1

MODELAREA AGREGATELOR
MACROECONOMICE CU
AJUTORUL TEHNICII DE
ANALIZ ECONOMETRIC
MULTIDIMENSIONAL
COORDONATOR TIINIFIC: PROF.
UNIV. ALDEA ANAMARIA
VLCAN T.A.- CSIE


1. INTRODUCERE
Scopul care a stat la baza alegerii temei
Modelarea agregatelor macroeconomice cu
ajutorul tehnicii de analiza econometrica
multidimensionala a fost determinat de
posibilitatile pe care le ofera tehnicile de
analiza multidimensionala in solutionarea
celor mai diverse probleme decizionale.
Continutul lucrarii este structurat in 3 sectiuni,
din care prima sectiuni prezinta partea
teoretica referitoare la agregate, tehnici de
analiza econometrica, a doua prezinta o
aplicatie numerica si ultima prezinta
concluziile.
In prima sectiune sunt prezentate Modele
vector autoregresiv (VAR), Metodologia VAR
si Estimarea ecuatiilor VAR.
Modelul VAR este destinat previziunii si se
utilizeaza pentru a analiza impactul unor
perturbatii aleatoare asupra variabilelor
sistemului. Fiecare variabila este exprimata in
functie de trecutul celorlalte variabile din
sistem. Metodologia VAR este usor de folosit
si este flexibila. In modelarea ecuatiilor
simultane unele variabile sunt considerate
endogene si altele exogene. Modelul VAR
surprinde structura dinamica a mai multor
variabile simultan. Relatia pe termen lung este
relatia de cointegrare si este asociata cu o
dependenta economica, in timp ce dinamica pe
termen scurt reprezinta ajustarea modelului de
catre relatia pe termen lung.
Pentru estimarea modelului VAR se urmeaza
etapele: specificarea modelului (alegerea
variabilelor care vor fi modelate, alegerea
numarului de laguri prin criterii informationale
Akaike si Schwartz).
In a doua este prezentat un model economic cu
o aplicatie numerica: Modelarea agregatelor
macroeconomice cu ajutorul modelelor
multidimensionale in Eviews. S-au ales
variabilele 2 endogene Y (rata dobanzii si rata
somajului) si 3 variabile exogene X (PIB,
investitii si cursul de schimb), pentru un model
VAR cu date din perioada martie 1999- martie
2009 (Tabelul 1 si Tabelul 2).
In ultima sectiune sunt prezentate concluziile.
Econometria este disciplina economic de
frontier, aprut n domeniile de interferen
ale teoriei economice, statisticii i matematicii,
se consider anul 1930, cnd s-a nfiinat la
Cleveland Societatea de Econometrie
(Econometric Society), avndu-i ca iniiatori
pe: Irving Fischer, L. V. Bortkiewicz, Ragnar
Frisch, H. Hotelling, L. Schumpeter, N.
Wiener i alii.
n Romnia, primele preocupri relevante n
domeniul econometriei au aprut dup anul
1965, odat cu nfiinarea Facultii de Calcul
Economic i Cibernetic Economic. Un
element important al contribuiei Facultii de
Calcul Economic i Cibernetic Economic, la
promovarea i dezvoltarea econometriei n ara
noastr, este reprezentat de instrumentul
software EMI - Limbaj pentru Analiz i
Predicie, instrument dezvoltat de prof. dr.
Gheorghe Ruxanda i utilizat de studenii din
Academia de Studii Economice din Bucureti.
Un domeniu mai puin abordat, att teoretic,
ct i practic, l constituie metodele
econometriei, n sensul restrictiv al termenului,
respectiv modelele aleatoare (stochastice).
Modelele deterministe, utilizate n mod curent
i de mult vreme n teoria i practica
economic din ara noastr, sunt de multe ori
inadecvate pentru a explica i, mai ales, pentru
a prognoza pertinent evoluia fenomenelor,
proceselor sau sistemelor economice, elemente
dinamice prin natura lor. De asemenea, n
studiile mult mai recente, se insist asupra
faptului c studiul seriilor de timp privind
evoluia fenomenelor economice nu poate fi
independent de teoria economic. Se au n
vedere, n acest sens, nu att determinarea i
extragerea econometric a tendinei, ct i
aspectele legate de efectul ntrziat n timp,
propagarea impulsului unor variabile exogene
asupra variabilei prognozate, natura oscilaiilor
de diferite frecvene etc. Acestea sunt motivele
care au determinat ca modelele dinamice -
bazate pe analiza evoluiei n timp a
fenomenelor economice - s-i gseasc locul
n cadrul modelelor econometrice.
Definiiile econometriei- conform
Dicionarului enciclopedic al limbii romne,
etimologia cuvntului provine din grecescul
oikonomia economie i metron msur.
2
Este disciplina de grani care face legtura
ntre teoria economic, matematic i statistic
i se ocup cu aplicarea metodelor statistice i
matematice (ex. modelarea) la analiza
fenomenelor i proceselor economice.
1
n mod
literal econometrie nseamn msurri
economice i este o combinaie ntre
economie, matematic i statistic.
Necesitatea elaborrii unor instrumente de
investigare i de sporire a eficienei metodelor
de organizare, dirijare i conducere a
economiei, pe de o parte, i succesele
metodelor statistico-matematice n alte
domenii fizic, chimie, astronomie etc. pe de
alt parte, au determinat adoptarea de ctre
tiinele economice a acestor metode.
Econometria s-a format i se dezvolt nu n
urma unui proces de diversificare a tiinei
economice, ci prin integrarea dintre teoria
economic, matematic i statistic. n cadrul
acestui triunghi, teorie economic - matematic -
statistic, locul central l ocup teoria
economic. Dei metodele statistico-
matematice reprezint un progres calitativ,
fenomenele economice, pe lng componena
lor cuantificabil, conin aspecte care nu pot fi
reprezentate prin cantitate.
Metoda modelelor sau metoda modelrii
reprezint principalul instrument de
investigare econometric a fenomenelor
econometrice.
n general, modelul reprezint un instrument de
cercetare tiinific, o imagine convenional,
simplificat a obiectului supus cercetrii. Fiind
o construcie abstract, n care se neglijeaz
proprietile neeseniale, modelul este mai
accesibil investigaiei ntreprinse de subiect,
aceasta fiind una din explicaiile multiplelor
utilizri pe care modelul le are n epoca
contemporan. Reprezentrile econometrice,
spre deosebire de modelele economice care
explic structura fenomenului sau procesul
economic de pe poziia teoriei economice, au
ntotdeauna o finalitate practic, operaional,
ele devenind instrumente de control i dirijare,
de simulare i de previziune a fenomenelor
economice.
Existena legturilor (legi economice, relativ
stabile i relativ repetabile) dintre fenomenele
i procesele care formeaz un sistem
economic, reprezint suportul teoretic pe care
econometria i fundamenteaz reflectarea

