ineficiente.28
Economia românească a evoluat pozitiv în ultima perioadă, ceea ce a
avut ca rezultat îmbunătăţirea substanţială a poziţiei externe şi a pus bazele
revenirii la o creştere economică pozitivă începând cu anul 2001, după o
perioadă destul de lungă de scădere a produsului intern brut. Cu toate progresele
în procesul de stabilizare şi reformă din ultimii ani, performanţele economice
ale României continuă să fie nefavorabile comparativ cu alte economii din
Europa centrală şi de est, candidate la integrarea europeană. Creşterea
produsului intern brut în aceşti ani şi accentuarea deficitului balanţei comerciale
reflectă creşterea rapidă a cererii interne, în special pe seama creşterilor salariale
în sectorul public şi a slabelor performanţe financiare din întreprinderile de stat.
Menţinerea la acest nivel ridicat, ar putea pune în pericol obiectivele de
dezinflaţie şi echilibrul extern.
Leul se apreciază gradual, în termeni nominali şi reali, faţă de moneda
europeană, iar prin ajustarea susţinută a preţurilor relative se va reduce treptat
decalajul României faţă de Uniunea Europeană. Acest lucru va conduce la
atingerea concomitentă a celui mai important criteriu al convergenţei nominale
– reducerea ratei inflaţiei – şi a celui mai important criteriu al convergenţei reale
– creşterea PIB/locuitor (la paritatea puterii de cumpărare). Respectivele criterii
pot fi îndeplinite, însă, numai cu condiţia ca problema competitivităţii externe
să fie rezolvată printr-un set coerent de politici macroeconomice (politica
salarială, politica ocupării forţei de muncă) şi microeconomice (creşterea
productivităţii muncii, reducerea costurilor de regie etc.).
Luând ca punct de pornire aceste considerente, se pune problema
construirii unor modele econometrice care să reflecte cât mai corect evoluţia
cursului leului. Abordarea econometrică a cursului leului se înscrie în tentativa
modernă de explicare mai riguroasă, mai exactă a efectelor pe care acesta le are
asupra celorlalte variabile micro sau macroeconomice şi, mai ales, în ce măsură
este el influenţat de mediul în care se manifestă.
Lansarea economiei pe un trend crescător, cu toate efectele pozitive
implicate, precum şi consecvenţa mixului de politici economice aplicate, au
condus spre o relativă stabilitate a politicii monetare şi valutare, ceea ce oferă
28
Rapoartele anuale ale Băncii Naţionale a României, anii 1991 – 2005
76
toate premisele efectuării unei analize econometrice consistente a
comportamentului cursului de schimb al leului.
Din acest punct de vedere, există o multitudine de posibilităţi de
abordare, posibilităţi cărora le corespund diverse tipuri de modele, unele mai
simple, altele mai complexe, în funcţie de variabilele luate în considerare.
77
Ipoteza 2. Variabilele factoriale sunt independente unele de celelalte,
exercitându-şi influenţa numai asupra variabilei rezultative. Dacă nu se acordă
importanţă acestei ipoteze, analiza are toate şansele să devină irelevantă, având
în vedere că pot apărea mari erori şi distorsiuni în estimarea parametrilor
modelului şi, implicit, în interpretarea valorilor acestora. Dacă variabilele
factoriale fac parte dintr-un sistem complex de interdependenţe, ne aflăm în
situaţia de multicoliniaritate, studiată în cadrul capitolului cinci. Aşa cum s-a
arătat, semnalele referitoare la fenomenul de multicoliniaritate sunt date de
valorile apropiate de ± 1 ale coeficienţilor de corelaţie calculaţi pentru
legăturile dintre variabilele factoriale sau de valorile apropiate de 100% ale
coeficientului de determinare multiplă, în condiţiile în care estimatorii
parametrilor de regresie sunt nesemnificativi din punct de vedere statistic.
Multicoliniaritatea, alături de erorile de sondaj şi de inconstanţa în
timp a relaţiilor dintre variabile, reprezintă principalele surse de instabilitate ale
estimaţiilor parametrilor de regresie. Atenuarea sau chiar eliminarea
multicoliniarităţii s-a realizat prin utilizarea unor eşantioane de dimensiuni cât
mai mari, pentru a evita riscul corelării datelor, şi prin înlocuirea, acolo unde a
fost necesar, a datelor exprimate în unităţi naturale sau valorice cu variabile
rezultate în urma unor prelucrări simple (ritmuri de creştere, sporuri sau indici).
Totodată, s-au eliminat unele variabile corelate strâns cu altele, rămânând în
analiză doar factorii de influenţă reprezentativi.
Ipoteza 3. Variabila aleatoare sau reziduală (εi) este de distribuţie
normală, de medie nulă (E(εi) = 0) şi de dispersie constantă şi diferită de zero.
Verificarea acestei ipoteze se realizează prin determinarea mediei şi a varianţei
valorilor reziduale şi prin efectuarea unui test fundamentat pe presupunerea că
variabila aleatoare (εi) urmează o lege normală, Gauss-Laplace.
Normalitatea repartiţiei variabilei aleatoare este confirmată atunci
când valorile acesteia se situează între limitele (± zα/2 ⋅ s(εi)). Această ipoteză se
va testa în secţiunea de verificare statistică a modelului şi normalitatea
repartiţiei variabilei aleatoare se va confirma, datorită volumului suficient de
mare de date studiat (un număr mai mare de unităţi poate pune mai pregnant în
evidenţă caracterul normal al repartiţiei), precum şi datorită gradului ridicat de
omogenitate şi comparabilitate a datelor analizate.
Ipoteza 4. Variabila reziduală (εi) urmează o distribuţie independentă
de valorile variabilelor factoriale, adică este homoscedastică. Prin urmare,
varianţa variabilei aleatoare (σ2(εi)) nu diferă semnificativ în raport cu
segmentele de valori ale variabilelor factoriale, ceea ce denotă o relativă
stabilitate a legăturii dintre cursul valutar şi factorii de influenţă luaţi în
considerare. Această ipoteză se va verifica în etapa de testare statistică a
modelului final.
78
Ipoteza 5. Valorile variabilei aleatoare nu sunt autocorelate. Acest
lucru înseamnă că valorile respective sunt independente între ele, ceea ce
implică faptul că şi înregistrările de date în eşantioane au fost independente.
Autocorelarea poate apare în condiţiile în care s-a omis introducerea în model a
unei variabile factoriale importante, cu influenţă puternică asupra cursului
valutar. Efectele negative ale unei eventuale autocorelări a variabilei aleatoare
se răsfrâng asupra calităţii parametrilor de a fi nedistorsionaţi şi asupra testării
semnificaţiei acestora. Verificarea ipotezei autocorelării variabilei aleatoare se
va realiza, cu ajutorul testului Durbin – Watson, tot în secţiunea de verificare
statistică a modelului final.
