sumar / contents 2/2020 - institutul național de statistică

Revista Română de Statistică - Supliment nr. 2 / 2020

SUMAR / CONTENTS 2/2020REVISTA ROMÂNĂ DE STATISTICĂ SUPLIMENT

MODEL DE EVALUARE A PERFORMANȚELOR ȘI A TRENDULUI SOCIETĂȚII COMERCIALE UTILIZÂND METODA REGRESIEI MULTIPLE CA INSTRUMENT DE ANALIZĂ 3EVALUATION MODEL OF THE PERFORMANCE AND TREND OF THE TRADE COMPANY USING THE METHOD OF MULTIPLE REGRESSION AS AN ANALYSIS INSTRUMENT 15Assoc. prof. Mădălina-Gabriela ANGHEL PhD, Radu STOICA, PhD Student

PRINCIPALELE ASPECTE PRIVIND ALEGEREA PORTOFOLIULUI ȘI TESTAREA MODELULUI PRIVIND PREȚUL ACTIVELOR DE CAPITAL 27THE MAIN ISSUES REGARDING THE CHOICE OF PORTFOLIO AND THE TESTING OF THE MODEL REGARDING THE PRICE OF CAPITAL ASSETS 39Lecturer Ștefan Virgil IACOB, PhDDaniel DUMITRU, PhD StudentMarius POPOVICI, PhD Student

CONȚINUTUL ECONOMICO-SOCIAL AL INDICATORILOR UTILIZAȚI ÎN ANALIZA PROPORȚIILOR ȘI CORELAȚIILOR MACROECONOMICE 51THE ECONOMIC-SOCIAL CONTENT OF THE INDICATORS USED IN THE ANALYSIS OF THE MACROECONOMIC PROPERTIES AND CORRELATIONS 75Dana Luiza GRIGORESCU, PhD Student

www.revistadestatistica.ro/supliment

Romanian Statistical Review - Supplement nr. 2 / 20202

UTILIZAREA SERIILOR DINAMICE DE FLUXURI ÎN ANALIZA PERFORMANȚEI ECONOMICO-FINANCIARE A UNEI SOCIETĂȚI COMERCIALE 99THE USE OF THE DYNAMIC FLOW SERIES IN THE ANALYSIS OF THE ECONOMIC-FINANCIAL PERFORMANCE OF A TRADING COMPANY 110Professor Constantin ANGHELACHE, PhD, Iulian RADU, PhD StudentRadu STOICA, PhD Student

MODELE DINAMICE APLICATE LA NIVEL MACROECONOMIC 120DYNAMIC MODELS APPLIED AT THE MACROECONOMIC LEVEL 130Ștefan Gabriel DUMBRAVĂ, PhD Student, Alexandra PETRE, PhD Student Cristian OLTEANU, PhD Student

MODEL DE UTILIZARE A REGRESIEI LINIARE SIMPLE ÎN ANALIZA CORELAȚIEI DINTRE RENTABILITATE, PRODUCTIVITATEA MUNCII ȘI CIFRA DE AFACERI LA NIVEL MICROECONOMIC 140MODEL FOR USING THE SIMPLE LINEAR REGRESSION IN THE ANALYSIS OF THE CORRELATION BETWEEN PROFITABILITY, LABOR PRODUCTIVITY AND BUSINESS RATE AT MICROECONOMIC LEVEL 153Lecturer Ștefan Virgil IACOB, PhDRadu STOICA, PhD Student

IMPACTUL GLOBALIZĂRII ASUPRA DEZVOLTĂRII REGIONALE ÎN ROMÂNIA 166Marius CONSTANTIN Oana COJOCARU-MAEREANU Mădălina Elena DEACONUDumitru-Dănuţ MERCAN

Revista Română de Statistică - Supliment nr. 2 / 2020 3

Model de evaluare a performanţelor şi a trendului societăţii comerciale utilizând metoda regresiei multiple ca instrument de analiză

Conf. univ. dr. Mădălina-Gabriela ANGHEL ([email protected])

Universitatea „Artifex” din București

Drd. Radu STOICA ([email protected])

Academia de Studii Economice din București

Abstract La nivelul microeconomic se impun analize complexe care să vizeze

posibilitatea și stabilirea nivelului de rentabilitate pe care îl are agentul

economic pe care îl supunem analizei. Analiza se poate face pe baza unei

regresii liniare simple, luând perechi de către două variabile interpretate în

studiul nostru statistice și după stabilirea tendinței de interdependență care

există între acestea, să concepem un model care și rezolvat să ne dea sensul

de evoluție a acesteia. Desigur activitatea unei societăți nu este dată doar de

o singură variabilă, ci de mai multe, care acționează în mod interdependent

și în acest context vom obține pentru fi ecare variabilă statistică câte un

parametru care poate fi utilizat la estimarea rezultatelor concrete și mai ales

la posibilitatea de previzionare activității viitoare societății respective.

Desigur, analiza macroeconomică ne dă un rezultatul global, care

ține seamă de acordurilor naționale existente la Institutul Național de

Statistică, putând astfel să prezentăm trendul general de infl uențare a creșterii

Produsului Intern Brut ca rezultat al întregii activități dintr-o țară, dar este

la fel de important ca aceste analize să se efectueze și la nivelul agenților

economici, aspect care cade în sarcina managementului. al fi nanțatorului, al

proprietarului societății comerciale și așa mai departe.

Cuvinte cheie: Modele statistico-econometrice, indicatori, variabile, parametrii, estimări, prognoză, evoluție. Clasifi carea JEL: C10, D22, G32

Introducere

Prezentând succint aspectele care fundamentează evoluția și rentabilitatea unei societăți comerciale, alegând indicatorii din bilanțurile acestei societăți, am convenit și unele modele care pot fi utilizate. Așa de pildă, în cadrul acestei societăți considerate, am avut în vedere rentabilitatea, productivitatea muncii și cheltuielile cu materia primă. Le-am luat în corelație pe acestea trei deoarece sunt printre cele mai importante la nivelul activității


unei societăți comerciale. Modelul convenit rezolvat și testat statistic a condus la obținerea unor parametrii, care dau sens analizei și pot sta la baza unor previziuni privind perspectiva evoluției viitoare. În același timp, acești parametrii și rezultatele calculate dau posibilitatea managementului să identifi ce unele situații care pot fi îmbunătățite și care pot fi motor al dezvoltării pe viitor, a obține rezultate net superioare. De asemenea, ținând seama de cifra de afaceri, cheltuielile cu personalul, cheltuielile de exploatare, cheltuielile cu stocurile sau cheltuielile cu energia, iată o serie de corelații care se pot stabili între cifra de afaceri și modul în care sunt gestionate și efectuate aceste cheltuieli. Parametrii calculați, testați au condus la concluzia că modelul convenit este realist, iar datele obținute evocă ceea ce se poate stabili și din studiul doar al seriei de date sau din reprezentarea grafi că a acestor date. În mod normal, în continuare am analizat trenul indicatorilor microeconomici, care va ține în mod cert de modul în care managementul unei societăți comerciale valorifi că factorii de producție (muncă, resurse și capital), așa cum le-a defi nit Coub-Douglas în construcția sa privind funcția de producție. Între cifra de afaceri și fi ecare dintre aceste variabile considerat există o corelație, există o interdependență în care o anumită variabilă este infl uențată de celelalte variabile și prin construcții grafi ce am reușit să prezentăm în mod cert posibilitatea utilizării metodelor statistice econometrice, în cazul de față regresia liniară multiplă, pentru a analiza performanța fi rmei, a agentului microeconomic sau mai pe larg a activității oricărei societăți comerciale. Modelele luate au la bază o serie de date trimestriale extrase din bilanțurile anuale ale societății comerciale analizate.

Literature review Andrei și Bourbonais (2008) au prezentat principalele elemente cu care se lucrează în econometrie. Anghelache și Anghel (2014) și Anghelache, Pagliacci și Mitruţ (2015) au evidențiat importanța modelelor statistico-econometrice în studiile economice. Anghelache, Anghelache și Kralik (2012) au propus un model de analiză a performanței fi rmei. Corbare, Durlauf și Hansen (2006), precum și Davidson și Mackinnon (2004) au prezentat principalele noțiuni teoretice și practice ale econometriei. Guijarati (2005) este o lucrare de referință în analizele econometrice. Iacob (2019) a analizat infl uența fenomenelor fi zice asupra activității agenților economici. Slade (2004) a studiat modele de rentabilitate la nivel de fi rmă. Werner (2009) a abordat o serie de aspecte privind aversiunea la risc.


Metodologia cercetării, date, rezultate și discuții

La nivel microeconomic se impun analize complexe care vizează analiza performanței fi nanciare, precum și previzionarea evoluției viitoare. În acest sens se pot utiliza modele statistico-econometrice, sens în care această analiză va fi realizată cu modelul de regresie multiplă. Modelele sunt construite luând în considerare o serie de indicatori statistico-fi nanciari care, din studiul preliminar efectuat, rezultă că sunt interdependenți. Datele statistice colectate pentru indicatorii supuși analizei, pentru cele douăzeci și patru de trimestre aferente celor șase ani supuși analizei, au fost sintetizate în tabelul numărul 1.

Situația evoluției indicatorilor în perioada 2013-2018

Tabelul 1

TrimestreCifra de afaceri(CA)

Cheltuieli cu materia

prima(CMP)

Cheltuieli cu materialele auxiliare

(CMAUX)

Cheltuieli cu energia(CE)

Cheltuieli cu stocurile

(CS)

T.I 2013 7981235 3859152 962087 55255 5851955T.II 2013 8523648 3972657 962279 59011 5967836T.III 2013 9042738 4133152 962471 62604 6087192T.IV 2013 9569813 4243481 962668 66256 6203075T.I 2014 9862278 4379890 962976 72319 6221093T.II 2014 10442412 4677552 963389 77233 6404066T.III 2014 10864286 4962415 963655 83640 6662792T.IV 2014 11436068 5251661 964284 85012 6840642T.I 2015 12167137 5407518 1237656 86181 7450692T.II 2015 13076829 5670019 1321769 92094 7957050T.III 2015 14971662 5915323 1402262 96702 8441634T.IV 2015 15753204 6151318 1483998 100775 8933671T.I 2016 16241993 6816952 1531318 112096 9295565T.II 2016 17345817 7210563 1649112 113769 9927302T.III 2016 18402178 7318205 1766528 114907 10531875T.IV 2016 19474782 7402226 1913347 116581 11145745T.I 2017 20121805 7517125 2273921 116906 11309270T.II 2017 20955326 7665979 2298356 117477 11974523T.III 2017 22231506 7819299 2348193 118662 12573249T.IV 2017 23027309 7968155 2370698 119256 12999013T.I 2018 23558884 8765929 2395490 119704 13210059T.II 2018 24025397 9440231 2419445 121370 13602436T.III 2018 24508307 10195450 2466639 122950 13874485T.IV 2018 24970016 10869753 2492029 124371 14266869


Situația evoluției indicatorilor în perioada 2013-2018 (continuare)

Tabelul 1

Trimestre

Cheltuieli cu

personalul(CP)

Alte cheltuieli de exploatare

(AC)

Cheltuieli fi nanciare

(CF)

Productivitatea muncii(PM)

Rentabilitatea(R)

T.I 2013 1381401 1784266 76437 1.0312 1.1616T.II 2013 1475282 1836235 81023 1.0321 1.1663T.III 2013 1578552 1964772 88506 1.0324 1.1692T.IV 2013 1642930 1980017 90359 1.0336 1.1736T.I 2014 1653978 2042155 91672 1.0338 1.1756T.II 2014 1702624 2091482 97902 1.0342 1.1796T.III 2014 1787755 2237886 104755 1.0344 1.1821T.IV 2014 1802353 2287215 109028 1.0348 1.1833T.I 2015 1980250 2288806 112626 1.0421 1.1886T.II 2015 2114830 2307117 119384 1.0432 1.1922T.III 2015 2262868 2323267 127420 1.0436 1.1942T.IV 2015 2355154 2327590 136127 1.0437 1.1963T.I 2016 2404736 2208507 138097 1.0442 1.1996T.II 2016 2546191 2103575 147763 1.0446 1.2036T.III 2016 2673501 2060347 159584 1.0449 1.2044T.IV 2016 2764034 2022144 162183 1.0452 1.2087T.I 2017 2946871 1989949 165410 1.0457 1.2123T.II 2017 3294778 1971175 176989 1.0463 1.2155T.III 2017 3454194 2024562 191148 1.0466 1.2168T.IV 2017 3466644 2372100 194261 1.0471 1.2191T.I 2018 3467398 2397407 195360 1.0478 1.2218T.II 2018 3571420 2469329 201221 1.0485 1.2269T.III 2018 3642848 2543410 210245 1.0492 1.2285T.IV 2018 3742710 2754862 221502 1.0496 1.2293Sursa: Datele sunt preluate din bilanțurile și balanțele societății comerciale

Informațiile obținute prin utilizarea altor metode de analiză, inclusiv prin modelul regresiei liniare simple, nu sunt întotdeauna sufi ciente pentru a caracteriza evoluția unor fenomenelor economice complexe sau pentru a identifi ca posibile căi de evoluție ulterioară a acestora. Pe cale de consecință, am abordat o serie de analize statistico-econometrice utilizând modelul de regresie multiplă, model care va evidenția evoluția variabilei dependente în funcție de două sau mai multe variabile independente. Astfel, modelul de regresie multiplă are următoarea formă:

(1)unde: = variabila dependentă;

= variabilele independente; = parametrii de regresie;

=reziduu.


Estimarea parametrilor și testarea semnifi cației modelelor de regresie multiplă care urmează să fi e prezentate, sunt făcute cu ajutorul programului de analiza statistico-econometrică EViews. În cele ce urmează, vom considera variabilele stabilite în tabelul 1 și vom analiză existența legăturilor de dependență între acestea.

• Analiza corelației dintre rentabilitate (R), productivitatea

muncii (PM) și cheltuielile cu materia primă (CMP), utilizând modelul de regresie multiplă

O primă analiză statistico-econometrică pe baza datelor prezentate în tabelul numărul 1, are în vedere indicatorii microeconomicii, rentabilitatea, productivitatea și cheltuielile cu materia primă, înregistrate în perioada menționată. Cei trei indicatori pot fi analizați cu ajutorul programului de analiză econometrică EViews. Următoarea etapă presupune stabilirea modelului de regresie multiplă care urmează a fi utilizat pentru estimarea parametrilor și testarea semnifi cației modelului. Acest model de regresie liniară multiplă este de forma:

(2)unde:

= variabila dependentă; = variabilele independente;

= coefi cienții de regresie; = variabila reziduală.

Estimarea parametrilor și testarea semnifi cației modelului sunt efectuate cu ajutorul programului de analiza statistico-econometrică EViews, iar rezultatele sunt prezentate în fi gura 1.