1
Dictionarului enciclopedic al limbii romane, Ed.
Stiintifica si Enciclopedica, Bucuresti, 1986
formal a acestora. Aceste legturi sunt
descrise cu ajutorul metodelor statistico-
matematice.
n domeniul economic, modele la nivel micro
sau macroeconomic se pot interpreta cu
ajutorul urmtoarei scheme prezentate mai
jos:
2

Figura 1: Reprezentare schematica a unui
model econometric
unde:
Y=(yi)- volum ieiri din sistem i=1,n
X=(xj)- factorii calitativi i cantitativi care
influeneaz ieirile j=1,m
S-structura sistemului prin intermediul creia
factorii x
j
determin ieirile y
i
.
Un model econometric nu se poate elabora
dac nu s-a constituit o teorie economic a
obiectului cercetat. Un model construit
reprezint o verig intermediar ntre teorie i
realitate. El reprezint o cale de confruntare a
teoriei cu practica, singurul mod de
experimentare pe baza cruia tiin
economic i poate fundamenta ipotezele, din
moment ce obiectul su de cercetare poate fi
numai observat, nu i izolat i cercetat n
laborator. Se poate spune c metoda
econometriei este metoda modelrii sau
metoda modelelor. Modelul econometric -
reprezint un mijloc de cunoatere a unui
obiect economic, iar modelarea econometric
este o metod care conduce la obinerea de
cunostiinte sau informaii noi privind starea,
structura (conexiunile dintre elemente) i
evoluia unui proces sau sistem economic
3
. n
consecin, modelul este:
-o construcie uman, artificial, care ncearc,
prin analogie, s reprezinte realitatea ct mai
veridic posibil;
-este o reprezentare abstract, simplificat a
realitii; . n corpul modelului se redau numai
relaiile eseniale ale fenomenului economic;
-pe msura creterii gradului su de
abstractizare, n model se rein doar
mecanismele i interaciunile cele mai intime
ascunse ale realitii.