29
C. Şipoş, C. Preda, Econometrie, Editura Mirton, Timişoara, 2006
79
determinat ca diferenţă între nivelul lunar al exportului şi nivelul importului
aferent aceleiaşi luni şi exprimat în milioane EUR.. Ecuaţia pe care se
fundamentează acest model este următoarea:
Ci = a0 + a1 ⋅ SCEi + εi
Tabelul 1
Variabila dependentă: CURS LEU/EUR
Metoda celor mai mici pătrate
Eşantionul: 30
Nr. de observaţii: 29 după ajustare
CURS LEU/EUR = a0 + a1 * SCE(-1)
Coeficienţi Eroarea t-Statistic Probabilitatea
standard
â 0 36424,689 1141,991 31,89576 0,000
â 1 6,7010391 2,610693 2,566766 0,016
Coef. de determinaţie 0,196 Curs mediu 33.749
Eroarea standard 2510,819 F-statistic 6,588
Durbin – Watson 2,248 F-critic 1,882
80
o probabilitate P (t≤ t0)= 0,05 nivelul critic (minim acceptat) este de 2,048 30. Se
observă că ambele valori ale nivelurilor de semnificaţie sunt peste valoarea
critică, ceea ce înseamnă că parametrii â 0 şi â 1 sunt corecţi.
Probabilităţile ca parametrii â0 şi â1 să fie incorect estimaţi (coloana
Probabilitatea) sunt foarte mici, iar valoarea F-statistic este mai mare decât F-
critic, ceea ce înseamnă că modelul este semnificativ din toate punctele de
vedere, soldul comerţului exterior reprezentând, deci, un factor important de
influenţă al cursului de schimb al leului.
O altă variabilă cu impact semnificativ asupra cursului leului o reprezintă
masa monetară (M2). În ipoteza că oferta de monedă naţională va creşte,
aceasta va face ca agenţii economici care ajung, pe diverse căi, în posesia
acestei cantităţi suplimentare de monedă, să-şi modifice cererea pentru diferite
active, reale şi financiare, în scopul realizării unei structuri optimale a
patrimoniului lor. Dacă randamentul altor active financiare sau reale este
inferior randamentului activelor financiar-valutare, atunci agenţii economici vor
încerca să procedeze la substituirea acestor genuri de active financiare sau reale
cu deţinerile de mijloace de plată străine, ceea ce va conduce la creşterea cererii
pentru astfel de mijloace pe piaţa valutară internă şi la modificarea nivelului
cursului de schimb al monedei naţionale. 31
Masa monetară în sens larg, M2, este formată, după cum se ştie, din masa
monetară în sens restrâns M1 (care include numerarul din afara sistemului
bancar şi disponibilităţile la vedere) şi cvasi-banii (care includ economiile
populaţiei, depozitele în lei la termen şi condiţionate), exprimate în miliarde lei,
la sfârşitul perioadei. Se precizează că nu sunt luate în calculul masei monetare
M2 depozitele în valută ale rezidenţilor, deoarece s-a considerat că includerea
acestora poate distorsiona concluziile analizei. Acest lucru se datorează faptului
că depozitele în valută reprezintă o componentă exprimată indirect în moneda
naţională, prin înmulţirea valorii lor, exprimate în valută, cu cursul de schimb
oficial.
Ecuaţia pe care se fundamentează acest model este următoarea:
Ci = a0 + a1 ⋅ M2i + εi
Pe baza eşantionului format din cele 30 valori lunare ale cursului real
al leului şi ale masei monetare în sens larg, modelul este de forma:
30
R.L. Iman, W.J. Conover, Modern Business Statistics, John Wiley & Sons, Second Edition,
1989, pag. 788 – 789
31
C. Şipoş, C. Preda, Econometrie, Editura Mirton, Timişoara, 2006
81
Tabelul 2
Variabila dependentă: CURS LEU/EUR
Metoda celor mai mici pătrate
Eşantionul: 30
Nr. de observaţii: 30 după ajustare
CURS LEU/EUR = a0 + a1 * M2
Coeficienţi Eroarea t-Statistic Probabilitatea
standard
â 0 44711,54 885,046 50,5188 0,000
â 1 -21,53359 1,70621 -12,6206 0,000
Coef. de determinaţie 0,850 Curs mediu 33.819
Eroarea standard 1074,075 F-statistic 159,282
Durbin – Watson 2,536 F-critic 1,860
Ci = a0 + a1 ⋅ di + εi
82
Tabelul 3
Variabila dependentă: CURS LEU/EUR
Metoda celor mai mici pătrate
Eşantionul: 30
Nr. de observaţii: 30 după ajustare
CURS LEU/EUR = a0 + a1 * d
Coeficienţi Eroarea t-Statistic Probabilitatea
standard
â 0 23501,6 1348,537 17,4274 0,000
â 1 575,9124 73,58392 7,82660 0,000
Coef. de determinaţie 0,686 Curs mediu 33.819
Eroarea standard 1555,84 F-statistic 61,255
Durbin – Watson 2,321 F-critic 1,860
83
Ci = a0 + a1 ⋅ RIBi + εi
Tabelul 4
Variabila dependentă: CURS LEU/EUR
Metoda celor mai mici pătrate
Eşantionul: 30
Nr. de observaţii: 30 după ajustare
CURS LEU/EUR = a0 + a1 * RIB
Coeficienţi Eroarea t-Statistic Probabilitatea
standard
â 0 43176,098 456,61391 94,5571 0,000
â 1 -0,898894 0,0422597 -21,2706 0,000
Coef. de determinaţie 0,941 Curs mediu 33.819
Eroarea standard 670,598 F-statistic 452,442
Durbin – Watson 2,985 F-critic 1,860
84
lucru înseamnă că atunci când rezervele internaţionale brute cresc, cursul
valutar va scădea, ceea ce înseamnă o apreciere a cursului şi, invers, dacă
rezervele internaţionale brute scad, cursul va creşte, adică se va deprecia.
Pe lângă influenţele majore pe care cursul de schimb le suferă din
partea unor variabile economice de tipul celor studiate până acum, prin natura
sa, cursul valutar are şi o puternică latură autoregresivă, de memorare a
comportamentului său istoric.