Rezultatele analizei modelului de regresie multiplă dintre R, PM și CMP

Figura 1Dependent Variable: RMethod: Least SquaresSample: 2013:1 2018:4Included observations: 24

Variable Coeffi cient Std. Error t-Statistic Prob. C -0.258950 0.292694 -0.884712 0.3863

PM 1.359552 0.286187 4.750578 0.0001CMP 6.20E-09 8.97E-10 6.906666 0.0000

R-squared 0.975518 Mean dependent var 1.197879Adjusted R-squared 0.973187 S.D. dependent var 0.020865S.E. of regression 0.003417 Akaike info criterion -8.403862Sum squared resid 0.000245 Schwarz criterion -8.256605Log likelihood 103.8463 F-statistic 418.3936Durbin-Watson stat 0.469098 Prob(F-statistic) 0.000000


Interpretând datele din fi gura 1 am constatat că parametrii înregistrați în coloana a doua (coloana Coeffi cient) sunt semnifi cativ diferiți de zero pentru termenul liber și pentru productivitata muncii, iar pentru factorul cheltuielile cu materia primă este foarte aprioat de zero valoarea acestuia fi ind de , ceea ce arată că acest factor are o infl uență foarte mică în evoluția rentabilității agentului economic supus studiului. Pe de altă parte dacă urmărim testul F-statistic se poate observa că valoarea înregistrată și anume F=418,39, este mult superioară valorii tabelare pentru pragul de semnifi cație considerat (Ft=4,26), ceea ce indică faptul că rezultatele obținute sunt semnifi cative. De asemenea, coefi cientul de corelație R-squared are valoarea de 0,97, apropiată de cea unitară, indicând astfel o probabilitate de 97,55% ca acest model să fi e unul corect. Dacă urmărim testul t-Statistic observăm că valorile înregistrate pentru variabilele factoriale sunt superioare valorilor tabelate (tt=2,064 pentru

) și probabilitatea de a fi eronat este nulă. În ceea ce privește valoarea de 0,46 înregistrată în fi gura 1 pentru testul Durbin-Watson, aceasta indică o autocorelare pozitivă a valorilor reziduale, fi ind inferioară valorii tabelate d1=1,19, pentru o serie care cuprinde 24 observații, un prag de semnifi cație α=0,05 și un număr de factori k=2. În altă ordine de idei, conform datelor cuprinse în fi gura 1 putem estima valorile teoretice ale variabilei endogene, conform relației:

(3) Cu ajutorul relației (3) pot fi efectuate acum prognoze asupra evoluției acestui indicator important pentru întreaga evoluție a agentului economic în piața de profi l.

• Utilizarea modelului regresiei multiple în analiza corelației

dintre cifra de afaceri (CA), cheltuielile cu personalul (CP), alte

cheltuieli de exploatare (AC), cheltuielile cu stocurile (CS) și

cheltuielile cu energia (CE)

În continuare am abordat o analiză statistico-econometrică pe baza datelor prezentate în tabelul 1, care are în vedere indicatorii microeconomicii, cifra de afaceri , cheltuielile cu personalul, cheltuielile cu energia, cheltuielile cu materia primă și cheltuielile fi nanciare, înregistrate în perioada menționată. Au fost analizați cei cinci indicatori independent, cu ajutorul programului de analiză econometrică EViews Următoarea etapă o presupune stabilirea modelului de regresie multiplă care urmează a fi utilizat pentru estimarea parametrilor și testarea semnifi cației:


(4)unde:

= variabila dependentă; = variabilele independente;

= parametrii de regresie; = variabila reziduu.

Estimarea parametrilor și testarea semnifi cației modelului sunt făcute cu ajutorul programului de analiza statistico-econometrică EViews, iar rezultatele sunt prezentate în fi gura 2.

Rezultatele analizei modelului de regresie multiplă dintre CA, CP, AC, CS, și CE

Figura 2Dependent Variable: CAMethod: Least SquaresSample: 2013:1 2018:4Included observations: 24

Variable Coeffi cient Std. Error t-Statistic Prob. C -4028707. 503395.4 -8.003067 0.0000

CP 1.337639 0.678176 1.972407 0.0633AC 0.252979 0.256509 0.986237 0.3364CS 1.283747 0.183330 7.002375 0.0000CE 42.36084 5.859197 7.229802 0.0000

R-squared 0.998667 Mean dependent var 16189776Adjusted R-squared 0.998387 S.D. dependent var 5797564.S.E. of regression 232845.9 Akaike info criterion 27.73719Sum squared resid 1.03E+12 Schwarz criterion 27.98262Log likelihood -327.8463 F-statistic 3559.941Durbin-Watson stat 1.914030 Prob(F-statistic) 0.000000

Interpretând datele din fi gura 2 am constatat că coefi cienții înregistrați în coloana a doua (coloana Coeffi cient) sunt semnifi cativ diferiți de zero, ceea ce validează modelul, în sensul că acesta este unul corect și poate fi utilizat pentru a prognoza evoluția acestor indicatori pentru perioada următoare. Pe de altă parte dacă urmărim testul F-statistic se poate observa că valoarea înregistrată și anume F=3559.94, este mult superioară valorii tabelare pentru pragul de semnifi cație considerat (Ft=4,26), ceea ce indică faptul că rezultatele obținute sunt semnifi cative. De asemenea, coefi cientul de corelație R-squared are valoarea de 0,99, apropiată de cea unitară, indicând astfel o probabilitate de 99,86% ca acest model să fi e unul corect. În ceea ce privește valoarea de 1,91 înregistrată în fi gura 2 pentru testul Durbin-Watson, aceasta se încadrează în intervalul d2=1,78<d=1,91<4-d1=2,99, ceea ce duce la concluzia că se poate admite ipoteza de independență a valorilor variabilei reziduale.


În altă ordine de idei, conform datelor cuprinse în fi gura 2 putem estima valorile teoretice ale variabilei endogene, conform relației:

(5)

Cu ajutorul relației (5) pot fi efectuate acum prognoze asupra evoluției acestui indicator important pentru întreaga evoluție a agentului economic în piața de profi l.

• Analiza trendului indicatorilor microeconomici Datele sunt prezentate în tabelul 1. În grafi cul 1, am pus în evidență evoluția pe care au avut-o în perioada 2013-2018, perioadă care însumează șase ani, cifra de afaceri (CA), cheltuielile cu materia primă (CMP) și cheltuielile cu stocurile (CS). Am ales acești trei indicatori, deoarece valorile pe care le-au înregistrat sunt cele mai semnifi cative în perioada menționată.

Evoluția cifrei de afaceri (CA), a cheltuielilor cu materia primă (CMP)

și a cheltuielilor cu stocurile (CS) în 2013-2018

Grafi cul 1

Atât din grafi cul 1, cât și din datele sintetizate în tabelul 1 putem observa trendul pe care-l au acești indicatori și anume, unul ascendent în care cifra de afaceri a evoluat relativ constant de la valoarea de 7.981.235 Ron


înregistrată în trimestrul I al anului 2013, la o valoare de 24.970,016 Ron la sfârșitul trimestrului IV al anului 2018, realizându-se practice, în ceea ce privește această perioadă, o triplare a încasărilor fi rmei pe piața din România. De asemenea, cheltuielile cu materia primă au cunoscut o evoluție aproape similară, cu o creștere de 2,8 ori în această perioadă, aspect care se observă în grafi c, panta fi ind mai blândă decât cea a cifrei de afaceri. În ceea ce privesc cheltuielile cu stocurile, acestea au înregistrat o perioadă de stagnare a creșterii în intervalul cuprins între anii 2016-2017, apoi reluându-se panta anterioară, înregistrându-se în fi nal o evoluție pozitivă de 2,44 ori. În următorul grafi c, grafi cul 2, am pus în evidență trendul pe care l-au avut în perioada menționată cheltuielile cu materialele auxiliare, cheltuielile cu personalul și alte cheltuieli de exploatare.

Evoluția cheltuielilor cu materialele auxiliare (CMAUX), a cheltuielilor

cu personalul (CP) și a altor cheltuieli de exploatare (AC)

Grafi cul 2

Din grafi cul 2 putem observa că evoluțiile cheltuielilor cu materialele auxiliare și a cheltuielilor cu personalul au o creștere constantă aproape identică, unde cheltuielile cu materialele auxiliare au crescut de 2,59 ori și cheltuielilor cu personalul au crescut de 2,71 ori în 2013 - 2018. Interesantă este evoluția altor cheltuieli de exploatare care a cunoscut fl uctuații importante, astfel încât în trimestrul I al anului 2014 sumele


înregistrate în acest cont sunt similare cu cele din trimestrul IV al anului 2016, pentru ca apoi trendul să fi e ascendent pană în trimestrul IV al anului 2018, când valoarea acestor cheltuieli a fost de 2.754.862. O altă analiză a trendului a fost efectuată cu privire la cheltuielile legate de energie și cele fi nanciare, acestea având valorile cele mai mici dintre seriile de date studiate, fi ind prezentate astfel în grafi cul 3.

Evoluția cheltuielilor cu energia (CE) și a cheltuielilor fi nanciare (CF)

Grafi cul 3

Interpretând grafi cul 3 putem observa trendul pe care l-au avut acești doi indicatori este, de asemenea, unul pozitiv cu creșteri considerabile în toată această perioadă supusă analizei. Este de notat faptul că în ceea ce privește evoluția cheltuielilor fi nanciare, începând cu anul 2016, au înregistrat valori care au determinat o pantă mai mică, ceea ce înseamnă că administrația agentului economic a găsit soluții optime de menținere a acestor cheltuieli la un nivel relativ constant în timp ce cifra de afaceri a evoluat accelerat. În continuare am abordat analiza trendului pe care l-a avut rentabilitatea și productivitatea muncii. Datele referitoare la acești indicatori sintetizați în tabelul 1 sunt exprimate în cifre relative (%). Datele sunt sintetizate în grafi cul 4.


Evoluția rentabilității (R) și productivitatea muncii (M)

Grafi cul 4

Din grafi cul 4 putem observa că trendul a fost unul pozitiv pentru amândoi indicatorii, dar în special pot afi rma că rentabilitatea a avut o evoluție mai bună decât productivitatea muncii în perioada supusă analizei. Dacă vizualizăm grafi c, trendul pe care l-a avut rentabilitatea, vom constata că acesta a evoluat relativ constant, aspect care reiese și din datele înregistrate în tabelul 1, evoluând astfel de la 16,16% în trimestrul I al anului 2013, la 22,93% la fi nele anului 2018. În ceea ce privește productivitatea muncii, aceasta a avut o evoluție mai importantă între anii 2014 și 2015, în rest evoluția este mai lentă, în fi nal înregistrându-se o creștere de la 3,12% in trimestrul I al anului 2013, până la 4,96% la sfârșitul anului 2018.

Concluzii

Articolul care are la bază studiu cu privire la modelul de evaluare a performanțelor și a trendului societății comerciale utilizând metoda regresiei multiple ca instrument de analiză, relevă unele concluzii teoretice și altele practice. O primă concluzie este aceea că activitatea la nivel microeconomic este infl uențată de o serie de factori. Din bilanțul economic putem extrage o serie de indicatori, care analizați într-o perspectivă de timp dau esență perspectivei pe care o are societatea comercială de a obține rezultate mai bune sau dimpotrivă să întâmpine difi cultăți datorită modului în care programul de


măsuri al agentului economic nu este bine fundamentat și infl uențele se pot reverbera în rezultate nu tocmai concludente. Modelul regresiei multiple este un instrument de analiză certă la nivel microeconomic cu condiția ca el să fi e utilizat în conformitate cu metodologia existentă, să fi e utilizat pe bază de date certe, să conducă la obținerea unor parametrii, care să dea posibilitatea estimării rezultatelor pe termen scurt, mediu sau chiar mai lung. Rezultatele obținute prin utilizarea regresiei liniare multiple este un instrument de analiză dar în același timp și de previzionare a perspectivei activității microeconomice. În acest sens, managementul, managerul unei entități microeconomice trebuie să țină seama de aceste rezultate, pe care să le concentreze într-un program de măsuri care să vizeze redresarea situației în cazul în care agentul microeconomic întâmpina difi cultăți sau să asigure un trend mai ridicat de evoluție în viitor, ca urmare a măsurilor ce sunt întreprinse. Acest studiu nu este limitativ, el este doar o opinie a autorilor care au utilizat un model statistico-econometric la nivel microeconomic, care poate fi extins, care poate să cuprindă alte variabile, mai multe sau mai puține, în funcție de modul în care din studiul preliminar al seriilor de date de care dispune cel care face analiza au găsit și o justifi care, o cuantifi care, respectiv o certitudine că vor obține rezultate superioare.

Bibliografi e

1. Andrei, T., Bourbonais, R. (2008). Econometrie, Editura Economică, București

2. Anghelache, C., Anghel, M. (2014). Modelare economică. Concepte, teorie şi

studii de caz., Editura Economică 3. Anghelache, C., Pagliacci, M., Mitruţ, C. (2015). Statistical-Econometric Models

used in Economic Analysis. Romanian Statistical Review – Supplement, 4, 9-15 4. Anghelache, C., Anghelache, G.V., Kralik, L. (2012). Model for the Analysis of the

Commercial Company Performance. Romanian Statistical Review, Supplement, 269-279

5. Corbare, D., Durlauf, S., Hansen, B. (2006). Econometric Theory and Practice

- Frontiers of Analysis and Applied Research, Cambridge University Press 6. Davidson, R., Mackinnon, J.G. (2004). Econometric theory and methods, Oxford

University Press, New York 7. Guijarati, D. (2005). Basic Econometrics, The McGraw – Hill Companies 8. Iacob, Ș.V. (2019). The infl uence of physical phenomena and processes on the

diff erent economic situations faced by the economic agents. Romanian Statistical Review Supplement, 10, 12-19

9. Slade, M. (2004). Models of Firm-Level Profi tability. International Journal of

Industrial Organization, 22, 289-308 10. Werner, J. (2009). Risk and Risk Aversion When States of Nature Matter.

Economic Theory, 41, 231–246


EVALUATION MODEL OF THE PERFORMANCE AND TREND OF THE

TRADE COMPANY USING THE METHOD OF MULTIPLE REGRESSION AS AN ANALYSIS

INSTRUMENT

Associate Professor Mădălina-Gabriela ANGHEL, PhD ([email protected])

“Artifex” University of Bucharest

Radu STOICA, PhD Student ([email protected])

Bucharest University of Economic Studies

Abstract At the microeconomic level, complex analyzes are required, aimed at

the possibility and establishment of the level of profi tability that the economic

agent we subject to analysis. The analysis can be made on the basis of a

simple linear regression, taking pairs by two variables interpreted in our

statistical study and after establishing the tendency of interdependence that

exists between them, to design a model that resolved to give us the sense of

its evolution. Of course, the activity of a company is not given by only one

variable, but by several, which act interdependently and in this context we will

obtain for each statistical variable a parameter that can be used in estimating

the concrete results and especially the possibility of forecasting the future

activity of the respective company.