2
Baza de modele economice prof. univ. dr. Ion
Ivan; prof. univ. dr. Adrian Visoiu,
www.biblioteca.ase.ro
3
Modele econometrice vol 1, editia a 2-a, Ovidiu
Tanasoiu; Andreea Luiza Iacob,
www.biblioteca.ase.ro

S
Y X



3
Particulariznd legturile econometriei cu
unele dintre disciplinele economice, trebuie
subliniat corespondena dintre modelarea
econometric i previziune. Previziunea macro
sau microeconomic reprezint un domeniu
care utilizeaz n mare msur rezultatele
simulrii i, mai ales, ale prediciei
econometrice. Activitatea de previziune a
economiei este aceea care "ofer" o serie de
elemente utile elaborrii modelului privind,
ndeosebi, etapa de specificare a acestuia. n
aceast etap se face previziunea de lineate a
variabilelor endogene (rezultative) i a
pachetului variabilelor exogene
corespunztoare obiectivelor urmrite n
funcie de informaiile statistice existente.
4


2. TEHNICA DE ANALIZA
ECONOMETRICA
2.1. Modele vector autoregresiv (VAR)
Metodele VAR i VEC sunt dou tehnici
foarte rspndite datorit flexibilitii dar i a
avantajelor legate de absena necesitii
introducerii unor restricii arbitrare pentru
identificarea sistemului, aa cum se ntmpl
n cazul ecuaiilor simultane. n acest tip de
metode, nu exist variabile exogene, setul de
variabile endogene sunt estimate prin lag-urile
lor. Intervenia modelatorului se face n
alegerea variabilelor care sunt introduse n
model precum i a numrului de lag-uri.
Reprezentarea autoregresiva AR(p) este
extins pentru un vector de variabile
dependente VAR(p). n scrierea matricial,
pentru dou variabile, un model VAR(1) are
urmtoarea form:

(2.1)
sau
(2.2)
unde Y
t
este vectorul variabilelor dependente
(2x1), B vectorul termenilor liberi (2x1), A
matricea coeficientilor (2x2) iar vectorul
erorilor (perturbatiilor).
Prezentul variabilelor este dependent de
propriul trecut. Un sistem econometric cu
ecuaii simultane poate fi pus n forma VAR.

4
Modele econometrice vol 1, editia a 2-a, Ovidiu
Tanasoiu; Andreea Luiza Iacob,
www.biblioteca.ase.ro
Aceste modele sunt destinate previziunii
(avantaj: nu sunt necesare previziuni ale
variabilelor, in afara sistemului) i se
utilizeaz deasemenea pentru a analiza
impactul unor perturbaii (ocuri) aleatoare
asupra variabilelor sistemului. Fiecare
variabil este exprimat funcie de trecutul
celorlalte variabile din sistem. Forma general
VAR(p) este redat prin ecuaia vectorial:
(2.3)
unde Y
t
este vectorul variabilelor dependente
(kx1), A
i
(kxk) matrici ale coeficientilor iar
t
este vectorul (kx1) inovatiilor (erorilor);
adica transpusa
vectorului.
Se presupune c inovaiile sunt necorelate cu
trecutul acestora respectiv cu variabilele din
partea dreapt a ecuaiei. Pentru estimarea
coeficienilor se utilizeaz metoda celor mai
mici ptrate pentru fiecare ecuaie n parte,
fr a se pierde din eficiena. Se utilizeaz
atunci cnd ne intereseaz interaciunea dintre
variabile. Se definesc i aici condiii de
stabilitate, stationalitate a modelului. In
operatorul intarziere modelul se scrie:
(2.4)