Din punct de vedere tehnic, termenul de autoregresiv defineşte măsura
în care o variabilă economică, în speţă cursul valutar al leului, prezintă
caracteristica de a se autocorela, în sensul că nivelul curent al acesteia este
determinat într-o măsură semnificativă de nivelurile sale anterioare, decalate cu
una sau mai multe perioade în urmă. Întocmai ca şi în cazul altor preţuri, aici
efectul nu este cauzat de influenţa directă a unei variabile factoriale, ci este unul
retroactiv, indus de încărcătura informaţională a cursului de schimb asupra
comportamentului operatorilor de pe piaţa valutară, care, pe această bază,
formulează anticipaţii.
În principal, efectul autoregresiv se concretizează în modul mai mult
sau mai puţin pregnant în care nivelul actual al cursului este influenţat de
nivelurile sale anterioare, time-lag-ul (decalajul în timp a influenţelor) putând
avea diferite valori. În general, cu cât acest time-lag este mai mare, adică
deplasarea în urmă faţă de momentul prezent este mai accentuată, cu atât
influenţele sunt mai slabe, problema care apare fiind cea a determinării
momentului când acestea devin nesemnificative, pentru a fi eliminate din
model. Această caracteristică ţine de capacitatea operatorilor de pe piaţa
valutară de a reţine comportamentele anterioare ale cursului de schimb şi de a
acţiona în funcţie de acestea în formarea anticipaţiilor lor pentru perioadele
următoare, determinând astfel modificări importante în cererea şi oferta de
monedă naţională, respectiv de valută.32
În interpretarea capacităţii de memorare de către operatori a
comportamentului din trecut, trebuie delimitate diversele categorii de agenţi
economici şi motivaţiile specifice acestora. Astfel, dacă ne referim în mod
specific la participanţii pe piaţa valutară, din punctul de vedere al termenelor de
formare a anticipaţiilor, se poate distinge între operatori care intervin în mod
frecvent pe această piaţă şi care, în consecinţă, formulează anticipaţii pe termen
scurt şi foarte scurt, şi operatorii care intervin, direct sau indirect, mult mai rar
şi care sunt interesaţi în formularea de anticipaţii pe termen mediu şi lung.
Pentru România, volatilitatea crescută a pieţei valutare, gama relativ
redusă a activelor monetar – financiare libelate în valută, fragilitatea la diversele
32
C. Şipoş, C. Preda, Econometrie, Editura Mirton, Timişoara, 2006
85
categorii de şocuri, în condiţiile unor cursuri de schimb flotante, distorsionează
semnificativ acurateţea predicţiilor şi, deci, valoarea lor decizională. În aceste
condiţii, se poate afirma că agenţii economici din prima categorie, interesaţi în
formularea unor anticipaţii cu grad sporit de acurateţe – mai precis, interesaţi de
aspectul cantitativ al modificărilor survenite în cursul de schimb – urmăresc de
o manieră sistematică această evoluţie, orientându-se în estimarea nivelului
anticipat al cursului de schimb în funcţie de nivelul său din perioadele
precedente. Desigur, această formulare reprezintă o particularizare a celor
enunţate anterior, agenţii economici tinzând să-şi formuleze anticipaţiile prin
extrapolarea cvasi–mecanică a situaţiei curente, introducând, eventual, o
anumită corecţie în raport de evoluţiile precedente.
Introducerea anticipaţiilor în modelul de determinare a cursului leului
are la bază modelul autoregresiv de ordinul întâi (AR1), de forma:
Ct = a0 + a1Ct–1 + εt
Tabelul 5
Variabila dependentă: CURS LEU/EUR
Metoda celor mai mici pătrate
Eşantionul: 30
Nr. de observaţii: 29 după ajustare
CURS LEU/EUR = a0 + a1 * C t-1
Coeficienţi Eroarea t-Statistic Probabilitatea
standard
â 0 0 0 0 0,000
â 1 0,9924 0,003987 248,848 0,000
Coef. de autocorelaţie 0,963 Curs mediu 33.749
Coef. de autodeterminaţie 0,929 F-statistic 366,633
Eroarea standard 732,5082 F-critic 1,882
86
evoluţia cursului valutar al leului este puternic autoregresivă, nivelul anterior
având o influenţă extrem de mare asupra nivelului curent al cursului. Eroarea
standard este mică în comparaţie cu valorile cursului, fapt care ne arată că
modelul autoregresiv de ordinul întâi are distorsiuni minime.
Se observă valoarea foarte mare a nivelului de semnificaţie al
parametrului â1 , comparativ cu nivelul minim acceptat şi valoarea nulă a
probabilităţii ca parametrul să fie incorect estimat. Parametrul â 0 s-a dovedit a
fi nesemnificativ, fapt pentru care a fost anulat.
Influenţa puternică pe care o exercită nivelul anterior al cursului asupra a
ceea ce se întâmplă în prezent, dă măsura importanţei anticipaţiilor operatorilor
pe piaţa valutară din România. Acest lucru înseamnă că o proporţie importantă a
evoluţiei monedei noastre naţionale se bazează încă pe anticipaţii şi mai puţin
pe influenţele obiective pe care cursul le suferă din partea celorlalte variabile
macroeconomice. Anticipaţiile sunt extrem de importante într-o economie de
piaţă liberă, fapt pentru care este necesar ca banca centrală şi celelalte autorităţi
să acorde o atenţie maximă semnalelor pe care le transmit spre piaţa valutară,
care este foarte sensibilă la informaţii referitoare la eventuale şocuri sau
deprecieri bruşte.
Aşa cum s-a putut constata, modelele unifactoriale, elaborate până
acum, pun în evidenţă influenţa mai mare sau mai mică pe care fiecare dintre
variabilele luate în considerare o exercită asupra cursului de schimb al leului.
Ele oferă informaţii utile despre comportamentul cursului de schimb al leului,
putând servi la înţelegerea acestuia. Influenţele ce se manifestă asupra cursului
de schimb al leului sunt, însă, integrate într-un sistem mai larg şi nu pot fi
reflectate decât cu ajutorul modelului multifactorial, care ia în considerare
acţiunea simultană a acestor variabile factoriale.