The macroeconomic analysis gives us a global result, which takes into

account the national agreements existing at the National Institute of Statistics,

thus being able to present the general tendency of infl uencing the growth of

the Gross Domestic Product as a result of all the activity in a country, but it is

the same. it is important for these analyzes to be carried out also at the level

of the economic agents, an aspect that falls to the management. of the lender,

the owner of the trading company and so on.

Keywords: Statistical-econometric models, indicators, variables,

parameters, estimates, forecast, evolution.

JEL Classifi cation: C10, D22, G32

Introduction

Briefl y presenting the aspects that underpin the evolution and

profi tability of a trading company, choosing the indicators from the balance

sheets of this company, we have also agreed some models that can be used. So


for example, within this considered company, we considered the profi tability, the productivity of the work and the expenses with the raw material. We have correlated these three because they are among the most important in the activity of a trading company. The agreed model solved and statistically tested led to the obtaining of parameters, which give meaning to the analysis and can be the basis of some forecasts regarding the future evolution perspective. At the same time, these parameters and the calculated results give the management the opportunity to identify some situations that can be improved and that can be the engine of future development, to obtain far superior results. Also, taking into account the turnover, the personnel expenses, the operating expenses, the expenses with the stocks or the expenses with the energy, here are a series of correlations that can be established between the turnover and the way in which these expenses are managed and realized. The calculated parameters tested lead to the conclusion that the agreed model is realistic, and the data obtained evokes what can be established either from the study of the data series alone or from the graphical representation of these data. Normally, next we analyzed the train of microeconomic indicators, which will certainly take into account the way in which the management of a company values the factors of production (labor, resources and capital), as defi ned by Coub-Douglas in its construction. regarding the production function. Between the turnover and each of these variables considered there is a correlation, there is an interdependence in which a certain variable is infl uenced by the other variables and through graphical constructions we

were able to present clearly the possibility of using the econometric statistical

methods, in this case the linear regression multiple, to analyze the performance

of the company, of the microeconomic agent or more widely of the activity of

any trading company.

The models taken are based on a series of quarterly data extracted

from the annual reports of the analyzed company.

Literature review

Andrei and Bourbonais (2008) presented the main elements used in

econometrics. Anghelache and Anghel (2014) and Anghelache, Pagliacci and

Mitruţ (2015) highlighted the importance of statistical-econometric models

in economic studies. Anghelache, Anghelache and Kralik (2012) proposed

a model for analyzing the company’s performance. Corbare, Durlauf and

Hansen (2006), as well as Davidson and Mackinnon (2004) presented the

main theoretical and practical notions of econometrics. Guijarati (2005) is a

reference work in econometric analysis. Iacob (2019) analyzed the infl uence of

physical phenomena on the activity of economic agents. Slade (2004) studied


profi tability models at the fi rm level. Werner (2009) addressed a number of

issues regarding risk aversion.

Research methodology, data, results and discussions

At the microeconomic level, complex analyzes are required that aim at

analyzing fi nancial performance, as well as forecasting future developments.

In this sense, statistical-econometric models can be used, meaning that this

analysis will be performed with the multiple regression model. The models

are constructed taking into account a series of statistical-fi nancial indicators

that, from the preliminary study, show that they are interdependent.

The statistical data collected for the indicators under analysis, for the

twenty-four quarters of the six years under analysis, were summarized in table

number 1.

Situation of the evolution of the indicators in the period 2013-2018

Table 1

QuartersTurnover

(CA)

Expenditure

on raw

materials

(CMP)

Expenditure

on auxiliary

materials

(CMAUX)

Energy

expenditure

(CE)

Expenditure on

stocks (CS)

Q.I 2013 7981235 3859152 962087 55255 5851955

Q.II 2013 8523648 3972657 962279 59011 5967836

Q.III 2013 9042738 4133152 962471 62604 6087192

Q.IV 2013 9569813 4243481 962668 66256 6203075

Q.I 2014 9862278 4379890 962976 72319 6221093

Q.II 2014 10442412 4677552 963389 77233 6404066

Q.III 2014 10864286 4962415 963655 83640 6662792

Q.IV 2014 11436068 5251661 964284 85012 6840642

Q.I 2015 12167137 5407518 1237656 86181 7450692

Q.II 2015 13076829 5670019 1321769 92094 7957050

Q.III 2015 14971662 5915323 1402262 96702 8441634

Q.IV 2015 15753204 6151318 1483998 100775 8933671

Q.I 2016 16241993 6816952 1531318 112096 9295565

Q.II 2016 17345817 7210563 1649112 113769 9927302

Q.III 2016 18402178 7318205 1766528 114907 10531875

Q.IV 2016 19474782 7402226 1913347 116581 11145745

Q.I 2017 20121805 7517125 2273921 116906 11309270

Q.II 2017 20955326 7665979 2298356 117477 11974523

Q.III 2017 22231506 7819299 2348193 118662 12573249

Q.IV 2017 23027309 7968155 2370698 119256 12999013

Q.I 2018 23558884 8765929 2395490 119704 13210059

T.II 2018 24025397 9440231 2419445 121370 13602436

Q.III 2018 24508307 10195450 2466639 122950 13874485

Q.IV 2018 24970016 10869753 2492029 124371 14266869


Situația evoluției indicatorilor în perioada 2013-2018 (continuare)

Tabelul 1

QuartersStaff costs

(CP)

Other operating

expenses (AC)

Financial

expenses (CF)

Labor

productivity (PM)

Profi tability

(R)

Q.I 2013 1381401 1784266 76437 1.0312 1.1616Q.II 2013 1475282 1836235 81023 1.0321 1.1663Q.III 2013 1578552 1964772 88506 1.0324 1.1692Q.IV 2013 1642930 1980017 90359 1.0336 1.1736Q.I 2014 1653978 2042155 91672 1.0338 1.1756Q.II 2014 1702624 2091482 97902 1.0342 1.1796Q.III 2014 1787755 2237886 104755 1.0344 1.1821Q.IV 2014 1802353 2287215 109028 1.0348 1.1833Q.I 2015 1980250 2288806 112626 1.0421 1.1886Q.II 2015 2114830 2307117 119384 1.0432 1.1922Q.III 2015 2262868 2323267 127420 1.0436 1.1942Q.IV 2015 2355154 2327590 136127 1.0437 1.1963Q.I 2016 2404736 2208507 138097 1.0442 1.1996Q.II 2016 2546191 2103575 147763 1.0446 1.2036Q.III 2016 2673501 2060347 159584 1.0449 1.2044Q.IV 2016 2764034 2022144 162183 1.0452 1.2087Q.I 2017 2946871 1989949 165410 1.0457 1.2123Q.II 2017 3294778 1971175 176989 1.0463 1.2155Q.III 2017 3454194 2024562 191148 1.0466 1.2168Q.IV 2017 3466644 2372100 194261 1.0471 1.2191Q.I 2018 3467398 2397407 195360 1.0478 1.2218Q.II 2018 3571420 2469329 201221 1.0485 1.2269Q.III 2018 3642848 2543410 210245 1.0492 1.2285Q.IV 2018 3742710 2754862 221502 1.0496 1.2293Source: The data are taken from the balance sheets and balances of the trading company

The information obtained through the use of other methods of

analysis, including the simple linear regression model, is not always suffi cient

to characterize the evolution of complex economic phenomena or to identify

possible paths for their subsequent evolution.

As a consequence, we have approached a series of statistical-

econometric analyzes using the multiple regression model, a model that will

highlight the evolution of the dependent variable depending on two or more

independent variables.

Thus, the multiple regression model has the following form:

(1)

where:

= dependent variable;

= independent variables;

= regression parameters;

= residue.


The estimation of the parameters and the test of the signifi cance of the multiple regression models to be presented are done using the EViews statistical-econometric analysis program.In the following, we will consider the variables set out in table 1 and analyze the existence of dependency relationships between them.

• The analysis of the correlation between profi tability (R), labor

productivity (PM) and expenditures on raw materials (CMP),

using the multiple regression model

A fi rst statistical-econometric analysis based on the data presented in table number 1, takes into account the microeconomics indicators, the profi tability, the productivity and the expenses with the raw material, recorded during the mentioned period. The three indicators can be analyzed using the EViews econometric analysis program. The next step involves establishing the multiple regression model to be used for parameter estimation and model signifi cance testing. This multiple linear regression model is of the form:

(2)where:

= dependent variable; = independent variables;

= regression coeffi cients;

= residual variable.

The estimation of the parameters and the test of the signifi cance of

the model are performed using the EViews statistical-econometric analysis

program, and the results are presented in fi gure 1.

Results of multiple regression model analysis between R, PM and CMP

Figure 1Dependent Variable: RMethod: Least SquaresSample: 2013:1 2018:4Included observations: 24


PM 1.359552 0.286187 4.750578 0.0001CMP 6.20E-09 8.97E-10 6.906666 0.0000

R-squared 0.975518 Mean dependent var 1.197879Adjusted R-squared 0.973187 S.D. dependent var 0.020865S.E. of regression 0.003417 Akaike info criterion -8.403862Sum squared resid 0.000245 Schwarz criterion -8.256605Log likelihood 103.8463 F-statistic 418.3936Durbin-Watson stat 0.469098 Prob(F-statistic) 0.000000


Interpreting the data from fi gure 1 we found that the parameters recorded in the second column (the Coeffi cient column) are signifi cantly

diff erent from zero for the free term and for the labor productivity, and for the

factor of the expenses with the raw material, its value is very close to zero its

value being , which shows that this factor has very little infl uence

on the evolution of the profi tability of the economic agent under study.

On the other hand, if we follow the F-statistic test it can be observed

that the registered value, namely F = 418.39, is much higher than the table

value for the signifi cance threshold considered α = 0.05 (Ft = 4.26), which

indicates the fact that the results obtained are signifi cant.

Also, the R-squared correlation coeffi cient has the value of 0.97, close

to the unitary one, thus indicating a probability of 97.55% that this model is

correct.

If we follow the t-Statistic test, we observe that the values recorded

for the factorial variables are higher than the table values (tt = 2.064 for α =

0.05) and the probability of being wrong is zero.

Regarding the value of 0.46 recorded in fi gure 1 for the Durbin-Watson

test, this indicates a positive autocorrelation of the residual values, being

lower than the value table d1 = 1.19, for a series comprising 24 observations,

a threshold of signifi cance α = 0.05 and a number of factors k = 2.

In other ideas, according to the data contained in fi gure 1 we can

estimate the theoretical values of the endogenous variable, according to the

relation:

(3)

With the help of the relation (3) forecasts can now be made on the

evolution of this important indicator for the entire evolution of the economic

agent in the profi le market.

• Using the multiple regression model in analyzing the correlation

between turnover (CA), personnel expenses (CP), other operating

expenses (CA), expenditure on stocks (CS) and expenditure on

energy (EC)

Next we approached a statistical-econometric analysis based on the data

presented in table 1, which takes into account the microeconomics indicators,

turnover, personnel costs, energy expenses, raw material expenses and fi nancial

expenses, recorded during the mentioned period. The fi ve indicators were

analyzed independently, using the EViews econometric analysis program

The next step involves establishing the multiple regression model to

be used for parameter estimation and signifi cance testing:


(4)where:

= dependent variable; = independent variables;

= regression parameters; = variable residue.

The estimation of the parameters and the test of the signifi cance of the model are done using the EViews statistical-econometric analysis program, and the results are presented in fi gure 2.

Results of multiple regression model analysis between CA, CP, AC, CS, and CE

Figure 2Dependent Variable: CAMethod: Least SquaresSample: 2013:1 2018:4Included observations: 24

Variable Coeffi cient Std. Error t-Statistic Prob. C -4028707. 503395.4 -8.003067 0.0000

CP 1.337639 0.678176 1.972407 0.0633AC 0.252979 0.256509 0.986237 0.3364CS 1.283747 0.183330 7.002375 0.0000CE 42.36084 5.859197 7.229802 0.0000

R-squared 0.998667 Mean dependent var 16189776Adjusted R-squared 0.998387 S.D. dependent var 5797564.S.E. of regression 232845.9 Akaike info criterion 27.73719Sum squared resid 1.03E+12 Schwarz criterion 27.98262Log likelihood -327.8463 F-statistic 3559.941Durbin-Watson stat 1.914030 Prob(F-statistic) 0.000000

Interpreting the data in fi gure 2 we found that the coeffi cients recorded

in the second column (the Coeffi cient column) are signifi cantly diff erent from

zero, which validates the model, in the sense that it is a correct one and can be

used to predict the evolution of these indicators for the next period.




indicates that the results obtained are signifi cant. Also, the R-squared correlation coeffi cient has the value of 0.99, close

to the unitary one, thus indicating a 99.86% probability that this model is a correct one. Regarding the value of 1.91 recorded in fi gure 2 for the Durbin-Watson test, it falls within the range d2 = 1.78 < d = 1.91 < 4-d1 = 2.99, which leads to the conclusion that the hypothesis of independence of the values of the residual variable can be admitted. In other ideas, according to the data contained in fi gure 2 we can estimate the theoretical values of the endogenous variable, according to the relation:


(5)

With the help of the relationship (5) forecasts can now be made on the evolution of this important indicator for the entire evolution of the economic agent in the profi le market.

• The analysis of the trend of microeconomic indicators

The data are presented in table 1. In graph 1, we have highlighted the evolution that they had during the period 2013-2018, a period that amounts to six years, the turnover (CA), the expenses with the raw material (CMP) and the expenses with the stocks (CS). We chose these three indicators, because the values they recorded are the most signifi cant in the mentioned period.

Evolution of turnover (CA), raw material expenses (CMP) and

inventory expenditures (CS) in 2013-2018

Chart 1

From both the graph 1 and the data summarized in table 1 we can observe the trend that these indicators have, namely, an ascending one in which the turnover has evolved relatively steadily from the value of 7,981,235 Ron registered in the fi rst quarter of for the year 2013, at a value of 24,970,016 Ron at the end of the fourth quarter of 2018, with a practical tripling of the company’s revenues on the Romanian market.


Also, the expenses with the raw material experienced an almost similar evolution, with an increase of 2.8 times in this period, an aspect that is observed in the graph, the slope being softer than that of the turnover. Regarding the expenses with the stocks, they registered a period of stagnation of the growth in the period between the years 2016-2017, then resuming the previous slope, fi nally registering a positive evolution of 2.44 times. In the following graph, graph 2, we have highlighted the trend that have had during the mentioned period the expenses with the auxiliary materials, the expenses with the personnel and other operating expenses.

Evolution of expenditures on ancillary materials (CMAUX), expenditure

on personnel (CP) and other operating expenses (CA)

Chart 2

From chart 2 we can see that the evolution of the expenses with the auxiliary materials and of the expenses with the personnel have an almost identical constant growth, where the expenses with the auxiliary materials increased by 2.59 times and the expenses with the personnel increased by 2.71 times in 2013 - 2018 . Interesting is the evolution of other operating expenses that experienced signifi cant fl uctuations, so that in the fi rst quarter of 2014 the

amounts registered in this account are similar to those of the fourth quarter

of 2016, so that the trend will be up until the fourth quarter of the year. 2018,

when the value of these expenses was 2,754,862.