unde ,
prin fiind notata matricea unitate.
Modelul VAR(p) este stabil daca radacinile
ecuatiei:
(2.5)
sunt n afara cercului unitate (au modulul mai
mare dect unu).
Un model stabil este staionar, mediile,
varianele i autocovariantele fiind
independente de timp.
nainte de elaborarea unui model ese
recomandat eliminarea tendinei i a
sezonalitii din date, dac exist; o metod
alternativ const n introducerea unui termen t
n ecuaia vectorial pentru a extrage tendina
determinist.
Pentru validare se aplic teste specifice,
similare cu cele din cazul unui model
autoregresiv cu o singura ecuaie: erorile
trebuie s fie necorelate, s aib aceeai
4
variant (constant n timp), iar pentru
elaborarea de previziuni este necesar i
normalitatea erorilor.
2.2. Metodologia vector autoregresiv (VAR)
Metodologia vector autoregresiv este o metod
foarte ntlnit n analiza seriilor de timp, n
principal datorit flexibilitii i a uurinei de
folosire. Ea poate fi considerat o generalizare
att a modelului univariat autoregresiv, pentru
c variabilele dependente sunt lag-uri ale
variabilelor explicative, dar i a ecuaiilor
simultane, pentru c se estimeaz simultan un
sistem de ecuaii. n plus, n fiecare ecuaie se
includ i lag-uri ale celorlalte variabile
endogene. n general, n model nu sunt incluse
variabile exogene, aa cum se procedeaz n
modelare. n modelarea ecuaiilor simultane
unele variabile sunt considerate variabile
endogene, iar altele variabile exogene. O
condiie pentru estimarea acestui tip de model
este condiia ca modelul s fie identificat.
Acest lucru se realizeaz prin includerea unor
variabile exogene numai anumite ecuaii, o
procedur care introduce subiectivismul n
model, decizie care este criticat de Sims
5
.
Conform lui Sims
6
, dac un set de variabile
sunt simultane, ar trebui tratate egal, nu ar
trebui s se fac mpriri apriori a variabilelor
n endogene sau exogene. Alternativa
popularizat de Sims este modelul VAR, n
care toate variabilele sunt tratate ca endogene,
evitnd astfel coruperea modelului cu restricii
de identificare stabilite arbitrar. n acest tip de
modele, intervenia modelatorului se face
numai n stabilirea variabilelor care s intre n
model i a numrului de lag-uri care trebuie
considerate. Una din caracteristicile modelelor
VAR este faptul c surprind structura
dinamic a mai multor variabile simultan, iar
funciile de impuls rspuns surprind
propagarea unui oc al unei variabile
dependente asupra sistemului. Odat cu
descoperirea importanei trendurilor stohastice
ale variabilelor economice i dezvoltarea
analizelor de cointegrare, au fost dezvoltate
modele care s permit separarea relaiei pe
termen lung de dinamica pe termen scurt.

5
Modelarea si evaluarea impactului investitiilor
directe, nationale si internationale asupra pietei
muncii si evolutiei macroeconomice din Romania -
metode VAR i VEC, contract MEC/2007,
documentare stiintifica, rafinare si analiza datelor,
Bianca Puna
6
Sims C.A., Macroeconomics and Reality, 1980
Relaia pe termen lung numit i relaia de
cointegrare este asociat cu o dependen
economic, n timp ce dinamica pe termen
scurt reprezint ajustarea modelului ctre
relaia pe termen lung.
n metodologia VAR presupunem c procesul
care a generat seriile de timp
Y
t
= (Y
1t
, Y
2t
, ..., Y
nt
) este o sum dintre un
trend deterministic i o parte pur stohastic:
Y
t
= t + xt (2.6)
Unde t este partea deterministic i xt este un
proces stohastic de medie zero. Componenta
deterministic poate fi zero (t = 0) poate fi o
constant (t =0) sau poate avea o tendin
liniar (t =
0
+
1
t). Componenta pur
stohastic a procesului xt include tendine
stohastice sau relaii de cointegrare. Se
presupune c are media zero i o reprezentare
VAR. Procesul observabil yt preia proprietile
deterministice i stochastice de la t i xt.
Ordinul de integrare i cointegrare este dat de
xt . Se presupune c partea stohastic X
t
=
(Y
1t
, Y
2t
, ..., Y
nt
) este generat de un proces
VAR de ordinul p, (VAR(p)) conform
formulei:
Y
t
= C + A
1
Y
t-1
+ A
2
Y
t-2
+ ...+ Ap Y
t-p
+ ut,
(2.7)
unde:
t= 1, ..., T; este lungimea seriei de timp;
n = este numrul de variabile endogene;
C= (c
1
, c
2
, ..., c
n
) este un vector de constante;
A
1
, A
2
, ..., Ap sunt matricile coeficienilor
variabilelor lag i au dimensiunea (nxn);
ut are dimensiunea (nx1) i este un vector de
erori necorelate i cu media zero.
Procesul descris n ecuaia (2.7) este stabil
dac det (In A
1
Z ... Ap Zp) 0 pentru
oricarez 1. Implicaiile acestei condiii de
stabilitate este c toate rdcinile
determinantului polinomial sunt n exteriorul
cercului unitate. n acest caz, xt este integrat
de ordinul zero I(0).
Dac condiia de mai sus este respectat,
procesul xt este independent de timp, iar
structura variaie i a covariaiei este
constant.
Dac determinantul polinomului are o rdcin
unitate z = 1 i toate celelalte rdcini n afara
cercului unitate, atunci o parte din variabile
sunt integrate i ar putea s existe i variabile
cointegrate.