87
Utilizând eşantionul format din cele 30 valori lunare ale cursului
leului, ale soldului comerţului exterior, ale masei monetare, ale ratei dobânzii şi
ale rezervelor internaţionale brute, se determină valorile estimate ale
parametrilor modelului multifactorial, care pune în evidenţă influenţa simultană
a celor cinci variabile factoriale asupra comportamentului cursului de schimb al
leului, respectiv:
Tabelul 6
Variabila dependentă: CURS LEU/EUR
Metoda celor mai mici pătrate
Eşantionul: 30
Nr. de observaţii: 29 după ajustare
CURS LEU/EUR = a1 ⋅ SCEt-1 + a2 ⋅ M2t + a3 ⋅ dt + a4 ⋅ RIBt + a5 ⋅ Ct-1
Coeficienţi Eroarea t-Statistic Probabilitatea
standard
â 1 0,92207 0,95368 0,9668 0,34325
â 2 10,8304 7,79124 1,3900 0,17726
â 3 -121,501 81,3515 -1,4935 0,14832
â 4 -0,52145 0,33257 -1,568 0,12998
â 5 1,06487 0,04735 22,489 0,00000
Coef. de determinaţie 0,9414 Curs mediu 33.749
Eroarea standard 718,629 F-statistic 77,204
Durbin – Watson 1,971 F-critic 1,882
88
destul de bine condiţiilor existente. Trebuie reţinut totuşi faptul că modelul este
construit pe valori lunare, perioadele aşa-zis scurte fiind, de fapt, de ordinul
săptămânilor sau chiar al lunilor. Alte încercări de ameliorare a modelului, în
sensul completării sale cu alte variabile de influenţă, nu au dat rezultate,
dovedind-se că modelul care ia în considerare influenţa simultană a soldului
comerţului exterior, masei monetare, ratei dobânzii, rezervelor internaţional
brute şi a cursului din perioada anterioară este cel mai ilustrativ pentru
comportamentul cursului valutar al leului în perioada studiată.
Analiza modelului econometric nu se încheie însă aici, urmând o etapă
importantă de verificare a rezultatelor obţinute cu ajutorul testelor statistice, în
vederea validării sau invalidării acestora, în funcţie de concluziile la care ne
conduce verificarea statistică.
33
Elisabeta Jaba, Statistica, Editura Sedcom Libris, Iaşi, 1996, pag. 223 – 224
89
Efectuarea testului χ2 presupune parcurgerea următoarelor etape:
7. Se formulează ipoteza nulă H0, prin care se admite normalitatea
distribuţiei variabilei aleatoare;
8. Se calculează valorile standardizate zi;
9. Se determină, din tabelul Gauss–Laplace34, valorile ϕ(zi)
corespunzătoare;
10. Se calculează valorile teoretice pi = ϕ(zi) – ϕ(zi–1);
11. Se determină o valoare calculată χ2c:
χc= ∑
2
k (ni − npi )2 = 7,42
i =1 npi
34
C. Şipoş, C. Preda, Econometrie, Editura Mirton, Timişoara, 2006
35
C. Chilărescu, Modele econometrice aplicate, Editura Mirton, Timişoara, 1994, pag. 25 – 28
90
n
∑ (ε i − ε i−1 )
2
i=2
dcalculat = n
= 1,971
∑ε i
2
i =1
91
3. Se determină valoarea calculată F-statistic = 77,204
4. Se determină valoarea tabelară, F-critic = 1,882, din tabelul repartiţiei
Fisher – Snedecor (anexa 4) în funcţie de nivelul de semnificaţie α = 0,05 şi de
n1 – 1 = 28 şi n2 – 1 = 28 grade de libertate;
5. Se compară valoarea calculată cu valoarea tabelară şi se observă că F-
statistic > F-critic, deci, ipoteza nulă se respinge, ceea ce înseamnă că modelul
a rezistat verificării, fiind util analizei şi previzionării cursului de schimb.
Parcurgerea tuturor acestor etape ale verificării statistice a modelului
econometric, precum şi ale celor referitoare la verificarea parametrilor
modelului, duc la ideea unei anumite nesiguranţe privind calitatea rezultatelor
obţinute. În urma acestor multiple verificări, bazate pe ipoteza repartiţiei
normale a variabilelor analizate (rezultativă, factoriale, aleatoare), această
nesiguranţă dispare şi, chiar dacă nu există certitudini, există convingerea că,
pentru o probabilitate suficient de mare, concluzia la care se ajunge este cea
adevărată.
92
timp cu o durată cuprinsă între trei luni şi trei ani, iar peste trei ani previziunea
este considerată ca fiind pe termen lung.36
Există mai multe metode de previzionare a cursului valutar. Unele se
bazează pe o analiză economică care porneşte de la premisa existenţei unor
relaţii stabile între cursul valutar şi alte variabile economice. Aceste metode
permit elaborarea unor previziuni pe termen mediu şi lung. Altele, se
fundamentează pe formularea unor previziuni pe termen foarte scurt pe seama
comportamentului din trecut al cursului de schimb al leului, cu ajutorul
modelelor autoregresive.
Previziunile bazate pe modelul multifactorial al cursului valutar al leului
se realizează astfel: se atribuie variabilelor factoriale (masa monetară, rata
dobânzii, soldul comerţului exterior şi rezervele internaţionale brute) valori
preconizate – rezultate din aplicarea modelului pe perioade de timp cunoscute şi
apoi se determină viitoarele valori ale cursului valutar pe baza modelului.
Corectitudinea acestor previziuni depinde de următoarele condiţii:
– valorile atribuite variabilelor factoriale sunt reale;
– comportamentul constatat în trecut în ceea ce priveşte relaţiile dintre
variabilele modelului, nu se va modifica semnificativ, astfel încât structura
exprimată prin parametrii de regresie va rămâne neschimbată;
– nu vor interveni noi factori semnificativi şi nici situaţii excepţionale
care să modifice esenţial comportamentul cursului valutar al leului.
O modalitate importantă de îmbunătăţire a performanţelor modelelor
econometrice constă în depăşirea cadrului strict matematic sau statistic al
analizei, ceea ce presupune:
– luarea în considerare a soluţiilor previzionate deja pentru cele mai
recente perioade de timp, în sensul reevaluării şi ajustării predicţiilor;
– utilizarea informaţiilor de natură calitativă în vederea ajustării
previziunilor şi apropierii lor cât mai mult de realitate;
– asigurarea unui anumit rol experienţei şi intuiţiei în analiza
rezultatelor obţinute.
În ceea ce priveşte modalitatea de obţinere a valorilor estimate ale
cursului de schimb, dacă procedeul în sine nu ridică probleme, în schimb
asigurarea acurateţei previziunii presupune parcurgerea unei serii de etape care
include analize, verificări, reevaluări care au drept scop final diminuarea
erorilor de previzionare.