Another analysis of the trend was made regarding the energy and fi nancial expenses, these having the lowest values of the data series studied, thus being presented in graph 3.

Evolution of energy expenditure (EC) and fi nancial expenditure (CF)

Chart 3

Interpreting Chart 3 we can observe the trend that these two indicators have had, it is also a positive one with considerable increases throughout this period subject to analysis. It is worth noting that in terms of the evolution of fi nancial expenses, starting with 2016, they recorded values that led to a lower slope, which means that the economic agent’s administration has found optimal solutions to keep these expenses at a relatively constant level while turnover has accelerated. Next, we approached the analysis of the trend that the profi tability and productivity of the work had. The data relating to these indicators summarized in table 1 are expressed in relative fi gures (%). The data are summarized in graph 4.


Evolution of profi tability (R) and labor productivity (M)

Chart 4

From chart 4 we can see that the trend was a positive one for both indicators, but in particular I can say that the profi tability had a better evolution than the labor productivity during the period under analysis. If we look graphically, the trend that the profi tability had, we will fi nd that it has evolved relatively constantly, an aspect that also emerges from the data recorded in table 1, thus evolving from 16.16% in the fi rst quarter of 2013, to 22.93 % at the end of 2018. In terms of labor productivity, this had a more important evolution between 2014 and 2015, otherwise the evolution is slower, fi nally registering an increase from 3.12% in the fi rst quarter of 2013, up to 4 , 96% at the end of 2018.

Conclusions

The article, which is based on a study on the model of performance evaluation and the trend of the trading company, using the multiple regression method as an analysis tool, reveals some theoretical and practical conclusions. A fi rst conclusion is that microeconomic activity is infl uenced by a number of

factors. From the economic balance sheet we can extract a series of indicators,

which you analyze in a time perspective give essence to the perspective that

the commercial company has to obtain better results or on the contrary to have

diffi culties due to the way in which the program of measures of the economic agent is not well-grounded and the infl uences can reverberate in not exactly

conclusive results.


The multiple regression model is a reliable analysis tool at the microeconomic level, provided that it is used in accordance with the existing methodology, is used on certain databases, leads to obtaining parameters, which allows the possibility of estimating short-term results. , medium or even longer. The results obtained by using multiple linear regression is an instrument of analysis but at the same time and of forecasting the perspective of the microeconomic activity. In this regard, the management, the manager of a microeconomic entity must take these results into account, which they should focus on in a program of measures aimed at remedying the situation if the microeconomic agent is experiencing diffi culties or ensuring a higher

trend. evolution in the future, as a result of the measures that are being taken.

This study is not limiting, it is only an opinion of the authors who

used a statistical-econometric model at the microeconomic level, which can

be extended, which may include other variables, more or less, depending on

how from the preliminary study of the data series available to the one doing

the analysis also found a justifi cation, a quantifi cation, respectively a certainty

that they will achieve superior results.

References

1. Andrei, T., Bourbonais, R. (2008). Econometrie, Editura Economică,

București

2. Anghelache, C., Anghel, M. (2014). Modelare economică. Concepte, teorie şi

studii de caz., Editura Economică

3. Anghelache, C., Pagliacci, M., Mitruţ, C. (2015). Statistical-Econometric Models

used in Economic Analysis. Romanian Statistical Review – Supplement, 4, 9-15

4. Anghelache, C., Anghelache, G.V., Kralik, L. (2012). Model for the Analysis of the

Commercial Company Performance. Romanian Statistical Review, Supplement,

269-279

5. Corbare, D., Durlauf, S., Hansen, B. (2006). Econometric Theory and Practice

- Frontiers of Analysis and Applied Research, Cambridge University Press

6. Davidson, R., Mackinnon, J.G. (2004). Econometric theory and methods, Oxford

University Press, New York

7. Guijarati, D. (2005). Basic Econometrics, The McGraw – Hill Companies

8. Iacob, Ș.V. (2019). The infl uence of physical phenomena and processes on the

diff erent economic situations faced by the economic agents. Romanian Statistical

Review Supplement, 10, 12-19

9. Slade, M. (2004). Models of Firm-Level Profi tability. International Journal of

Industrial Organization, 22, 289-308

10. Werner, J. (2009). Risk and Risk Aversion When States of Nature Matter.

Economic Theory, 41, 231–246


Principalele aspecte privind alegerea portofoliului şi testarea modelului privind preţul activelor de capital

Lecturer Ștefan Virgil IACOB, PhD ([email protected])

„Artifex” University of Bucharest

Daniel DUMITRU, PhD Student ([email protected])

Academia de Studii Economice din BucureștiMarius POPOVICI, PhD StudentAcademia de Studii Economice din București

Abstract Piața de capital este foarte importantă la nivelul economiei naționale. Procesul alegerii portofoliului de variație medie pe baza unui set de date prezintă foarte mare interes. În acest sens în alegerea portofoliu mai întâi vom aborda probleme de identifi care a tipului de model care poate fi utilizat. În întreaga activitate rezultă clar că versiunile acestor portofolii, variații ale lor, determină și o anumită atenție în selecționarea variabilelor pentru studiul pieței. Există o serie de elemente care au semnifi cație în identifi carea modelelor de piață și a ,,modelelor de factori”, care să se refere la modalitățile în care trebuie să se acționeze pentru ca piața fi nanciară să evolueze într-un anumit sens. Modelul de piață pornește de la faptul că piața este aceea care determină evoluția prețurilor de piață și, în consecință, stabilirea activității pe piața de capital. În acest articol, autorii au căutat să identifi ce principalele aspecte pe baza cărora să se fundamenteze alegerea portofoliilor, constituirea unui model și apoi testarea modelul respectiv, în sensul de a constata dacă acesta răspunde preocupărilor și exigențelor privind prețul în piața de capital. Desigur, se cunoaște modelul de testare CAMP (modelul prețurilor activelor de capital), care este utilizat pe piață. În continuare s-a efectuat și un studiu privind această posibilitate, așa încât să se găsească acele elemente care au semnifi cație reală în studiul pieței de capital și a prețului pieței pe baza unor modele statistico-econometrice consistente. Alegerea portofoliului și testarea modelului referitor la evoluția prețului activelor se poate efectua prin construirea de modele adecvate. Cuvinte cheie: piața de capital, modele statistico-econometrice, portofolii, teste statistice, prețuri. Clasifi carea JEL: C10, E22


Introducere

În articolul ,,Principalele aspecte privind alegerea portofoliului și testarea modelului privind prețul activelor de capital” autorii au pornit de la prezentarea unor elemente esențiale, cum ar fi alegerea portofoliului dând o serie de exemple și sugerând o serie de variabile conexe care pot fi avute în vedere la crearea de modele specifi ce pieței portofoliilor. Piața de capital este una care are la bază active, fi ecare dintre acestea cu prețul lor, și care, în

funcție de corelațiile identifi cate, pot avea un efect sau altul în sau altul asupra

evoluției pieței de capital.

Autorii s-au referit apoi la testarea modelului de preț al activelor de

capital, sugerând ca metode de testare unele care sunt destul de des utilizate, dar

aplicându-le la unele situații concrete care dau semnifi cație studiului efectuat.

Activele de capital de pe piață sunt cu risc sau fără risc, iar în această ordine

de idei autorii s-au concentrat pe identifi carea celor două situații menționate.

S-a avut în vedere și un studiu al bibliografi ei pe domeniul acesta, cu

scopul vădit de a extrage acele elemente aplicabile și utilizabile în condițiile

piețelor de capital. Modelele de preț ale activelor de capital trebuie testate și în

acest sens s-au sugerat și acele posibilități care stau la dispoziția modelatorilor

în acest domeniu. Astfel, s-a studiat și prezentat specifi cul modelului de piață

pe baza unor date care să evolueze într-o direcție și care să asigure normalitatea

evoluției portofoliilor pieței de capital.

Articolul acesta are un conținut preponderent teoretic și se referă la

posibilitățile de a efectua aceste studii prin constituirea de modele privind

portofoliile și mai ales de starea modelului privind prețul activelor de capital.

Esențial este faptul că numai alegerea corectă a unui portofoliu și testarea

corectă a modelului convenit pot asigura premisele unui studiu realist, adecvat

în legătură cu piața de capital și alegerea portofoliilor.

Autori au folosit o serie de relații statistico-econometrice pentru

a pune în evidență elementele care constituie baza modelelor care au fost

considerate și mai ales pașii urmați în construirea acestor modele.

Literature review

Anderson, R.L. (1942), abordează probleme legate de distribuția

coefi cientului de corelație. Anghelache Constantin, Anghel Mădălina

Gabriela (2018, 2014) abordează în lucrările lor aspecte teoretice și practice

în ceea ce privesc analizele statistico-econometrice a fenomenelor economice.

Anghelache Constantin (2019) este preocupat de efectul pe care îl au măsurile

fi nanciar-monetare asupra mediului de afaceri. Anghelache Constantin,

Barbu Cristian Marian (2019) analizează rolul pe care îl au investițiile de

capital în dezvoltarea economică. Barndorff -Neilsen, O., Hansen, P., Lunde,


A., & Shephard, N. (2008), sunt preocupați de măsura variației prețurilor capitalurilor proprii în prezența zgomotului. Black, F. (1972), este preocupat de echilibrul pieței de capital. Linton, O. (2016), abordează probleme legate de modelare statistică și econometrică.

Metodologie, date, discuții, rezultate

În cele ce urmează, se prezintă implementarea alegerii portofoliului de variație medie pe baza unui set de date al panelului de profi turi. În același timp, sunt prezentate metodele de testare CAMP, cu accent pe alegerea portofoliului.

• Alegerea portofoliului

Mai întâi s-a abordat problema practică a alegerii portofoliului. S-a avut în vedere situația cu active riscante colectate în vector , unde media populației și matricea de covarianță sunt notate . S-a urmărit minimizarea variației portofoliului, sub rezerva obținerii unui randament mediu, m. Vectorul optim de ponderare a populației este dat de relația:

(1)

Considerând relația:, care relevă estimări

consistente ale cantităților de populație ca , pentru N fi x. De asemenea avem în vedere și

și În aceste condiții rezultă relația:

(2)

care reprezintă schema optimă de ponderare.

Varianța estimată corespunzătoare este dată de relația:

(3)

iar limita efi cientă estimată este cuprinsă în intervalul


Portofoliul GMV are ponderi proporționale cu , care pot fi estimați prin relația:

(4)

Vectorul ponderilor este o funcție non-liniară a vectorului N x l și a matricei de covarianță N x N. Presupunând că includem și active fără riscuri în calculele

portofoliului și având , atunci vom deduce relațiile:

(5)

Ponderile optime privind activele riscante ale portofoliului de tangență sunt proporționale cu . Acestea pot fi estimate prin relația:

(6)

Pentru exemplifi carea aspectelor prezentate în partea teoretică am luat un exemplu, în care am utilizat valorile estimate ale acestor ponderi de portofoliu pentru acțiunile unui număr de treizeci de fi rme, alături de rentabilități anualizate și abaterile standard.

Valorile estimate ale ponderilor de portofoliu, ale rentabilități anualizate

și abaterile standard

Tabel 1

Firma

1 -0.0665 0.2151 -0.0665 -0.0346

2 0.0009 0.1851 -0.2475 -0.2482

3 -0.0852 0.2350 -0.0006 0.0097

4 -0.0093 0.1540 0.0369 0.0377

5 0.0375 0.1595 0.0715 0.0103

6 0.0140 0.1103 -0.0584 -0.0732

7 -0.0110 0.2151 -0.1038 -0.1016

8 -0.0088 0.1504 0.1374 0.1503

9 -0.0046 0.1408 0.0820 0.0799

10 -0.0782 0.2267 -0.0187 -0.0223


11 -0.0803 0.2200 0.0092 0.0220

12 -0.0137 0.1937 -0.0978 -0.0907

13 -0.0296 0.2014 -0.0147 0.0065

14 0.0282 0.1318 0.1769 0.1463

15 -0.0512 0.2268 0.0706 0.0679

16 0.0129 0.0991 0.1868 0.1834

17 -0.0577 0.2234 0.0353 0.0331

18 -0.0188 0.1491 0.1096 0.1087

19 -0.0094 0.1458 0.0773 0.0903

20 -0.0754 0.1972 -0.0087 0.0127

21 -0.0579 0.2092 -0.0332 -0.0227

22 -0.1093 0.2057 -0.0176 0.0062

23 0.0309 0.1045 0.3443 0.2999

24 -0.0042 0.1327 0.0237 0.0364

25 -0.0234 0.1703 -0.0043 0.0092

26 0.0190 0.2132 0.0342 0.0326

27 -0.0054 0.1852 -0.0092 -0.0197

28 0.0075 0.1280 0.0299 0.0071

29 0.0179 0.1268 0.1877 0.1858

30 0.0070 0.1470 0.0680 0.0770

Sursa: Datele au fost prelucrate de autori prin luarea în considerare a rezultatelor unor fi rme pe baza bilanțurilor acestora

În fi gurile 1 și 2 sunt prezentate grafi c limita medie empirică de varianță efi cientă pentru stocuri, mediile individuale și abaterile standard.

Limita medie empirică de varianță efi cientă

Figura 1


Mediile individuale și abaterile standard

Figura 2

O condiție necesară pentru ca să fi e de rang complet și pe cale de consecință să fi e reversibil, este aceea ca în situația T > N, limitând aplicarea acestei metode. În practică, există o mulțime de active disponibile pentru cumpărare. O primă abordare este aceea de a începe cu un eșantion mare de n active și apoi să îl împărțim în portofolii N < T pe baza unor caracteristici și apoi să stabilim ponderile optime pe aceste portofolii. O altă abordare, care este destul de utilizată, se bazează pe modifi carea estimării matricei de covarianță pentru a garanta că aceasta este strict pozitivă. Metoda de contracție Ledoit și Wolf (2003) pleacă de la faptul că înlocuiește prin relația următoare:

(7)

unde este matricea diagonală a lui și este un parametru de reglare.

Pentru matricea este de rang complet și inversibilă,

indiferent de mărimile relative ale lui N și T. Matricea are valori negative,

iar adăugarea unei matrice diagonale pozitive limitează valorile proprii ale diferite de zero. Conform unor studii ale lui Andersen (1984) în care se precizează că dacă X este normal distribuit cu media și covarianța , dacă are o distribuție anterioară inversă cu parametrii ψ,m, unde ψ este o matrice defi nită pozitivă și m este un număr întreg, atunci se satisface relația:

, (8)

în care este estimatorul Bayes al în raport cu o funcție de pierdere graduale cu condiția ca T + m > N + 2. Pentru o alegere adecvată a lui putem include estimatorul Ledoit și Wolf.