5
Cu ajutorul operatorului lag Lj Yt = Yt-j,
ecuaia (2.7) poate fi scris mai compact:
A(L)Xt = ut (2.8)
unde A(L) = In A
1
L ... Ap Lp este o
matrice polinomial n operatorul lag de
ordinul p.
Dac t =
0
+
1
t i dac expresia lui X
t
se
nmulete cu A(L) dup simplificri se ajunge
la urmtoarea expresie:
Yt =
0
+
1
t + A
1
Y
t-1
+ ...+ Ap Y
t-p
+ ut
(2.9)
Dac este folosit modelul din ecuaia (1.9), iar
valorile parametrilor
0
i
1
sunt diferite de
zero, n cazul n care Y
t
~I(1) trendul
deterministic ar putea s fie ptratic. Deci
modelul este restrictiv impunnd restricii
asupra parametrilor deterministici.
n general, parametrizarea trendului
deterministic ar trebui s fie fcut la nceputul
analizei prin alegerea ordinului adecvat al
polinomului deterministic.
O alt practic este i extragerea trendului
deterministic naintea analizrii procesului
stohastic, deoarece acesta este n principal
partea care se dorete modelat n analiza
econometric.
2.3. Estimarea ecuaiilor VAR
Se consider modelul VAR (p) discutat
anterior:
Y
t
= C + A
1
Y
t-1
+ A
2
Y
t-2
+ ...+ Ap Y
t-p
+ ut
(2.10)
Cea mai simpl metod de estimare a
ecuaiilor este metoda celor mai mici ptrate
(ordinary least squares OLS).
Deoarece variabilele explicative sunt numai
lag-uri ale variabilelor endogene,
simultaneitatea nu este o problem pentru
acest tip de modele, i estimatorul OLS este
consistent. A fost demonstrat n literatur c
acest estimator este identic cu estimatorul
metodei celei mai mici ptrate generalizat
(generalized least squares GLS), deoarece
ecuaiile au aceleai variabile explicative.
Atunci cnd procesul este distribuit normal
acest estimator este identic cu estimatorul
verosimilitii maxime. n concluzie nu se
pierde din eficiena estimrii prin folosirea
OLS-ului.
n cazul n care procesul este stabil (I(0))
estimatorul metoda celor mai mici ptrate
produce estimatori care tind asimptotic ctre
distribuia normal.
Matricea variaie-covariaie poate fi estimat
consistent i testele statistice sunt asimptotic
corecte, deci pot fi folosite pentru testarea
ipotezelor statistice.
n cazul n care Y
t
~I(1) deci procesul nu este
stabil i pot exista relaii de cointegrare ntre
variabile, rezultatul c estimatorul OLS tinde
asimptotic ctre distribuia normal este nc
respectat. In acest caz, matricea variaie
covariaie este singular, pentru c exist
relaii liniare ntre parametri estimai. n
aceast situaie statisticele t, i F privind
parametri VAR nu mai sunt valabile
asimptotic. Chiar n aceste condiii, sunt cazuri
cnd inferenele rmn valabile, i anume
cazul n care testele statistice se refer numai
la coeficienii uneia din matrici i nu pun
condiii asupra coeficienilor mai multor
matrici A.
Pentru estimarea unui model VAR trebuie
parcurse mai multe etape. Se ncepe cu
specificarea modelului, prin alegerea
variabilelor dependente care vor fi modelate.
Acestea pot fi, din puncte de vedere teoretic,
orict de multe, dar n practic suntem limitai
de numrul de observaii disponibile.
In cazul aplicrii unui VAR(p) la n variabile
dependente, numrul de coeficieni coninui
n model este n
2
x p.
Dependena numrului de coeficieni de
numrul de variabile endogene nu este liniar,
ci ptratic, i de acea din punct de vedere al
gradelor de libertate aceast alegerea a
numrului de variabilelor dependente este
foarte important.
Ca exemplificare se consider 3 lag-uri i 2
variabile endogene, acest model va necesita 12
coeficieni de estimat, cte 6 n fiecare ecuaie,
dac ns se dorete includerea a 3 variabile
exogene cu 3 lag-uri, fiecare ecuaie va avea
acum 9 coeficieni de estimat, fr
considerarea trendului, n total 27. Din acest
motiv, numrul de variabile endogene care pot
fi modelate simultan este limitat de numrul de
observaii disponibile.
Un al doilea pas n specificarea modelului este
alegerea numrului de lag-uri.
Cel mai simplu, alegerea numrului de lag-uri
se face cu ajutorul criteriilor informaionale.
Criteriile informaionale cuantific practic
partea din variabila endogen care nu este
explicat de model. Cele mai rspndite
criterii informaioanale sunt Akaike i
Schwartz.
ntre cele dou criterii, Akaike sugereaz un
numr de laguri mai mare dect Schwartz.
6
Valorile celor dou criterii nu au nici o
relevan de sine, dar pentru decizia privind
numrului de lag-uri, se estimeaz diverse
modele de lag-uri diferite, iar pentru fiecare
model se calculeaz cele dou criterii
informaionale.
Alegerea unuia sau a altuia se face comparnd
criteriile informaionale i alegndu-l pe cel
care are valoarea cea mai mic. Ca regul,
atunci cnd cele dou criterii dau rezultate
contradictorii se recomand selectarea
modelului care d rezultate mai bune la
criteriul Schwartz.
7