36
C. Şipoş, C. Preda, Econometrie, Editura Mirton, Timişoara, 2006
93
Astfel, eroarea de previziune ( ε t′ ) reprezintă abaterea valorii previzionate
Ĉt în raport cu valoarea reală Ct , obţinută sub formă de diferenţă
( ε t′ = Ĉt − Ct ) şi apariţia ei poate fi atribuită următoarelor cauze:
– acţiunea factorilor întâmplători, care determină abateri aleatoare de
distribuţie normală;
– distorsionarea parametrilor estimaţi ca urmare a faptului că datele
utilizate provin de multe ori din eşantioane de volum redus, ceea ce le face
neconforme cu ipotezele metodei celor mai mici pătrate sau ale altor metode de
estimare;
– omiterea unor factori importanţi de influenţă (unii de natură calitativă)
sau alegerea unor funcţii neadecvate;
– determinarea unor valori eronate, sub sau supraevaluate, ale
variabilelor factoriale prevăzute pentru perioadele de predicţie.
În acest fel, pentru a verifica dacă modelul final al leului a fost corect
elaborat, neafectat de distorsiuni sistematice, trebuie să se determine dacă
erorile de previzionare sunt minime şi dacă sunt datorate exclusiv unor factori
aleatori.
Pentru a putea atinge acest deziderat, se parcurg următoarele etape:
1. Pregătirea elaborării previziunii. În cadrul acestei etape, se verifică
datele, în sensul eliminării erorilor de observare sistematice, se asigură
omogenitatea datelor, prin utilizarea unei singure surse de provenienţă, se
verifică statistic modelul şi se procedează la stabilirea valorilor cunoscute ale
variabilelor factoriale.
2. Elaborarea previziunii în varianta iniţială. Se realizează prin
estimarea parametrilor de regresie pentru perioada cunoscută t şi se obţin
valorile estimate ale parametrilor modelului: â 1 ,
â 2 , â 3 , â 4 , â 5 conform tabelului 7.6.
3. Analiza erorilor de previzionare rezultate. În această etapă, se
studiază abaterile dintre valorile estimate şi cele reale, atât prin prisma
dimensiunii şi a capacităţii lor de a reflecta modificările semnificative ale
tendinţei de evoluţie, cât şi din punctul de vedere al calităţii acestor abateri de a
fi conforme cu ipotezele metodei celor mai mici pătrate.
Pentru a obţine previziuni cât mai precise, se poate verifica modelul şi
cu ajutorul previziunilor ex–post. Aceste previziuni se referă la perioade de timp
pentru care se cunosc date reale, existând posibilitatea testării preciziei
prognozei.
Posibilele distorsiuni aferente previzionării cursului leului cu ajutorul
modelului multifactorial se datorează faptului că datele utilizate au fost
94
prezentate sub forma valorilor lunare – deoarece aceasta este perioada de timp
minimă pentru care pot fi înregistrate masa monetară, rata dobânzii, comerţul
exterior şi rezervele internaţionale brute – date lunare care implică prelucrări
suplimentare pentru analiza unei variabile de tipul cursului valutar, care
evoluează zilnic. Acest lucru este, însă, în mare măsură compensat de influenţa
majoră pe care o au respectivele variabile asupra cursului de schimb al leului.
Ca urmare, modelul multifactorial poate fi utilizat cu o probabilitate suficient de
mare de acurateţe pentru estimări ale comportamentului cursului de schimb al
leului pe termen mediu (pe perioade de până la un an), cu condiţia completării
lui permanente cu datele noi care apar pe parcurs şi, mai ales, cu condiţia ca
piaţa valutară să nu fie influenţată în mod semnificativ de factori exogeni, care
nu au fundament economic, de tip instituţional sau politic.
4. Analiza calitativă a valorilor previzionate ale cursului valutar.
Această etapă este una de apreciere a concordanţei evoluţiei previzionate a
cursului valutar cu ceea ce se cunoaşte din teoria economică de specialitate sau
din experienţa practică.
Pentru a putea aprecia corect concordanţa valorilor previzionate pe baza
modelului multifactorial cu evoluţia reală a cursului de schimb al leului, este
necesar să ţinem seama de faptul că politica valutară în România se află într-o
perioadă de schimbări radicale. Această schombare este rezultatul opţiunii de
reducere a subordonării politicii cursului de schimb obiectivului privind
echilibrul extern şi de valorificare a tendinţei de apreciere în termeni reali a
leului în scopul accelerării dezinflaţiei, prin adoptarea strategiei inflation
targeting.
În aceste condiţii, regimul cursului de schimb al leului îşi păstrează, în
anumite limite, caracteristicile flotării controlate, managed floating, trăsătură
care însă se estompează, pe măsura creşterii aportului productivităţii la
susţinerea productivităţii externe, ceea ce va permite trecerea, în final, la o
flotare liberă a cursului de schimb.
Totodată, trebuie să ţină seama şi de faptul că obiectivul major pe termen
mediu şi lung al României este integrarea în Uniunea Europeană, care
presupune legarea mecanismului cursului de schimb al leului de ERM2 şi,
ulterior, când vor fi îndeplinite criteriile necesare, adoptarea euro drept monedă
naţională.
5. Actualizarea modelului. Deoarece modelul transpune condiţii trecute în
previzionarea evoluţiei viitoare a comportamentului cursului de schimb al
leului, orizontul său de predicţie este relativ restrâns, apărând necesitatea
obiectivă a actualizării sale permanente. Acest lucru se realizează prin
introducerea de noi date, pe măsură ce acestea apar, prin verificarea periodică şi
modificarea, dacă este cazul, a valabilităţii relaţiilor descrise de ecuaţiile
95
modelelor, precum şi prin introducerea unor noi variabile factoriale atunci când
se consideră că este necesar.
Din prezentarea etapelor de elaborare a modelului econometric, ce
caracterizează evoluţia cursului valutar al leului, rezultă că previziunile realizate
pe baza acestuia se fundamentează în mare măsură pe ştiinţa modelării
cantitative, dar şi pe arta de a aprecia şi corecta rezultatele obţinute cu ajutorul
unor analize calitative, răspunzând, în acelaşi timp, necesităţilor activităţii
practice.
96
În contextul economiei mondiale contemporane, atitudinea faţă de riscul
valutar poate varia de la indiferenţă faţă de acesta, cu suportarea consecinţelor
financiare ale acestui risc, care uneori sunt dezastruoase pentru o firmă şi până
la o atitudine de conştientizare riguroasă a posibilelor efecte ale acestui risc şi
administrarea lui în mod profesional prin intermediul a diverse metode de
acoperire. Această gestionare a riscului valutar are ca scop reducerea la
minimum a costurilor cu diferenţele de schimb valutar care la un moment dat
pot avea un impact negativ serios asupra patrimoniului sau veniturilor firmei,
având atât o componentă pe termen scurt, cât şi una pe termen lung.