Există acum o zonă de cercetare care, propune noi metode de estimare a portofoliilor de operare atunci când numărul de active este mare. În esență, trebuie să existe o structură pe care să reducă numărul de valori necunoscute de la N (N + l) / 2, la o cantitate mai mică. Modelele de piață și modelele de factori sunt modalități bine fundamentate care fac acest lucru.

• Testarea modelului de preț al activelor de capital

În continuare vom aborda cele mai recomandate metode de testare a CAPM. Acest model este larg utilizat și are o importanță centrală în fi nanțe. Deși a fost utilizat de nenumărate ori utilizând metode diferite, încă există unele dezacorduri cu privire la interpretarea rezultatelor și considerarea acestor metode a fi adecvate. În teorie se face referire la un agent reprezentativ pentru o perioadă în care alege să facă investiții în mod optim sub rezerva unei constrângeri bugetare. Aceasta se referă la un volum de active riscante, ale căror rambursări aleatorii fi ind . Rentabilitatea pieței este determinată de volumulde bază al activelor și, eventual, un activ fără risc al cărui profi t este notat de . În varianta Sharpe-Lintner cu un activ fără risc se utilizează relația:

(9) pentru toate activele i. Aceasta se referă la trei valori:

în mod liniar. Rata dobânzii în acest model nu este aleatorie.

Versiunea ,,neagră” a CAPM nu presupune existența unui activ fără risc. În practică, există multe active fără risc, cu randamente diferite și în acest context unele entități restricționate în modul în care pot accesa piețele creditului. Acest model este de forma:

, (10)pentru toate titlurile i, unde este randamentul portofoliului zero beta, defi nit ca covarianță ( ) = 0, adică este portofoliul neutru al pieței cu variație minimă. În acest caz, există patru cantități necunoscute care sunt legate: . Pentru a testa valabilitatea modelului sunt necesare de date pentru a măsura randamentul scontat, abaterile standard și covarianțele care sunt, teoretic, corelate. Presupunem că datele observate provin din aceeași


colectivitate și că implicit agentul economic va lua aceeași decizie în fi ecare

perioadă, cu preferințe și parametri uniformi în timp. Pentru a testa prognoza teoriei, vom încorpora modelul într-o clasă mai generală de modele sau alternative, care se obțin de obicei doar prin adăugarea unei variabile la regresie. În aceste condiții lăsând

în cazul Sharpe- Lintner rezultă relația:

(11)

Din teorie se cunoaște că pentru toți i. Alternativa este că există, în situația , cel puțin o valoare a lui i. În fi nal apreciem a fi corectă relația:

(12)

• Modelul de piață

Să presupunem că avem un eșantion de observații asupra fi ecărui active , care se extrag la întâmplare din aceeași serie și, de asemenea, observăm randamentul pieței , care poate fi

compus din active care nu sunt cuprinse în . Putem sau nu să extragem și un eșantion de rate libere de risc . Presupunem că modelul de piață satisface

.

Estimarea parametrilor dintr-un eșantion format din serii de serii de timp stă la baza acestui model. Am specifi cat comportamentul termenilor de eroare pentru fi ecare colectivitate. În continuare va fi necesar să specifi căm

comportamentul comun al . Vom presupune următoarele: pentru

din care rezultă relația:

(13)

Acest aspect evidențiază faptul că erorile sunt corelate așa cum este reprezentată de matricea covarianței invariante de timp , dar nu sunt autocorelate încrucișat. Cea mai simplă presupunere este că sunt necorelate pentru i, caz în care este o matrice diagonală. Consecința acestei presupuneri depinde dacă N este sufi cient de mare sau nu. Vom presupune că N este fi x, dacă nu se specifi că altfel. În unele cazuri, folosind următoarea presupunere: obținem vectorul:


(14)

Indiferent de forma de corelare a erorilor, deoarece regresorii sunt aceiași ( ) pentru fi ecare activ, putem estima parametrii acestui model de regresie, aparent fără legătură de către OLS, folosind seria temporală

de observații pentru fi ecare activ. Aceste estimări sunt imparțiale și sunt consecvente în condițiile heterostedasticității și non-normalității. În teoria clasică se subliniază posibilitatea normalității, caz în care aceste estimări sunt efi ciente și mai important este posibil să se obțină statistici exacte de testare. Reexaminăm în continuare câteva dovezi în jurul acestei presupuneri.

• Dovada normalității

Normalitatea nu este necesară pentru CAPM (Ingersoll 1987) , dar o mare parte din literatura de specialitate o asumă și profi tă de proprietățile sale. Există un citat faimos despre ambiguitatea distribuției normale (Whittaker și Robinson 1967). Mulți cercetători cred în legea exponențială a erorilor (adică distribuția normală), deoarece experimentatorii consideră că poate fi dovedită prin matematică, iar matematicienii, pentru că ei cred că a fost stabilit prin observație. Fama (1965) compară distribuțiile de rentabilitate empirică a acțiunilor cu distribuția normală a prețurilor zilnice pentru fi ecare din cele treizeci de acțiuni, ajustate pentru dividende și divize de acțiuni. S-a descoperit că distribuția frecvenței este extrem de oscilantă. Fama susține că o caracterizare mai bună a distribuțiilor de retur este de formă deviantă. Astfel, considerăm că randamentele de acțiuni sunt bine aproximate de o distribuție normală. Aceasta se realizează analizând cumulurile. Printre măsurile standard de non-normalitate se numără cumulantele mai mari, cum ar fi slăbiciunea și excesul de kurtoză. Pentru o distribuție normală . Statistica Jarque-Bera (1980) combină estimările empirice ale acestor cumulante într-o statistică de testare. Randamentele zilnice ale stocurilor au, de obicei, o sensibilitate negativă mare și o kurtoză pozitivă mare și nu reușesc testele de normalitate. Cu toate acestea, Fama susține că rentabilitățile lunare sunt mai aproape de normalitate. Cercetăm acest lucru cu date recente. Să precizăm următorul rezultat: Agregarea returnărilor (logaritmice). Fie A la nivel de agregare (de exemplu, săptămânal, lunar), astfel încât să fi e satisfăcută relația:

(15)


Apoi sub , rezultă:

(16) Considerăm că media și variația rezultatelor sunt evidente

. Din acesta deducem:

(17)

Deoarece și , ori de câte ori . Apoi divizarea la puterea 3/2 a variației dă rezultatul dorit. Acest lucru spune că pe măsură ce agregarea este mai mare ( ), randamentele devin mai aproape de normalitate, adică, și

ca . Se pune problema să apreciem dacă este adevărat acest lucru empiric. În fi gurile 3 și 4 se evidențiază înclinarea și kurtoza stocurilor reprezentate față de factorul de agregare A.

Skeuness

Figura 3


Kurtosis

Figura 4

Slăbiciunea și kurtoza scad cu orizontul de agregare, așa cum s-a prevăzut, dar orizontul lunar (A = 22) are încă înclinare și kurtoză substanțială.De asemenea, putem lua în considerare cazul în care returnările nu satisfac

. În acest caz, formulele sunt mai complexe, dar rezultatul este în mod fundamental similar. Agregarea ar trebui să reducă mărimea înclinării și kurtozei.

Concluzii

Studiul articolului ,,Principalele aspecte privind alegerea portofoliului și testarea modelului privind prețul activelor de capital” conduc la unele concluzii dintre care amintim pe următoarele. În primul rând alegerea portofoliilor se poate face numai pe baza unui studiu adecvat al pieței, al prețului activelor de capital, al corelațiilor care se întâlnesc între elementele structurale ale pieței de capital. A doua concluzie este aceea că alegerea portofoliului trebuie să se realizeze numai după un studiu amănunțit și apoi prin testarea modelului privind prețul de piață. Prețul activelor plasate pe piața de capital este esențial pentru că în funcție de acesta oscilează (evoluează) tranzacțiile de pe piață. Elementele expuse în articolul de față sunt câteva, stabilite de autori, dar esențiale în alegerea portofoliului pentru a asigura rentabilitatea acestora. Sunt numeroase alte aspecte teoretice care pot fi anticipate, pot fi studiate și care pot da o mai mare complexitate acestei probleme a alegerii portofoliilor, dar mai ales a testării modelului convenit privind prețul activelor pe piața de capital.


Articolul este doar o sugestie studiată și concretizată, care poate fi utilizată prin dezvoltare și adaptare mai largă la problemele pe care le presupune piața de capital. În mod practic cu privire la piețele de capital, preocupările sunt de a stabili efi ciența propriei piețe, de a identifi ca variabilele, interdependențele dintre acestea și mai ales cuantifi carea prin apelarea la modele statistico-econometrice. Ne-am referit și la modelele de testare CAPM cu accent pe gruparea portofoliilor. Studiul efectuat în acest articol nu este decât aparent limitativ, el deschizând perspectiva unor ample dezvoltări și interpretări utile în funcție de specifi cul temei supuse cercetării și analizei.

Bibliografi e

1. Anderson, R.L. (1942), Distribution of the Serial Correlation Coeffi cient, Annals of

Mathematical Statistics 13,1-12 2. Anghelache Constantin, Anghel Mădălina Gabriela (2018). Econometrie generală.

Teorie și studii de caz, Editura Economică, Bucureşti, 328 pp., ISBN 978-973-709-839-9

3. Anghelache Constantin, Anghel Mădălina Gabriela (2014). Modelare economică.

Concepte, teorie şi studii de caz, Editura Economică, Bucureşti, 558 pp., ISBN 978-973-709-629-6

4. Anghelache Constantin (2019). Considerations of the eff ect of fi nancial-monetary measures on the business environment, Romanian Statistical Review Supplement, no. 2, pp. 12-20,

5. Anghelache Constantin, Barbu Cristian Marian (2019). The analysis of the role of capital investment in economic development. Romanian Statistical Review,

Supplement, no. 1, pp. 19-33 6. Barndorff -Neilsen, O., Hansen, P., Lunde, A., & Shephard, N. (2008), Designing

Realised Kernels to Measure the Ex-Post Variation of Equity Prices in the Presence of Noise, Econometrica 76, 1481-536

7. Black, F. (1972), Capital Market Equilibrium with Restricted Borrowing, The

Journal of Business, 45.3, 444-55 8. Linton, O. (2016), Probability, Statistic and Econometrics, Academic Press


THE MAIN ISSUES REGARDING THE CHOICE OF PORTFOLIO AND THE

TESTING OF THE MODEL REGARDING THE PRICE OF CAPITAL ASSETS


„Artifex” University of Bucharest

Daniel DUMITRU, PhD Student ([email protected])


Marius POPOVICI, PhD StudentBucharest University of Economic Studies

Abstract The capital market is very important at the level of the national

economy. The process of choosing the medium variation portfolio based on

a data set is of great interest. In this regard, when choosing a portfolio we

will fi rst address issues of identifying the type of model that can be used.

Throughout the activity it is clear that the versions of these portfolios, their

variations, also determine a certain attention in the selection of the variables

for the market study.

There are a number of elements that have signifi cance in identifying

market models and „factor models”, which refer to the ways in which they

must act in order for the fi nancial market to evolve in a certain sense. The

market model starts from the fact that the market is the one that determines

the evolution of the market prices and, consequently, the establishment of the

activity on the capital market.

In this article, the authors sought to identify the main issues on which

to base the choice of portfolios, build a model and then test the respective

model, in order to fi nd out if it responds to the concerns and demands regarding

the price in the capital market. Of course, we know the test model CAMP

(capital asset pricing model), which is used on the market. Next, a study was

carried out regarding this possibility, so as to fi nd those elements that have

real signifi cance in the study of the capital market and the market price based

on consistent statistical-econometric models. Choosing the portfolio and

testing the model regarding the evolution of the price of assets can be done by

building appropriate models.

Keywords: capital market, statistical-econometric models, portfolios, statistical tests, prices. JEL classifi cation: C10, E22


Introduction

In the article „The main aspects regarding the choice of the portfolio and the testing of the model on the price of the capital assets” the authors started by presenting some essential elements, such as choosing the portfolio by giving a number of examples and suggesting a series of related variables that can be had in view on creating models specifi c to the portfolio market. The capital market is one that is based on assets, each of them with their price, and which, depending on the correlations identifi ed, may have one or the other eff ect on the evolution of the capital market. The authors then referred to the testing of the price model of capital assets, suggesting as test methods some that are quite often used, but applying them to some concrete situations that give signifi cance to the study. The capital assets on the market are at risk or without risk, and in this order of ideas the authors focused on identifying the two mentioned situations. A study of the bibliography in this fi eld was also considered, with the clear purpose of extracting those elements applicable and usable under the conditions of the capital markets. The price models of capital assets should be tested and in this respect, the possibilities that are available to the modelers in this area have been suggested. Thus, the specifi city of the market model has been studied and presented on the basis of data that will evolve in one direction and which will ensure the normality of the evolution of the capital market portfolios. This article has a mainly theoretical content and refers to the possibilities to carry out these studies by establishing models regarding portfolios and especially the state of the model regarding the price of capital assets. It is essential that only the right choice of a portfolio and the correct testing of the agreed model can provide the premises of a realistic study, appropriate in relation to the capital market and the choice of portfolios. The authors used a series of statistical-econometric relations to highlight the elements that form the basis of the models that were considered and especially the steps taken in building these models.

Literature review

Anderson, R.L. (1942), it addresses problems related to the correlation coeffi cient distribution. Anghelache Constantin, Anghel Mădălina Gabriela (2018, 2014) approach in their works theoretical and practical aspects regarding the statistical-econometric analysis of economic phenomena. Anghelache Constantin (2019) is concerned about the eff ect that the fi nancial-monetary measures have on the business environment. Anghelache Constantin, Barbu Cristian Marian (2019) analyzes the role of capital investments in economic


development. Barndorff -Neilsen, O., Hansen, P., Lunde, A., & Shephard, N. (2008), they are concerned about the extent of the change in equity prices in the presence of noise. Black, F. (1972), is concerned about the balance of the capital market. Linton, O. (2016), it addresses issues related to statistical and econometric modeling.

Methodology, data, discussions, results

In the following, it is presented the implementation of the choice of the average variation portfolio based on a set of profi ts panel data. At the same time, the CAMP test methods are presented, with an emphasis on portfolio selection.

• Choosing the portfolio

First, the practical issue of portfolio choice was addressed. The situation with risky assets collected in the vector was considered , where the population mean and covariance matrix are noted . The objective was to minimize the variation of the portfolio, subject to obtaining an average yield, m. The optimal vector of population weighting is given by the relation:

(1)

Considering the relationship:

, which reveals consistent estimates of population quantities as , for N fi xed. We also consider

and

In these conditions the relationship results:

(2)which represents the optimal weighting scheme. The corresponding estimated variance is given by the relation:

(3)

and the estimated eff ective limit is within the range .