3. APLICAIE NUMERICA:
MODELAREA AGREGATELOR
MACROECONOMICE CU AJUTORUL
MODELELOR MULTIDIMENSIONALE
EViews ofer mai multe metode alternative de
estimare pentru pentru un model de serii de
timp multivariate, cum ar fi metoda celor mai
mici ptrate (Least Squares), folosind sistemul
de ecuaii, VAR (autoregression vector), VEC
(vectorul corectarea erorilor) i metode de
estimare a sistemelor de ecuaii.
In acest capitol, se vor prezenta modele liniare
alternative bivariate, bazate pe dou variabile
endogene, ( Y
1
i Y
2
), i un set de variabile
exogene, i anume XK, K 1, 2,. . . , K.
Ne asteptam ca modelele sa fie aplicabile sau
utilizate n diverse domenii. n plus, aceste
modele pot fi extinse cu uurin pentru
variabile endogene multivariate.
Simbolul Y va fi folosit pentru variabilele
endogene selectate i simbolul X, pentru
variabilele exogene selectate. Toate variabilele
din seturile de date utilizate pentru ilustrare
vor fi definite sau selectate Y- ca variabile
endogene i X- ca variabile exogene.
Semnificatia variabilelor folosite este
urmatoarea:
X
1
PIB, X
2
investiii, X
3
cursul de
schimb, Y
1
rata dobnzii, Y
2
rata
omajului.
Perioada analizat este n intervalul de timp
martie 1999 martie 2009, datele fiind de tip
trimestrial. Datele au fost preluate de la BNR
i INS. Datele lunare pentru variabilele
precizate mai sus preluate pentru o perioada de
10 ani ( martie 1999- martie 2009) sunt
prezentate in Tabelele 1 si 2.

7
Harvey, The Econometric Analysis of Time
Series, editia a doua, editor Philip Allan, 1990
Prin utilizarea simbolurilor Y i X pentru
variabile multivariate endogene i respectiv
exogene, se propun ca modelele liniare
multivariate alternative sau sistemele de
ecuaii prezentate n continuare s poat fi
aplicabile pentru orice seturi de variabile din
diverse domenii de studiu.
Versiunile EViews 4, 5 i 6 ofer o metod
specific de estimare VAR sau functia VAR,
care poate fi folosita pentru a aplica modele
intarziate (lag-uri) multivariate endogene,
numit model vectorial autoregresiv (VAR) .
Procesul de analiz a datelor bazat pe un
model de baz VAR este, dup cum urmeaz:
(1) Se face clic pe Objects/ New Objects, care
ofer specificarea VAR prezentata anterior, cu
tipul de VAR Unrestricted VAR.
(2) Prin introducerea variabilelor Y1 i Y2, i
fcnd clic pe OK, rezultatele statistice vor
aprea pe ecran, dup cum sunt prezentate n
figurile 3.1 si 3.2.
(3) Se reine c intervalul lag al variabilei
endogene introduse este 1 2
Intervalele de lag pentru variabilele endogene
pot fi modificate, precum i eantionul de
estimare; kk pentru k = 0, 1,. . . , care pot fi
utilizate de asemenea.
(4) utilizarea implicita a variabilelor exogene
utilizate este C (o variabil constant), aa cum
este prezentata n fereastr.
(5) stabilitatea unui model VAR.
Pentru scopuri ilustrative, Figura 3.1 este o
reprezentare a modelului de baza VAR
bivariar, avand ca variabile endogene Y
1
i Y
2
,
cu "Lag intervals of Endogenous"- intervale de
decalaj ale variabilelor endogene: 1 2. Ambele
ecuaii din Figura 3.1 arat c parametrii
modelului sunt prezentati, precum i
nregistrati, n EViews, folosind simbolul C (i,
j).