Pe termen scurt, administrarea riscului valutar are drept scop realizarea
unor cheltuieli de evitare a riscului cât mai mici, astfel încât ele să se situeze sub
cuantumul sumelor care s-ar pierde în absenţa protecţiei, în timp ce pe termen
lung se urmăreşte ca aceste cheltuieli de protejare împotriva riscului valutar să
nu reprezinte decât o proporţie redusă din valoarea pierderilor potenţiale.
Pentru exportator există riscul ca, în perioada de derulare a contractului –
scursă între data încheierii contractului şi data efectuării plăţii – cursul de
schimb al valutei în care este libelată creanţa să scadă în raport cu moneda
naţională (aceasta din urmă se repreciază) şi, astfel, preţul pe care îl obţine
pentru prestaţia sa, preţ exprimat în unităţi monetare naţionale, să fie mai mic
decât cel previzionat, înregistrându-se o pierdere. De cealaltă parte, pentru
importator există riscul ca, în perioada de derulare a contractului, cursul de
schimb al valutei în care este libelată datoria să crească în raport cu moneda
naţională (aceasta din urmă se depreciază), majorându-se astfel, preţul de
cumpărare, exprimat în unităţi monetare naţionale, ceea ce provoacă, de
asemenea, o pierdere. Aceste două ipoteze se referă la evoluţiile nefavorabile
ale cursului de schimb pentru importator şi pentru exportator, însă trebuie avut
în vedere şi faptul că evoluţiile cursului de schimb se pot petrece şi în sens
invers celui prezentat anterior, ceea ce poate aduce profituri suplimentare, atât
importatorului, cât şi exportatorului.
Singura posibilitate de protecţie împotriva riscului valutar este o
evaluare cât mai riguroasă a acestuia şi utilizarea selectivă a metodelor de
acoperire cele mai indicate la un moment dat. Această selecţie trebuie să aibă ca
obiectiv minimizarea pierderilor din diferenţele nefavorabile de curs sau chiar
obţinerea unui profit de pe urma acestor diferenţe, dacă gestionarea riscului este
corect realizată.
În teoria economică s-au cristalizat, la ora actuală, o serie de modele
statistico-matematice care formalizează un obiectiv complex al gestiunii
financiare, şi anume, cel al optimizării corelaţiei dintre randamentul unei
activităţi şi riscul implicat de realizarea acesteia, în vederea obţinerii unei
gestionări eficiente a capitalului deţinut. Această problematică înregistrează o
97
preocupare tot mai evidentă din partea specialiştilor, în condiţiile în care pieţele
valutare şi financiare înregistrează volatilităţi sporite, determinând o relaţie
directă între randamentul obţinut şi riscul aferent.
De regulă, realizarea unui profit mare într-o perioadă scurtă de timp este
însoţită de un risc maxim, care se poate concretiza fie în obţinerea unui profit
mai mic decât cel scontat, fie în pierderea totală a sumei investite sau chiar în
falimentul firmei care a riscat. Dimpotrivă, dezideratul obţinerii unor profituri
mai mici şi pe o perioadă mai lungă de timp este însoţit de cele mai multe ori de
un risc minim, existând toate şansele ca activitatea în care s-a investit să aibă
rezultatele aşteptate.
Dacă în activitatea financiară în general discutăm despre o anumită
rentabilitate a unei investiţii, fie ea direct productivă sau de plasare de capital,
pe piaţa valutară putem vorbi despre randamentul cursului de schimb. Astfel,
din perspectiva unui exportator autohton care efectuează cheltuieli de obţinere a
unui produs exprimate în monedă naţională, iar apoi vinde acest produs în
exterior primind un preţ în valută, orice devalorizare a monedei naţionale pe
parcursul derulării contractului reprezintă o diferenţă favorabilă care poate fi
interpretată ca un profit suplimentar. Acest profit suplimentar care a fost realizat
datorită variaţiei cursului de schimb al monedei naţionale faţă de valuta în care
a fost libelată creanţa, poate fi interpretat ca un randament al cursului de
schimb.
Cu alte cuvinte, dacă variaţia cursului de schimb este în sensul deprecierii
monedei naţionale se înregistrează un randament pozitiv al cursului, şi el
produce un profit pentru exportator, iar dacă cursul de schimb se apreciază, vom
înregistra un randament negativ, adică o pierdere pentru exportator. Bineînţeles
că din punctul de vedere al unui importator lucrurile stau exact invers, acestuia
fiindu-i favorabilă aprecierea cursului şi înregistrând pierderi în cazul
deprecierii acestuia, însă noţiunea de randament al cursului de schimb rămâne
neschimbată.
Pentru evaluarea riscului valutar, teoria probabilităţilor a reţinut ca
relevanţi următorii parametri statistici:
1. Valoarea medie r a randamentelor ri ponderate cu probabilităţile de
apariţie pi:
n
r = ∑r ⋅ p
i =1
i i
98
2. Varianţa (dispersia) randamentelor faţă de valoarea medie σ2,
calculată ca sumă a pătratelor diferenţelor dintre randamentele ri şi media
acestora r ponderate cu probabilităţile de apariţie pi:
n
σ 2 = ∑ (ri − r )2 ⋅ pi
i =1
σ = σ2
Din perspectiva evaluării riscului valutar, parametrii respectivi au o
importanţă deosebită, având în vedere faptul că toate studiile sunt efectuate pe
baza valorilor pe care le iau aceştia.
Media poate fi asimilată cu randamentul (deprecierea) scontată a
cursului de schimb pentru perioada viitoare, respectiv deprecierea care are cea
mai mare probabilitate de a se realiza.
Varianţa se poate asimila cu riscul ca deprecierea reală să se abată de
la valoarea medie, având în vedere faptul că ea este determinată ca o sumă a
abaterilor faţă de medie înregistrate anterior. Deoarece varianţa, prin relaţia ei
de calcul, este de ordinul pătratului valorilor analizate, fapt care îngreunează
cercetarea, în practica statistică riscul este evaluat de obicei prin intermediul
abaterii medii pătratice (standard) care, reprezentând rădăcina pătrată a
varianţei, este de ordinul valorilor luate în studiu. Astfel, se poate admite că
riscul este măsurabil prin intermediul valorilor negative ale abaterii standard,
care înseamnă pierderi de randament, în timp ce valorile pozitive ale abaterii
standard reprezintă creşteri de randament, adică prima de risc.
Pe baza parametrilor statistici prezentaţi, care formalizează variabilele
economice implicate de analiza riscului valutar, se pot construi diverse modele
de evaluare ale acestui risc, luând în considerare datele oferite de evoluţia
cursului de schimb pe anumite perioade de timp.