The GMV portfolio has proportions with , which can be estimated by the relationship:

(4)

The weight vector is a non-linear function of the vector N x 1 and the covariance matrix N x N. Assuming we include and risk-free assets in portfolio calculations and having , then von deduces relations:

(5)

Optimal weights regarding the risky assets of the tangent

portfolio are proportional to . These can be estimated by the relationship:

(6)

To exemplify the aspects presented in the theoretical part I took an example, in which we used the estimated values of these portfolio weights for the shares of thirty companies, together with annualized returns and standard deviations.

Estimated values of portfolio weights, annualized returns and standard

deviations

Table 1

Firma

1 -0.0665 0.2151 -0.0665 -0.0346

2 0.0009 0.1851 -0.2475 -0.2482

3 -0.0852 0.2350 -0.0006 0.0097

4 -0.0093 0.1540 0.0369 0.0377

5 0.0375 0.1595 0.0715 0.0103

6 0.0140 0.1103 -0.0584 -0.0732

7 -0.0110 0.2151 -0.1038 -0.1016

8 -0.0088 0.1504 0.1374 0.1503

9 -0.0046 0.1408 0.0820 0.0799

10 -0.0782 0.2267 -0.0187 -0.0223


11 -0.0803 0.2200 0.0092 0.0220

12 -0.0137 0.1937 -0.0978 -0.0907

13 -0.0296 0.2014 -0.0147 0.0065

14 0.0282 0.1318 0.1769 0.1463

15 -0.0512 0.2268 0.0706 0.0679

16 0.0129 0.0991 0.1868 0.1834

17 -0.0577 0.2234 0.0353 0.0331

18 -0.0188 0.1491 0.1096 0.1087

19 -0.0094 0.1458 0.0773 0.0903

20 -0.0754 0.1972 -0.0087 0.0127

21 -0.0579 0.2092 -0.0332 -0.0227

22 -0.1093 0.2057 -0.0176 0.0062

23 0.0309 0.1045 0.3443 0.2999

24 -0.0042 0.1327 0.0237 0.0364

25 -0.0234 0.1703 -0.0043 0.0092

26 0.0190 0.2132 0.0342 0.0326

27 -0.0054 0.1852 -0.0092 -0.0197

28 0.0075 0.1280 0.0299 0.0071

29 0.0179 0.1268 0.1877 0.1858

30 0.0070 0.1470 0.0680 0.0770

Source: The data were processed by the authors by taking into account the results of some companies based on their balances

Figures 1 and 2 show graphically the empirical average variance of eff ective variance for stocks, individual averages and standard deviations.

The empirical mean variance of eff ective variance

Figure 1


Individual mean and standard deviations

Figure 2

A necessary condition for that to be of complete rank and consequently to be reversible, is that in the situation T> N, limiting the application of this method. In practice, there are a lot of assets available for purchase. A fi rst approach is to start with a large sample of n assets and then divide it into N <T portfolios based on characteristics and then set the optimal weights on these portfolios. Another approach, which is widely used, is based on modifying the covariance matrix estimation to ensure that it is strictly positive. The contraction method Ledoit and Wolf (2003) starts from the fact that it replaces

through the following relationship:

(7)

where is its diagonal matrix and is an adjustment parameter.

For matrix is of complete and invertible rank, regardless

of the relative sizes of N and T. The matrix has negative values, and the

addition of a positive diagonal matrix limits the eigenvalues of diff erent from zero. According to some studies by Andersen (1984), it is specifi ed that if X is normally distributed with the mean and covariance , if has a previous inverse distribution with the parameters ψ,m, where ψ is a positive defi nite matrix and m is an integer, then the relation is satisfi ed:

, (8)

where is the Bayes estimator of in relation to a gradual loss function provided that T + m > N + 2. For a proper choice of we can include the estimator Ledoit and Wolf.


There is now a research area which proposes new methods of estimating operating portfolios when the number of assets is high. Essentially, there must be a structure on care to reduce the number of unknown values from N (N + 1) / 2, to a smaller amount. Market models and factor models are well-grounded ways of doing this.

• Testing the price model of capital assets

Next we will approach the most recommended methods of testing the CAPM. This model is widely used and has a central importance in fi nance. Although it has been used numerous times or using diff erent methods, there is still some disagreement regarding the interpretation of the results and the consideration of these methods to be appropriate. In theory, we refer to a representative agent for a period in which he chooses to make optimal investments, subject to a budget constraint. This refers to a volume of risky assets, whose random repayments are . Market profi tability este determined by the base volume of the assets and, possibly, a risk-free asset whose profi t is noted by . In the Sharpe-Lintner variant with a risk-free asset, the relationship is used:

(9)

for all assets i. This refers to three values:

linearly. The

interest rate In this model it is not random. The “black” version of the CAPM does not imply the existence of a risk-free asset. In practice, there are many risk-free assets, with diff erent yields and in this context some entities restricted in how they can access the credit markets. This model is shaped:

, (10) for all titles i, where is the yield of the zero beta portfolio, defi ned as covariance ( ) = 0, that is, it is the market neutral portfolio with minimal variation. In this case, there are four unknown quantities that are linked: . To test the validity of the model, data are needed to measure the expected yield, standard deviations and covariances that are, theoretically, correlated. We assume that the observed data come from the same community and that by implication the economic agent will make the same decision in each period, with uniform preferences and parameters over time.


To test the theory’s prediction, we will incorporate the model into a more general class of models or alternatives, which are usually obtained only by adding a variable to the regression. In these conditions leaving

in the case of Sharpe-Lintner the relationship results:

(11) It is known in theory that to all i. The alternative is that it exists in the situation , at least one value of i. Finally, we consider the relationship to be correct:

(12)

• Market model

Suppose we have a sample of observations on each asset , which are randomly extracted from the same series and we

also observe the market performance , which may consist of assets not included in, which may be composed of assets not included in

. We may or may not extract a sample of risk-free rates . Suppose the market model satisfi es

.

Parameter estimation from a sample of time series is the basis of this model. We specifi ed the behavior of the error terms for each community.

Next, it will be necessary to specify the common behavior of . We

will assume the following: for which results in the relationship:

(13)

This aspect highlights that the errors are correlated as represented by the time-invariant covariance matrix , but they are not cross-linked. The simplest assumption is that they are incorrect for i, in which case is a diagonal matrix. The consequence of this assumption depends on whether N is large enough or not. We will assume that N is fi xed, unless otherwise specifi ed. In some cases, using the following assumption: we obtain the vector:

(14)


Regardless of the form of error correlation, because the regressors are the same ( ) for each asset, we can estimate the parameters of this regression model, apparently unrelated by OLS, using the time series of observations for each asset. These estimates are unbiased and are consistent with heterostedasticity and non-normality conditions. In classical theory, the possibility of normality is emphasized, in which case these estimates are eff ective and more importantly it is possible to obtain accurate test statistics. We will now review some evidence around this assumption.

• Proof of normality

Normality is not required for CAPM (Ingersoll 1987), but much of the literature assumes it and takes advantage of its properties. There is a famous quote about the ambiguity of normal distribution (Whittaker and Robinson 1967). Many researchers believe in the exponential law of errors (that is, the normal distribution), because the experimenters believe that it can be proved by mathematics, and the mathematicians, because they believe it has been established by observation. Fama (1965) compares the empirical profi tability distributions of shares with the normal distribution of daily prices for each of the thirty shares, adjusted for dividends and share dividends. It was found that the frequency distribution is extremely oscillating. The woman argues that a better characterization of return distributions is of deviant form. Thus, we consider that stock returns are well approximated by a normal distribution. This is done by analyzing the cumulations. Standard measures of non-normality include larger cumulants, such as weakness and excess kurtosis. For normal distribution . The Jarque-Bera (1980) statistic combines the empirical estimates of these cumulants into one test statistic. Daily stock returns usually have high negative sensitivity and high positive kurtosis and fail normality tests. However, Fama argues that monthly returns are closer to normal. We are researching this with recent data. Let us specify the following result: Aggregate returns (logarithmic). Let A be at the aggregation level (for example, weekly, monthly) so that the relationship is satisfi ed:

(15) Then below , results:

(16)


We consider that the average and the variation of the results are

obvious . From this we deduce:

(17)

Because and , whenever .

Then the division at the power 3/2 of the variation gives the desired result.

This says that as the aggregation becomes larger ( ), the yields

become closer to normal, that is, andi that . The question arises as to whether this is empirically true. In fi gures 3 and 4, the inclination and courtesy of the stocks represented with respect to the aggregation factor A.

Skeuness

Figure 3

Kurtosis

Figure 4


Weakness and kurtosis decrease with the aggregation horizon, as predicted, but the monthly horizon (A = 22) still has a substantial slope and kurtosis. Also, we can consider if the returns do not satisfy . In this case, the formulas are more complex, but the result is fundamentally similar. Aggregation should reduce the size of the slope and kurtosis.

Conclusions

The study of the article „The main aspects regarding the choice of the portfolio and the testing of the model regarding the price of capital assets” leads to some conclusions, which we mention the following. First of all, the selection of portfolios can be made only on the basis of an adequate study of the market, of the price of capital assets, of the correlations that are found between the structural elements of the capital market. The second conclusion is that the portfolio choice should be made only after a thorough study and then by testing the market price model. The price of the assets placed on the capital market is essential because according to it the transactions in the market fl uctuate (evolve).

The elements set out in this article are a few, established by the

authors, but essential in choosing the portfolio to ensure their profi tability.

There are many other theoretical aspects that can be anticipated, studied and

can give greater complexity to this problem of portfolio choice, but especially

of testing the agreed model on the price of assets on the capital market.

The article is just a suggestion studied and materialized, which can

be used through development and wider adaptation to the problems posed by

the capital market. In practice with regard to capital markets, the concerns

are to establish the effi ciency of their market, to identify the variables, the

interdependencies between them and especially the quantifi cation by using

statistical-econometric models.

We also refer to the CAPM test models with an emphasis on grouping

portfolios. The study carried out in this article is only seemingly limiting,

opening the perspective of broad developments and useful interpretations

depending on the specifi c subject of research and analysis.

References

1. Anderson, R.L. (1942), Distribution of the Serial Correlation Coeffi cient, Annals of

Mathematical Statistics 13,1-12

2. Anghelache Constantin, Anghel Mădălina Gabriela (2018). Econometrie generală.

Teorie și studii de caz, Editura Economică, Bucureşti, 328 pp., ISBN 978-973-709-839-9



Concepte, teorie şi studii de caz, Editura Economică, Bucureşti, 558 pp., ISBN

978-973-709-629-6

4. Anghelache Constantin (2019). Considerations of the eff ect of fi nancial-monetary

measures on the business environment, Romanian Statistical Review Supplement,

no. 2, pp. 12-20,

5. Anghelache Constantin, Barbu Cristian Marian (2019). The analysis of the role

of capital investment in economic development. Romanian Statistical Review,

Supplement, no. 1, pp. 19-33

6. Barndorff -Neilsen, O., Hansen, P., Lunde, A., & Shephard, N. (2008), Designing

Realised Kernels to Measure the Ex-Post Variation of Equity Prices in the Presence

of Noise, Econometrica 76, 1481-536

7. Black, F. (1972), Capital Market Equilibrium with Restricted Borrowing, The

Journal of Business, 45.3, 444-55

8. Linton, O. (2016), Probability, Statistic and Econometrics, Academic Press


Conţinutul economico-social al indicatorilor utilizaţi în analiza proporţiilor şi corelaţiilor macroeconomice

Drd. Dana Luiza GRIGORESCU ([email protected])


Abstract

Proporțiile și corelațiile macroeconomice au un rol important în asigurarea macrostabilității. O serie de agregare care există în domeniul economic și pe baza cărora se calculează Produsul Intern Brut, trebuie să se afl e permanent într-o relație corelativă, adică ceea ce se produce trebuie investit sau consumat, iar ceea ce trebuie investit sau consumat, trebuie să se producă pe baza unor analize temeinice nivel macroeconomic. Asigurarea echilibrului macroeconomic este determinat de menținerea corelațiilor și a proporțiilor macroeconomice care trebuie să existe între indicatorii statistici calculați, care relevă evoluția fi ecărui agregat și pe total evoluția Produsului Intern Brut, indicatorul cel mai sintetic de rezultate, care se poate calcula la nivelul economiei naționale. Economia națională funcționează ca un sistem economic, în care pe lângă legea fundamentală a pieței bazată pe corelația dintre ofertă și cerere, trebuie să țină seama și de menținerea sau regularizarea proporțiilor și corelațiilor care se întâlnesc la nivelul macroeconomic. În acest articol, am urmărit identifi carea indicatorilor calculați la nivel macroeconomic, cu accent pe principalii indicatori, astfel încât să fac precizări concrete asupra conținutului economic, al conținutului social, vizând tocmai menținerea corelațiilor, identifi carea dezechilibrelor și pe cale de consecință întreprinderea de măsuri care să asigure macrostabilitatea macroeconomică. Rând pe rând, indicatori cum sunt Produsul Intern Brut, relațiile economice internaționale, structura Produsului Intern Brut pe o serie de variabile statistice, rolul unor indicatori șomajul, infl ația, asupra menținerii echilibrelor sau infl uențarea unor dezechilibre, care asigură îndepărtarea de fenomenul de macrostabilitate. Între acești indicatori pe care i-am menționat, trebuie să existe anumite proporții și corelații, care să fi e asigurate în mod continuu, așa încât să se mențină și nivelul de stabilitate, macrostabilitate a economiei. În partea fi nală a acestui articol pentru a releva semnifi cația pe care o are cunoașterea acestor indicatori, a conținutului lor și a nevoii de


determinare și cunoaștere a evoluției acestora, am sugerat utilizarea unor

modele statistico-econometrice, care să asigure macrostabilitatea, adică

menținerea sau revenirea la proporțiile și corelațiile macroeconomice. Astfel,

Produsul Intern Brut în mod cert este determinat de numărul salariaților la

nivel macroeconomic, dar și de exportul care asigură, fără a-l compara în

studiul pe care l-am făcut cu valoarea importurilor, unu punct de creștere ale

economiei naționale.

Cuvinte cheie: PIB, indicatori macroeconomici, corelații, proporții, variabile statistice. Clasifi carea JEL: C10, E22

Introducere

În cadrul acestui articol, autorul a pornit de la defi nirea indicatorilor macroeconomici Produs Intern Brut, import, export, forță de muncă și alte agregate, variabile statistice care au rol important în cadrul economiei naționale. În acest context, s-a făcut prezentarea conținutului fi ecărui indicator, în cazul Produsului Intern Brut care este cel mai reprezentativ și complex indicator de rezultate a economiei naționale, s-a mers mai în profunzime prezentându-se în mod succint metodele de calcul, conținutul structural al acestui indicator tocmai pentru a pune în evidență rolul pe care acest indicator, împreună cu alții, îl au asupra evoluției economiei naționale și menținerea unui nivel de echilibru al acesteia. De asemenea, s-au sugerat și prezentat unele corelații care există între aceste agregate, între Produsul Intern Brut ca variabilă statistică rezultativă și alte variabile statistice (exportul, importul, numărul de salariați, productivitatea muncii și altele), care au efect asupra modifi cării Produsului Intern Brut. S-a efectuat și o analiză corelată între evoluția Produsului Intern Brut și creșterea economică, fi nalizând prin aceea că această creștere economică este îndeobște bazată pe creșterea Produsului Intern Brut, s-a stabilit și structura pe unele agregate a Produsului Intern Brut, iar în fi nal s-a făcut o analiză concretă asupra evoluției Produsului Intern Brut în strânsă corelație cu numărul de salariați și exportul. Desigur, aceste modele econometrice utilizate pot fi extinse și la relații care există între alte variabile statistice, dar ne-am referit la două corelații utilizând metoda regresiei directe simple pentru a evidenția posibilitatea de analiză a acestor agregate.