7


Figura 3.1: Ecuatiile modelului bivariar VAR
cu variabile endogene Y
1
si Y
2

Bazat pe dou variabile endogene, i anume Y
1

i Y
2
, modelul de baz VAR are urmatoarele
ecuatii generale:
(ecuatiile 3.1 si 3.2)

unde Y
t-j
= (Y
1
, Y
2
)
t-j
este cel de-al j-lea
decalaj (variabila intarziata) al lui Yt, i se
presupune c fiecare dintre termenii eroare nu
are autocorelaii.
n general, aceste ipoteze ar putea fi acceptate,
deoarece modelul a folosit variabile decalate
( lag) dependente.
Astfel, rezultatele statistice pot fi obinute
numai prin introducerea variabilelor endogene
Y
1
si Y
2
cu optiunile selectate ale lag-urilor
pentru variabile endogene, cum sunt prezentate
in Figura 3.1.
Figurile 3.2 si 3.3 prezinta rezultatul prin
aplicarea unui model bivariat VAR.
Figura 3.2: Estimarea modelului vector
autoregresie cu 2 variabile endogene Y1 si Y2
folosind simbolul C (rezultate statistice)


Figura 3.3: Rezultatul statistic obtinut prin
aplicarea unui model bivariat VAR (Y
1
si Y
2
)
selectnd criteriul informational Schwartz
n scopul de a obine rezultate suplimentare
sau pentru a efectua o analiz ulterioar, se
selecteaz ramura View; pe ecran pot fi vzute
opiuni alternative: selectnd AR ROOTS TABLE
obinem rezultatul n Figura 3.4, iar selectnd
AR ROOTS GRAPH obinem reprezentarea
grafic a rdcinilor n Figura 3.5, folosind un
sistem de coordonate complex.
8
Figura 3.4: Verificarea conditiei de
stabilitate a modelului bivariat VAR cu
intervale de decalaj ale variabilelor
endogene: 1 2

Figura 3.5: Reprezentarea grafic a
rdcinilor folosind un sistem de
coordonate complex
Conform Figurii 3.5 avem 4 rdcini, din
care 2 sunt reale si 2 complexe. Niciuna
dintre ele nu are modulul >1, ceea ce
inseamn ca nicio rdcin nu este n afara
cercului unitate, asa cum se vede n figura
3.5 si de aici rezult c modelul VAR
satisface conditia de stabilitate.
Selectand n Eviews ramura VIEW/LAG
STRUCTURE/GRANGER CAUSALITY va
aprea rezultatul conform figurii de mai
jos:
Figura 3.6: Rezultatele obtinute pentru
variabilele dependente Y
1
si Y
2
Prin aplicarea Testului WALD de
excludere a LAG-urilor pentru
variabileleY
1
si Y
2
obtinem urmatoarea
figura:
Figura 3.7: Testul WALD de excludere a
LAG-urilor pentru variabileleY
1
si Y
2
Selectand LAG STRUCTURE/LAG LENGTH
CRITERIA.se obtin urmtoarele rezulate
statistice:



9

Figura 3.8: Rezultate statistice obtinute
prin aplicarea Lag Order Selection Criteria
De regul se va alege cea mai mica
valoare dintre criteriile Schwarz si AIC
pentru a decide numarul de LAG - uri
folosite in modelul VAR.
Corelogramele modelului de baz VAR cu
variabilele endogene Y
1
si Y
2
si cu
intervalele lagurilor variabilelor endogene
1 2, (cu rezultatele statistice prezente in
Figurile 3.1 si 3.2) sunt prezentate in
figura urmtoare:

Figura 3.9: Corelogramele modelului bivariat
VAR
Dou rezultate statistice alternative pentru
testarea heteroskedasticitatea rezidual a
modelului de baz VAR cu variabilele
endogene Y
1
si Y
2
sunt prezentate in figura de
mai jos:

Figura 3.10: Rezultatele statistice alternative
obtinute prin aplicarea testului rezidual de
heteroskedasticitate pentru modelul bivariat
VAR