Riscul valutar aferent unor operaţiuni de comerţ internaţional ce
presupune utilizarea mai multor monede naţionale este cuantificat şi în principal
ajutorul varianţei.
Varianţa sau dispersia (σ2) valorilor cursului de schimb faţă de cursul
mediu este un parametru statistic determinat ca sumă a pătratelor diferenţelor
dintre valorile cursului de schimb şi media acestora.
99
Relaţia respectivă arată că varianţa se poate asimila cu riscul ca
deprecierea reală să se abată de la valoarea medie, având în vedere faptul că ea
este determinată ca o sumă a abaterilor faţă de medie înregistrate anterior.
Din acest motiv, analiza dinamicii riscului valutar propusă în continuare
se va baza pe analiza dinamicii şi a factorilor de influenţă ce determină apariţia
varianţei (a fluctuaţiilor) cursului valutar. Acestea pot fi analizate cu ajutorul
unei tehnici cunoscute sub numele de analiză dispersională sau ANOVA.37
Tehnica respectivă reprezintă un procedeu de studiere a varianţei unei
variabile – în cazul nostru cursul valutar al leului – în raport cu factorii de
influenţă ai acesteia. Procedeul constă în descompunerea variaţiei totale a unui
ansamblu de date înregistrate pentru variabila studiată în componente ale
variaţiei, definite după sursele acesteia, precum şi compararea componentelor
respective pentru a stabili dacă factorii consideraţi cauză au influenţă
semnificativă asupra cursului.
În funcţie de cauzele care determină variaţia, componentele acesteia pot fi
grupate în două categorii:
– componenta explicativă sau efect, ce reprezintă variaţia determinată de
factorii de influenţă luaţi în considerare;
– componenta reziduală, care nu poate fi pusă pe seama unui anumit
factor de influenţă, fiind efectul cumulat al tuturor factorilor aleatori ce
acţionează asupra cursului valutar.
În funcţie de numărul factorilor de influenţă incluşi în analiză, ANOVA
poate fi aplicată fie ca o analiză unifactorială, fie ca una multifactorială. Pentru
studiul de faţă, s-a ales varianta bifactorială, cu interacţiune între factori, în
scopul separării influenţelor asupra varianţei cursului valutar pe trei
componente: una pe termen scurt, una pe termen mediu şi una pe termen lung.
Având în vedere faptul că varianţele sunt în principiu neaditive, pentru
descompunerea variaţiei se poate recurge la suma pătratelor abaterilor valorilor
cursului de schimb de la media acestuia, sumă cunoscută sub numele de
variaţie.
În vederea aplicării modelului ANOVA bifactorial pe datele aferente
cursului valutar al leului, au fost înregistrate 30 de valori lunare în perioada
2002 – 2005, iar apoi valorile respective au fost separate pe trei eşantioane a
câte zece valori consecutive.
Fluctuaţiile (varianţa) cursului de schimb al leului au fost analizate ca şi
dinamică şi factori de influenţă pentru o perioadă formată din cele trei perioade
rezultate din acest mod de eşantionare, considerându-se că variaţiile pe coloane
(date de variaţiile lunare ale cursului) reprezintă factorul de influenţă pe termen
37
T. Baron, C. Anghelache, Emilia Ţiţan, Statistică, Editura Economică, Bucureşti, 1996, pag.
127 – 137; Elisabeta Jaba, op. cit., pag. 303 – 320
100
scurt, iar variaţiile pe linii (date de variaţiile de la un an la altul ale
randamentului) reprezintă factorul de influenţă pe termen lung. Interacţiunea
dintre acestea reprezintă factorul de influenţă pe termen mediu.
Pentru a putea realiza analiza varianţei, se efectuează următoarele notaţii:
se presupune că factorii pe termen scurt se manifestă în nS nivele independente,
iar factorii pe termen lung se manifestă în nL nivele independente, în timp ce
interacţiunea dintre cele două categorii de factori se manifestă pentru nSL
observaţii. Numărul total de observaţii va fi:
n = nS + nL + nSL + nε
101
În ultima coloană şi ultima linie a tabelului şah sunt reprezentate mediile
cursului de schimb corespunzătoare fiecărui nivel al celor doi factori de
influenţă luaţi independent, calculate pentru cele k eşantioane a câte nSL
observaţii.
Cu c s-a notat media cursului de schimb aferentă tuturor celor n
observaţii, care se determină după relaţia:
1 n S n L n SL
c = ∑ ∑ ∑ c ijk
n i=1 j=1k =1
1 n SL
c ij = ∑ c ijk
n SL k = 1
n L n SL
1
ci = ∑ ∑ c ijk
n S n SL j = 1 k = 1
n S n SL
1
cj = ∑ ∑ c ijk
n L n SL i = 1 k = 1
102
unde VT – variaţia totală a cursului de schimb;
VTS – variaţia cursului de schimb datorită influenţei factorilor ce
acţionează pe termen scurt, numită şi variaţie intergrupe;
VTL – variaţia cursului de schimb datorită influenţei factorilor ce
acţionează pe termen lung, numită şi variaţie intergrupe;
VTS+TL – variaţia cursului de schimb datorită interacţiunii dintre cei doi
factori;
Vε – variaţia reziduală datorită factorilor aleatori, numită şi variaţie
intragrupă, deoarece exprimă variaţia din interiorul fiecărei grupe sau
eşantion.
Variaţia totală (VT), este definită ca sumă a pătratelor abaterilor valorilor
cursului de schimb de la medie şi se determină astfel:
nS n L n SL
V T = ∑ ∑ ∑ (c ijk − c )
2
i=1 j=1k =1
VT
sT2 =
n −1
nS
V TS = n L n SL ∑ (c i − c )
2
i=1
2 VTS
sTS =
nS − 1
103
nL
V TL = n S n SL ∑ (c j − c )
2
j =1
2 VTL
sTL =
nL − 1
nS nL
V TS + TL = n SL ∑ ∑ (c ij − c i − c j + c )
2
i=1 j =1
2 VTS +TL
sTS +TL =
(nS − 1)(nL − 1)
Variaţia reziduală (Vε), ce cuantifică influenţa factorilor aleatori asupra
cursului de schimb, se calculează astfel:
nS n L n SL
V ε = ∑ ∑ ∑ (c ijk − c ij )
2
i = 1 j = 1k = 1
Vε
sε2 =
nS + nL + (nSL − 1)
104
Tabelul 8
Sursa Componentele Grade de Estimatorii
variaţiei variaţiei totale libertate varianţelor
H0: c1 = … = ci = … = cnS
H0: c1 = … = c j = … = cn L
3. Ipoteza nulă conform căreia toate mediile de tip cij sunt egale, cu
ipoteza contrară că cel puţin o medie de acest tip este diferită de celelalte:
105
seama factorului pe termen scurt, respectiv, pe termen lung, iar la numitor
estimatorul varianţei intragrupe (sε2).