Literature review

Anghelache, Anghel, Iacob și Bîrsan (2019) au abordat o serie de aspecte privind acceleratorul modelelor dinamice. Principalele concepte


și indicatori statistici utilizați în analizele economice sunt evidențiate de

Anghelache și Anghel (2016), precum și de Newbold, Karlson și Thorne

(2010). Anghelache și Sacală (2016) au prezentat un model aplicat în analiza

macroeconomică. Anghelache, Mitruţ și Voineagu (2013) reprezintă o lucrare

de referință în analizele macroeconomice. Céspedes și Velasco (2012) au

analizat elemente ale performanței macroeconomice în condițiile creșterii

prețurilor mărfurilor. Corbore, Durlauf și Hansen (2006) au cercetat rolul

și particularitățile econometriei în studiile economice. O temă similară este

studiată de Linton (2016). Lucas (2003) și Dornbusch, Fischer și Startz (2007)

au analizat concepte fundamentale ale modelării macroeconomce.


Economia unei țări trebuie să se afl e, pe cât posibil, în condiția de

echilibru, de macrostabilitate. Această macrostabilitate depinde de existența și

menținerea unor proporții și corelații macroeconomice. Termenul de echilibru

provine din latinescul „aequilibrium”, aequs însemnând egal. Acest concept

exprimă stabilitatea calitativă a obiectelor şi fenomenelor, determinată de

ponderea egală a acţiunii contrariilor, de anularea reciprocă a tensiunilor

contradictorii ale acestora în cadrul unui sistem.

Un astfel de sistem este şi economia, ca realitate dinamică, afl ată în

continuă mişcare. Ea este un sistem integrat de sectoare, ramuri şi activităţi,

de repartiţie, schimb şi consum, juridice economico-organizatorice şi social-

culturale.

Toate aceste activităţi sunt realizate şi asigurate de către agenţii

economici şi ghidate, prin mecanismele pieţei, a raporturilor de piaţă.

La nivelul economiei naţionale, ele nu se pot desfăşură în condiţii

optime, în concordanţă cu trebuinţele indivizilor şi ale societăţii, fără o anumită

stare de concordanţă, denumită echilibru macroeconomic, între sectoarele şi

ramurile economice, între componentele mecanismului economic, componente

care deşi se afl ă într-o anumită interdependenţă, au o funcţionalitate proprie şi

sunt în mişcare.

De aceea, problematica echilibrului macroeconomic, sau a echilibrului

general al economiei ocupă un loc de seamă în teoria şi practica economică.

Defi nirea echilibrului variază de la o teorie la alta, dar, aşa cum arată francezul

Edmond Malinvaud, laureat al premiului Nobel pentru economie, în lucrarea

sa „Equilibrium concept in Economics” conceptul de bază rămâne acelaşi. Mai

mult decât atât, gândirea economică despre echilibru fascinează atât de mult,

încât „este frapant să constaţi că cea mai mare parte a lucrărilor contemporane

de calitate poartă în titlul lor cuvântul „echilibru”, după cum remarca Henri

Guitton.


Preocupările pentru realizarea concordanţei dintre resursele disponibile şi nevoile subordonate diverselor scopuri, caracterizate printr-o tendinţă de continuă creştere, au existat din cele mai vechi timpuri, cu mult înainte de a fi închegate sub forma unei teorii. Probleme ale echilibrului se regăsesc la gânditorii antichităţii, apoi la mercantilişti, la fi ziocraţi. Cel care realizează pentru prima dată o schemă de ansamblu a factorilor producţiei, a factorilor de echilibru şi a factorilor evoluţiei economice, care va servi drept cadru de referinţă pentru întreaga gândire clasică este Adam Smith. Concepţia sa cu privire la echilibrul economic se bazează pe principiile liberalismului economic, ale mecanismului de piață, pe credinţa sa optimistă în organizarea spontană a vieţii economice prin libera concurenţă a intereselor particulare. Principiul echilibrului economic la Smith este piaţa, cu jocul liber al preţurilor, care asigură echilibrarea (corelarea) cererii cu oferta. Termenul de echilibru a fost introdus şi fundamentat în economie din ştiinţele naturii, în cadrul teoriei preţurilor şi alocării resurselor. Leon Walras i-a acordat un loc proeminent (1874), demonstrând că atunci când oferta unui bun este egală cu cererea sa, piaţa respectivă se afl ă „într-o stare staţionară” sau în echilibru. În 1890 A. Marshall se referea la „echilibrul dintre dorinţă şi efort”, pe această idee evaluând concepţiile behavioriste despre echilibru de mai târziu, care vor exagera elementele de psihologia consumatorului, fetişizând capriciile consumului individual. Pentru a ne apropia de această stare de echilibru, de fi ecare dată trebuie să analizăm dacă se respectă proporțiile și mai ales corelațiile la nivel macroeconomic. În acest sens, la nivel macroeconomic se calculează o serie de indicatori statistici, care relevă anumite stadii de evoluție, care trebuie să fi e în corelație armonică. În continuare tocmai de acești indicatori și conținutul lor economic mă voi ocupa. În primul rând voi aborda o serie de aspecte privind indicatori ai stabilității macroeconomice. Dintre aceștia, se impune să ne referim la Produsul Intern Brut, care este un indicator macroeconomic care refl ectă suma valorii de piaţă a tuturor mărfurilor şi serviciilor destinate consumului fi nal, produse în toate ramurile economiei în interiorul unui stat în decurs de un an. Prin urmare, PIB include valoarea tuturor bunurilor şi serviciilor rezultate din procesele de producţie în cadrul economiei naţionale, în scopul de a fi investite, consumate, exportate sau stocate. Când vorbim de bunurile fi nale, avem în vedere produsele şi serviciile realizate în cursul perioadei de calcul care nu mai sunt folosite pentru


producerea altor bunuri. În cazul în care acestea vor face obiectul utilizării într-un proces de producţie ulterior, se vorbeşte de producţie intermediară. Faptul de a nu reţine în calculul PIB aceste bunuri intermediare permite evitarea dublei înregistrări care conduce la o imagine deformată a rezultatelor macroeconomice. Bunurile fi nale, reţinute în calculul PIB, sunt destinate a intra direct în consum, fi ind vândute consumatorilor fi nali. Produsul intern brut este considerat cea mai bună măsură statistică a performanţei unei economii. Indicatorii comerţului exterior reprezintă ansamblul tranzacţiilor cu bunuri şi servicii pe care agenţii economici dintr-o ţară le fac cu exteriorul, adică la acele operaţiuni de export şi import efectuate de agenţii economici. În activitatea schimburilor comerciale internaționale se efectuează operaţii de două tipuri, de mărfuri cu existenţă materială şi de comerţ invizibil (servicii). Ultimul indicator presupune prestări de servicii, vânzări-cumpărări de licenţe cu exteriorul, turismul, transporturile internaţionale, consignaţia internaţională, asistenţa economică şi colaborarea tehnico-ştiinţifi că pe baze comerciale cu străinătatea. Orice operaţiune de comerţ exterior trebuie judecată din punct de vedere al efi cienţei economice, al raportului dintre efectele obţinute şi eforturile depuse, dar și din punct de vedere al corelației dintre efortul fi nanciar și efectul valutar al operației. Efectele imediate ale comerţul exterior sunt reprezentate de veniturile obţinute din export şi din bunuri şi servicii obţinute prin import. Eforturile reprezintă cheltuieli în monedă naţională pentru export şi cheltuieli în valută pentru import. Efi cienţa exportului se apreciază prin cheltuiala internă care se face pentru a obţine o unitate valutară. Efi cienţa directă a importului se apreciază prin cantitatea de monedă naţională care se obţine prin vânzarea internă a mărfi i importate cu o unitate valutară. Efi cienţa comerţul exterior este foarte importantă de stabilit pentru că acesta modifi că structura materială a produsului global brut, ritmul de creștere a produsului naţional net sau volumul valoric al acestuia. Principalele căi de creştere a efi cienţei comerţului exterior sunt: creşterea gradului de prelucrare a mărfurilor şi a serviciilor destinate exportului; adâncirea specializării producţiei destinate exportului, care trebuie să conducă la o creştere substanţială a productivităţii muncii; ridicarea calităţii produselor şi serviciilor destinate exportului, pentru a asigura o competitivitate cât mai mare a acestora; modernizarea şi adaptarea modului de prezentare a mărfurilor la nivelul cerinţelor pieţei mondiale; reducerea cheltuielilor de producţie.


La nivelul comerţului exterior se întocmesc două documente de sinteză

(balanța comercială și balanța de plăți) importante pentru aprecierea acestor

schimbări. Operaţiunile comerciale cu exteriorul sunt refl ectate în balanţa

comercială care cuprinde valoarea totală şi pe grupe de mărfuri(agroalimentare,

materii prime, băuturi, combustibili, produse chimice, maşini etc.). Balanţa

comercială se întocmeşte pe ansamblul relaţiilor comerciale, dar şi structura pe

produse.

După cum se observă balanţa comercială cuprinde două mari părţi:

import şi export. Diferenţa dintre încasările din export şi plăţile pentru

import reprezintă soldul balanţei comerciale. Dacă balanţa este defi citară se

echilibrează apelând la rezerve valutare proprii sau credite externe care trebuie

restituite în viitor.

Balanţa de plăţi este un document statistico-contabil în care se

înregistrează şi se compară totalitatea plăţilor şi încasărilor din schimburile cu

străinătatea ale unei ţări, într-o anumită perioadă (an, semestru, trimestru).

La nivelul economie naţională, decizia fi nanciar-monetară se

realizează sub forma balanţei de plăţi externe.

Balanţa de plăţi oglindeşte forţa economică a ţării respective, starea

şi amploarea tranzacţiilor sale economice cu celelalte ţări, sănătatea economie

naţională, credibilitatea unei ţări faţă de alte ţări.

Structura balanţei de plăţi externe cuprinde 3 mari subdiviziuni:

contul curent (balanţa de plăţi curente), contul de capital şi fi nanciar (balanţa

mişcărilor de capital), erori şi omisiuni.

Balanţa de plăţi cuprinde:

• Contul curent, respectiv: balanţa comercială (import şi export de

mărfuri) şi balanţa serviciilor, balanţa veniturilor (din muncă,

dobânzi, dividende, rente, profi t) și balanţa transferurilor unilaterale

(transferurile veniturilor muncitorilor emigranţi, despăgubiri,

donaţii, ajutor public extern etc.)

• Contul de capital şi fi nanciar, respectiv: balanţa mişcărilor de

capital pe termen lung (investiţii directe, investiţii de portofoliu,

cotizaţii, împrumuturi de stat,conturi în tranzit, conturi de cliring

sau barter, active de rezervă) și balanţa mişcărilor de capital pe

termen scurt (credite primite sau acordate, repatrierea activelor,

profi turilor etc.)

• Erori şi omisiuni

Echilibrarea balanţei de plăţi, menținerea unor corelații adecvate,

este unul din obiectivele importante ale politicii economice a fi ecărui stat.

Dezechilibrele, reprezentând excedente sau defi cite, sunt cele mai frecvente

situaţii. Acestea vizează balanţa de plăţi generală dar şi părţile acesteia


(balanţa comercială, balanţa serviciilor, balanţa veniturilor). Dezechilibrul unei balanţa de plăţi provine din dezechilibrul schimburilor comerciale. Balanţa de plăţi este instrumentul adecvat de analiză a echilibrului relaţiilor internaţionale. În ultimii ani balanţa de plăţi a României se caracterizează prin persistenţa defi citului comercial. Contul curent se încheie sistematic cu defi cite, cea mai mare parte provenind din soldul pasiv al balanţa comercială. Contul de capital se încheie cu solduri active, dar sursa de bază o constituie împrumuturile externe la organizaţiile fi nanciare monetare (FMI) şi pe piaţa fi nanciară privată. Indicatorii datoriei publice presupun totalitatea sumelor împrumutate de stat şi alte instituţii publice, de la persoane fi zice şi persoane juridice, de pe piaţa internă şi externă indiferent de scadenţa lor şi nerambursate la un moment dat. Datoria publică arată gradul de îndatorare al unei ţări şi relaţiile existente între balanţa angajamentelor şi balanţa de plăţi externe. Angajamentele sau obligaţiile decurg din contractarea împrumuturilor, şi anume: rambursarea împrumutului, plata dobânzilor, a comisioanelor, a unor avantaje speciale acordate creditorilor. Datoria publică se stabileşte şi se gestionează în mod distinct pe cele două forme ale ei, datoria publică internă şi externă. De asemenea de cuantifi că în funcţie de termenul pentru care se contractează împrumuturi, datoria publică pe termen scurt, mediu şi lung (consolidată). Cheltuielile anuale reprezentând plăţi exigibile în contul datoriei publice formează în ansamblul lor serviciul datoriei publice (interne sau externe). El reprezintă efortul fi nanciar anual concretizat în cheltuieli cu rambursarea datoriei publice, cheltuieli cu plata dobânzilor şi a celorlalte cheltuieli aferente. Datoria publică internă este generată de: împrumuturi pe termen scurt ale statului primite de la BNR pentru echilibrarea în execuţie a bugetului de stat; emisiunea de bonuri de tezaur, în acelaşi scop, rambursabile din resurse bugetare, până la sfârşitul anului - dacă nu se recurge la consolidarea datoriei publice; plasarea de înscrisuri pe termen mediu sau lung pentru procurarea de resurse necesare pentru acoperirea defi citului bugetar anual; garanţii acordate de stat la credite bancare interne ale agenţi economici pentru necesităţi legate de obiective de maximă importanţă pentru economia naţională și atragerea pe termen scurt a disponibilităţilor din conturile Trezoreriei publice. Împrumuturile de stat de pe piaţa fi nanciară se pot contracta de către Guvern, în limita sumei aprobate de Parlament, de la persoane fi zice sau persoane juridice, în vederea asigurării resurselor băneşti necesare.