4. CONCLUZII
Conform teoriei, creterea economic
(creterea de bunuri i servicii) se msoar cu
PIB real. Producia, inflaia i omajul
caracterizeaz ciclurile economice. Un ciclu
economic este o cretere a activitii
economice a unei ri, urmat de o scdere
economic. Oscilaiile economiei se datoreaz
factorilor ntmpltori, care nu pot fi eliminai
i nici previzionai. Ciclurile pot fi majore, cu
o durat de 10 ani, ciluri minore cu o durat de
3-4 ani i cicluri lungi (macro), cu o durat de
50-60 de ani.
Pentru nviorarea economiei se folosesc
factori exogeni sau politici monetare sau
fiscale. Pentru reprezentativitate, datele
folosite n exemplul practic au fost preluate
pentru o perioad de 10 ani. Seriile de timp
urmresc evoluia unei variabile la diverse
momente de timp, n cazul nostru PIB.
Atunci cnd scade producia, crete omajul,
ceea ce conduce la obinerea de venituri mici;
scznd puterea de cumprare, scad preurile
pentru a ncuraja consumul. O alt consecin
a scderii produciei este scderea investiiilor
(scade interesul pentru mprumuturi) crendu-
se un exces de rezerve bancare, avnd ca
rezultant scderea ratei dobnzii pentru
creditele acordate.
PIB nominal este valoarea output-ului
(producia de bunuri i servicii) este exprimat
10
n preuri curente. PIB real reprezint valoarea
produciei i este exprimat n preurile unui an
de baz.
Rata creterii economice este dat de rata
creterii PIB.
Rata omajului pe termen lung, investiiile i
rata dobnzii intra n categoria indicatorilor
statistici de ntrziere (Lagging).
n perioade de recesiune statul crete masa
monetar i reduce taxele, pentru a ncuraja
relansarea economiei. Exist ns o perioad
de ntrziere ntre semnalele din economie i
adoptarea msurilor, sau pn cnd msurile
devin efective. Aceste ntrzieri sunt de 12-18
luni pentru msurile de politica monetar chiar
i mai mari, pentru msurile fiscale i
bugetare. Politica monetar nu influeneaz
rata omajului i rata dobnzii pe termen lung.
Cnd rata dobnzii crete, PIB-ul scade.
Rata omajului este invers proporional cu
rata de cretere a salariilor: cu ct cresc
salariile mai repede cu att rata omajului este
mai mic.
Din comparaiile efectuate ntre modificrile
PIB-ului, omajului i ratei inflaiei s-a
constatat c, n general, reducerea ratei
omajului conduce la creterea ratei inflaiei.
Realizarile i succesele obinute de ctre rile
cu tradiii in domeniul utilizarii metodelor de
analiz multidimensional nu constituie pan
n prezent argumente suficiente n ceea ce
privete utilizarea lor i pe plan naional.

































REFERINTE
BUIGA, A.; DRAGOS, C.; LAZAR, D.; PAPURCEA, I., (2004), Statistica descriptiva Editura Mediamira
GREENE, H.W., (1993), Econometric Analysis, Macmillan Publishing Company, New York
FLOREA, I. (2004), Econometrie, Editura Universitatii, Oradea
HARRIS, R.; SOLLIS, R., (2003), Applied time series modeling and forecasting, John Wiley & Sons
MAKRIDAKIS, S.; WHEELWRIGHT, S.C.; HYNDMAN, R.J., (1998), Forecasting. Methods and
Applications, John Wiley & Sons Inc.
MILLS, T.C., (1999), The econometric modelling of financial time series, University Press, Cambridge
PECICAN, E., (2004) Econometria pentru economisti, Editura Economica
PECICAN, E.; TANASOIU, O., (1989), Econometrie, lito ASE, Bucuresti
TERTISCO, M.; STOICA, P.; POPESCU, TH., (1985) Modelarea si predictia seriilor de timp, Ed.
Academiei, Bucuresti
TANASOIU,O.; IACOB, ANDREEA LUIZA, Modele econometrice, vol 1, editia a doua,
www.biblioteca.ase.ro
ANDREI, T.; STANCU, S., (1995), Statistica. Teorie i aplicatii, Editura ALL, Bucureti IVAN, I.;
VISINOIU, A., Baza de modele economice, www.biblioteca.ase.ro
BIANCA, PAULA, (2007), Modelarea si evaluarea impactului investitiilor directe, nationale si internationale
asupra pietei muncii si evolutiei macroeconomice din Romania, contract MEC
HARVEY, I., (1990), The Econometric Analysis of Time Series, ed. Philip Allan
HAMILTON, J.D., (1994), Time Series Analysis, Princeton University, Press Princeton, New Jersey
ROMAN, M.D.; TIGANESCU, I.E., (2005 ), Macroeconomia- o abordare cantitativa, ISBN 973-709-040-3
SIMS, C.A., (1980), Macroeconomics and Reality
Dictionarul enciclopedic al limbii romane, (1986), Ed. Stiintifica si Enciclopedica, Bucuresti
Wikipedia- enciclopedia libera