Pentru cea de-a treia ipoteză, se foloseşte valoarea testului F, calculată ca
raport între estimatorul varianţei interacţiunii dintre factorii pe termen scurt şi
pe termen lung, şi estimatorul varianţei intragrupe (sε2).
Pentru prima ipoteză nulă, calculul valorii F a testului Fisher se face cu
relaţia:
2
sTS
FTS =
sε2
2
sTL
FTL =
sε2
2
sTS +TL
FTS +TL =
sε2
106
Valoarea calculată este FTS+TL = 25,480 şi se compară cu valoarea
tabelară Fcritic = 2,640. În urma comparaţiei, rezultă că FTS+TL este mai mare
decât Fcritic, deci ipoteza nulă se respinge şi se trage concluzia că interacţiunea
dintre factorii pe termen scurt şi termen lung influenţează semnificativ
fluctuaţiile cursului de schimb.
O primă concluzie care se poate trage din rezultatele testării celor trei
ipoteze este aceea că toţi factorii de influenţă, atât pe termen scurt, cât şi pe
termen lung, precum şi interacţiunea dintre aceştia au influenţe semnificative
asupra fluctuaţiilor cursului de schimb al leului, ceea ce înseamnă că acesta
prezintă un grad destul de mare de volatilitate pentru fiecare factor temporal
analizat.
În al doilea rând, se observă că pentru factorul pe termen scurt apare cea
mai mare diferenţă între valoarea calculată şi cea critică, ceea ce înseamnă că pe
termen scurt fluctuaţiile şi, în consecinţă, riscul sunt cele mai mari. Altfel spus,
volatilitatea pe termen scurt a cursului leului este relativ ridicată.
A treia concluzie este că pe termen lung, această volatilitate se atenuează
foarte mult, diferenţa dintre valoarea calculată şi cea tabelară fiind practic
nesemnificativă. Înseamnă că, pe termen lung, operaţiunile valutare care implică
leul românesc au un risc redus şi că operatorii de pe piaţa valutară trebuie să
aibă încredere pe termen lung în moneda noastră naţională.
În fine, interacţiunea dintre factorii pe termen scurt şi pe termen lung are
şi ea o oarecare influenţă, aceasta fiind însă şi ea destul de slabă, diferenţa dintre
F calculat şi F critic fiind destul de mică, ceea ce înseamnă că influenţele pe
termen scurt şi cele pe termen lung se intercondiţionează într-o măsură destul de
scăzută.
În principiu, se poate, deci, spune că, în perioada studiată, a existat un
anumit grad de risc valutar aferent tranzacţiilor internaţionale care au implicat
utilizarea leului, care a acţionat atât pe termen scurt, cât şi pe termen mediu şi
lung. De aceea, riscul valutar constituie, încă, un factor perturbator al activităţii
exportatorilor şi importatorilor români. Acest lucru se întâmplă, însă, într-o
măsură mult mai mică decât în anii anteriori, ceea ce arată o stabilizare
semnificativă a pieţei valutare din România.
Concluzia finală este că variaţiile cursului de schimb al leului generează
un risc valutar moderat, îndeosebi pe termen scurt. Acest risc este datorat în cea
mai mare măsură condiţiilor interne, ceea ce face ca tranzacţiile internaţionale
ce implică utilizarea leului să aibă un anumit grad de nesiguranţă, atât pentru
operatorii români, cât şi pentru cei străini. Trebuie, totuşi, subliniat că aceeaşi
evoluţie arată foarte limpede că aprecierea continuă a leului, controlată într-o
anumită măsură de Banca Naţională a României, nu este suficientă. Este
necesară finalizarea restructurării economiei româneşti şi orientarea acesteia şi
107
mai pregnant spre economia mondială. Cursul de schimb al leului reprezintă o
pârghie importantă de reglare a comerţului exterior românesc, care trebuie însă
completată şi cu alte elemente stimulatoare, care să integreze armonios spaţiul
economico–social românesc în cel european şi mondial.
Elementele specifice ale modelelor construite de-a lungul acestui capitol
fac ca utilizarea lor în modelarea dinamicii cursului de schimb al leului să fie
diferită. Modelele bazate pe influenţa parametrilor economiei româneşti sunt
mai eficiente pentru perioadele normale, caracterizate de o evoluţie a cursului
lipsită de fluctuaţii majore, în timp ce modelele de cuantificare a efectului în
timp sunt mai indicate pentru perioadele de criză, de fluctuaţii accentuate ale
cursului. Oricare ar fi însă mărimea decalajului în timp a analizei, modelele
respective trebuie utilizate pentru previziuni pe termen relativ scurt, având în
vedere că ele, de fapt, extrapolează anumite concluzii bazate pe evoluţia
anterioară, ceea ce înseamnă că orice modificare semnificativă în condiţiile
iniţiale duce la distorsionarea modelului.
Faţă de alte metode de cercetare a cursurilor valutare, metodele
cantitative, bazate pe instrumente matematice şi statistice, aduc elemente noi de
caracterizare, care altfel nu ar fi putut fi puse în evidenţă, fapt care a constituit
motivaţia principală a orientării studiului întreprins spre utilizarea modelelor
econometrice ale cursului valutar al leului.
Problematica modelării variabilelor economice este extrem de complexă,
elementele specifice procesului de tranziţie adăugându-i noi dimensiuni,
neputându-se astfel formula concluzii cu caracter definitiv. Se poate, însă,
aprecia că modelele econometrice aduc un aport ştiinţific, teoretic şi operaţional
semnificativ în vederea susţinerii unor decizii atât la nivel micro, cât şi la nivel
macroeconomic.
108
BIBLIOGRAFIE PARTE APLICATIVĂ
15. Baron T., Anghelache C., Ţiţan E., Statistică, Editura Economică,
Bucureşti, 1996
17. Levine D.M., Stephan D., Krehbiel T.C., Berenson M.L., Statistics for
Managers using Microsoft Excel, Third Edition, Prentice Hall,
2002
21. Şipoş C., Preda C., Statistică Economică, Editura Mirton, Timişoara, 2004
22. Şipoş C., Preda C., Econometrie, Editura Mirton, Timişoara, 2006
24. Rapoartele lunare şi anuale ale Băncii Naţionale a României, anii 2000 -
2009
109