Apelarea la împrumuturi angajate de guvern este legată de: fi nanţarea defi citului buget de stat, refi nanţarea datoriei publice, susţinerea balanţei de plăţi şi consolidarea rezervei valutare a statului, fi nanţarea proiectelor de investiţii pentru dezvoltarea sectoarelor prioritare ale economiei, fi nanţarea proiectelor întreprinderilor mici şi mijlocii cu capital majoritar românesc, îndeplinirea obligaţiilor legate de garanţiile de stat pentru împrumuturi etc. Pentru acoperirea riscurilor fi nanciare care pot interveni ca urmare a garantării acestor credite, se constituie Fondul de risc pentru garanţii interne. Sursele de rambursare a împrumuturilor, sursele sunt: excedentele bugetului de stat,împrumuturile de stat pentru refi nanţarea datoria publică interne, precum şi din alte resurse stabilite prin dispoziţii legale. Datoria publică externă cuprinde toate datoriile ţării faţă de străinătate. în concepţia Băncii Mondiale ea cuprinde: sumele datorate de stat unor creditori publici şi privaţi externi, în valută, bunuri, servicii, cu o perioadă de rambursare de peste un an; sumele datorate de persoane private, garantate de autorităţi publice. Datoria externă netă este diferenţa dintre activele publice şi private ale rezidenţilor unei ţări în străinătate şi activele deţinute de rezidenţii străini în ţara considerată. Activele rezidenţilor ţării în străinătate cuprind: disponibilităţile valutare, împrumuturi acordate, investiţii directe, titluri, alte creanţe și valori. Active ale rezidenţilor străini în ţara noastră cuprind: împrumuturi primite de la organisme publice (guvern, agenţii guvernamentale), credite de la bănci sau organisme fi nanciare şi alţi creditori, titluri, disponibilităţi valutare, investiţii de capital, alte valori aparţinând persoanelor străine. Formele datoriei externe sunt reliefate prin indicatori privind: datoria publică externă, datoria cu garanţie publică, datoria privată negarantată. Împrumuturile externe se contractează pentru fi nanţarea unor obiective precise ca: realizarea programelor de dezvoltare, restructurare economică, echilibrarea balanţei de plăţi externe, crearea, menţinerea şi sporirea rezervei valutare a statului, asigurarea resurselor necesare înlăturării efectelor determinate de calamităţi naturale sau în alte cazuri de forţă majoră. În calitate de garant al împrumuturilor externe, Ministerul Finanţelor, în numele statului, evaluează riscurile fi nanciare, oportunitatea şi condiţiile de emitere a garanţiei, pentru a nu afecta credibilitatea fi nanciară a statului român pe plan internaţional, participă la negocierea acordurilor şi a altor instrumente juridice internaţionale prin care se contractează împrumuturi externe garantate de către stat. De asemenea, Ministerul Finanţelor şi BNR exercită supravegherea generală a execuţiei de casă a angajamentelor de


datorie publică externă, conform normelor metodologice. Este obligatoriu ca destinaţia împrumuturilor externe să fi e strict respectată. Cheltuielile legate de rambursarea ratelor scadente, dobânzile şi celelalte cheltuieli aferente împrumuturilor externe contractate direct de Guvern se suportă din bugetul de stat sau bugetele locale, fi ind: rambursări de credite externe, plata dobânzilor, comisioanelor aferente pentru împrumuturile contractate, plăţi de dobânzi şi alte cheltuieli aferente datoriei publice. Valoarea Produsului Intern Brut, exprimat în termeni reali prin defl atare și corelațiile / proporțiile care există la nivelul economiei naționale este infl uențată și de infl ație (rata infl ației). Infl aţia este procesul de creştere a nivelului general al preţurilor de consum. Procesele infl aţioniste reprezintă realităţi pentru toate categoriile de agenţi economici, fi ind o componentă a funcţionării economiilor naționale. La nivelul percepţiei, ca fenomen economic, infl aţia este receptată ca o creştere generalizată a preţurilor şi de reducere a puterii de cumpărare a unităţii monetare. Chiar dacă preţurile nu cresc la absolut toate sortimentele şi categoriile de bunuri, totuşi procesul este prezent la marea majoritate a acestora: bunuri de consum şi de capital, salarii, preţuri ale activelor fi nanciare şi monetare, preţul banilor etc. Sunt şi unele creşteri de preţuri care nu sunt expresia infl aţiei, depinzând de calitate și raportul impus de piață. Ca regulă, în ţările dezvoltate preţurile cresc rapid în perioadele de expansiune economică şi îşi diminuează ritmul în cursul recesiunilor sau stagnării creşterii economice. în România, potenţialul infl aţionist s-a acumulat pasiv și anii economiei de comandă, dar a „explodat” odată cu trecerea la liberalizarea preţurilor din 1990. Deşi, în ultimii ani, se observă fenomenul dezinfl aţionist, un procent de creştere a preţurilor are o semnifi caţie economică tot mai amplă, iar efectele asupra agenţilor economici sunt încă de mare întindere. Infl aţia are efecte ample, pe multiple planuri, asupra economiei, agenţilor economici, populaţiei și asupra climatului social-politic din interiorul ţării cât şi a relaţiilor economice dintre partenerii aparţinând unor economii diferite. Descifrarea tuturor acestor consecinţe este o operaţiune difi cilă, deoarece amploarea şi plaja efectelor depinde de intensitatea infl aţiei, de tipurile acesteia; efectele infl aţiei sunt contradictorii: sub anumite aspecte ea favorizează anumiţi agenţi şi îi defavorizează sub alte aspecte și unele categorii de agenţi economici sunt, pe ansamblu, câştigători de pe urma infl aţiei, iar alţii sunt, pe ansamblu, perdanţi.


În fapt, infl aţia modifi că preţurile absolute în ritmuri şi la momente diferite, ceea ce schimbă preţurile relative, cu efect asupra corelațiilor macroeconomice. Infl aţia redistribuie patrimoniu de la cumpărător în favoarea vânzătorului, de la cel care economiseşte în favoarea celui care investeşte sau speculează cu resursele celui dintâi. În condiţii de infl aţie moderată preţurile cresc adeseori mai repede decât salariile. De aceea, infl aţia determină şi redistribuirea de venituri în favoarea deţinătorilor de capital şi a celor care obţin venituri din profi t în dauna salariaţilor. Dacă impozitele şi taxele nu sunt indexate, plătitorii acestora îşi diminuează povara fi scală, după cum şi obligaţiile statului pentru datoria publică neindexată sunt diminuate. Uneori infl aţia este premeditată de către autoritatea publică pentru a reduce valoarea reală a datoriei publice favorizând rambursarea ei cu bani cu o putere de cumpărare mai redusă. În condiţii de infl aţie, nu toate veniturile monetare cresc identic şi concomitent cu creşterea preţurilor. Infl aţia penalizează anumite grupuri sociale, în special pe cei cu venituri fi xe şi îi avantajează pe cei care trăiesc din venituri variabile, dependente de performanţe, de nivelul activităţii şi de alte criterii pe care reuşesc să le impună. Infl aţia introduce un grad sporit de incertitudine în mediul de afaceri: întreprinzătorii nu se lansează în proiecte de investiţii ample şi de lungă durată, cu risc ridicat. Creşterea economică stagnează sau înregistrează regrese cu o întreagă pleiadă de consecinţe negative: şomaj, defi cit bugetar, creşteri şi mai substanţiale de preţuri, defi cite ale balanţei de plăţi, climat social-politic nefavorabil, scăderi evidente şi substanţiale ale nivelului de trai şi calităţii vieţii pentru categorii largi ale populaţiei, numeroase falimente în rândul fi rmelor mici şi mijlocii, marginalizarea clasei de mijloc, mergându-se până la ample procese de dezagregare a vieţii şi relaţiilor economice. Economia în ansamblul său devine mai instabilă, fragilă la şocurile externe şi la relaţiile de interdependenţă pe care le generează diviziunea naţională şi internaţională a muncii. La nivel microeconomic, infl aţia distorsionează preţurile şi veniturile agenţilor economici, rupe preţurile relative de evoluţia costurilor şi a cererii, realocă resursele şi reorientează spre anumite activităţi întreprinzătorii pe baza unor avantaje relative. Datele statistice relevă că, în condiţia de infl aţie deschisă, cotele de amortizare a capitalului fi x stabilite legal sunt insufi ciente pentru regenerarea valorică a elementelor de capital fi x, costurile contabile fi ind mai mici decât cele efective.


Un alt indicator cu conținut social și efect economic este șomajul. Evoluţia economiei fi ecărei ţări şi a economiei mondiale a adus în prim plan preocupările teoretice şi pragmatice, problema ocupării resurselor de muncă şi nonocupării sau şomajului. Aceste probleme au un conţinut complex şi o arie largă de manifestare, cu importante consecinţe economice şi social-umane. Ocuparea forţei de muncă în activităţile economico-sociale şi şomajul arată cum funcţionează piaţa muncii într-o perioadă sau la un moment dat. Raportul dintre cererea şi oferta de forţă de muncă determină ocuparea sau şomajul în anumite condiţii de timp şi de spaţiu. Problematica ocupării şi şomajului constituie o latură importantă a echilibrului macroeconomic şi o componentă indispensabilă a politicilor macroeconomice şi macrosociale. Deşi există diversitate în defi nirea conceptului de şomaj, totuşi se pot desprinde elemente comune care se regăsesc, în proporţie mai mare sau mai mică, în toate conceptele. Şomajul, ca şi creşterea economică, tinde să urmeze un model ciclic. Şomajul este acea stare de pe piaţa muncii caracterizată printr-o ofertă mai mare decât cererea de forţă de muncă. El reprezintă situația în care se afl ă unele persoane care au încercat involuntar să muncească şi / sau nu se pot angaja din cauza imposibilităţii de a găsi un loc de muncă. Şomajul se apreciază cu rata şomajului, care refl ectă fracţiunea forţei de muncă care nu poate găsi loc de muncă. Orice creştere a şomajului duce la o reducere a PIB real. Voi revenii cu mai multe detalii cu privire la cel mai complex și reprezentativ indicator macroeconomic, respectiv Produsul Intern Brut. Produsul Intern Brut (PIB) exprimă valoarea brută a producţiei fi nale realizată într-o perioadă de timp, de regula un an, de către agenţii economici care îşi desfăşoară activitatea în interiorul ţării. PIB include valoarea tuturor bunurilor şi serviciilor rezultate din procesele de producţie în cadrul economiei naţionale, în scopul de a fi investite, consumate, exportate sau stocate. PIB-ul este suma cheltuielilor pentru consum a gospodăriilor private şi a organizaţiilor private non-profi t, a cheltuielilor brute pentru investiţii, a cheltuielilor statului, a investiţiilor în scopul depozitării ca şi câştigurile din export din care se scad cheltuielile pentru importuri. Economiştii pornind de la Keynes au avut un impact major atât asupra teoriei politice şi economice moderne, cât şi asupra politicilor fi scale ale unor guverne, au împărţit termenul de consum general în două părţi: consumul privat şi cheltuielile sectorului public. Consumul privat este o preocupare centrală a economiei bunăstării. Investiţiile private şi subdiviziunile comerciale ale economiei sunt direcţionate


ultimativ (în curentul principal al modelelor economice) înspre creşterea pe termen lung a consumului privat. Deoarece este separat de consumul privat endogen, consumul sectorului public poate fi considerat exogen, astfel încât diferite niveluri ale consumului sectorului public pot fi considerate ca făcând parte din domeniul plin de sensuri al macroeconomiei. Corelarea evoluției Produsului Intern Brut şi al creşterii economice, se impune a fi abordată, pentru a clarifi ca unele opinii sau aprecieri. Considerat ca un indicator agregat privind rezultatele înregistrate în economie (sumă a veniturilor participanţilor la activităţile economice desfăşurate în ţară sau sumă a cheltuielilor acestora pentru consum, investire plus soldul comerţului exterior) variabila statistică PIB, ca de astfel şi venitul naţional ce revine pe un locuitor, semnalează creştere economică atunci când acești indicatori înregistrează creşteri reale câţiva ani la rând. Teoria creşterii economice analizează factorii determinanţi ai creşterii pe termen scurt, mediu şi lung, căutând răspuns la întrebări legate de cuantumul investiţiilor necesare, efi cienţa utilizării resurselor, randamentul şi calitatea acestora. Rata economiilor şi investiţiilor, comparată cu rata deprecierii capitalului fi x şi rata creşterii populaţiei, prezintă interes în aprecierea procesului de creştere economică în sensul că rata economiilor trebuie să „acopere” creşterea capitalului necesară înlocuirii (urmare a deprecierii) dar şi asigurării de capital suplimentar. Importante pentru creşterea economică sunt investiţiile nete şi dirijarea acestora spre industrii cu randament ridicat în care tehnologia de vârf predomină. În ce priveşte cauzele care determină creşterea economică, teoria economică menţionează cantitatea şi calitatea factorilor de producţie (pământul, munca şi capitalul), precum şi efi cienţa îmbinării acestora. Mai concret, ceea ce asigură creşterea economică se referă şi la condiţii precum: sistemul de creditare politică sau economică, piaţa internă, poziţia geografi că a ţării, exportul şi deschiderea spre piaţa externă, conjunctura internaţională. Evoluţia PIB determină, la rândul ei, utilizarea forţei de muncă, bunăstarea, investiţiile în perioadele următoare. Deşi produsul intern brut refl ectă într-o oarecare măsură bunăstarea economică a unei ţări, acest indicator nu este un indicator perfect. Produsul Intern Brut nu refl ectă multe dintre elementele care pot caracteriza bunăstarea economică dintr-o ţară - de exemplu, relaxarea, petrecerea timpului liber. Produsul Intern Brut nu refl ectă nici calitatea mediului înconjurător. Dacă nu ar exista reglementări privind protecţia mediului, fi rmele ar putea să producă mai multe bunuri şi servicii, astfel încât PIB ar putea să fi e mai mare.


Produsul Intern Brut (PIB) ca principal agregat macroeconomic al Sistemului Conturilor Naţionale, exprimă valoarea adăugată brută a bunurilor

și serviciilor ajunse în ultimul stadiu al circuitul economic, care au fost produse în interiorul unei țări de către agenţii economici autohtoni și străini,

într-o anumită perioadă de timp, de regulă un an.

Produsul Intern Brut poate fi calculat prin trei metode: • Metoda de producţie

PIB este defi nit ca sumă a valorii adăugate brute (VAB) creată în toate ramurile și sectoarele de activitate. Valoarea adăugată brută constituie

excedentul valorii producţiei brute (PB) față de consumul intermediar (ci) și se evaluează în prețurile factorilor (pf). Pentru estimare PIB în prețurile pieţei

(pp) trebuie adăugate impozitele indirecte-IND (TVA, taxe vamale, accize) și deduse subvenţiile pe produse și pentru importuri (SBV).

PIBpp = I VAB pf + (IND - SBV) = £ (PB - ci)pf + (IND - SBV) (1)

Considerăm că evaluările PIB în prețurile factorilor sunt necesare în scopul efectuării analizelor legate de efi cienta ramurilor sau a factorilor de producţie, în timp ce evaluările în prețurile pieţei sunt potrivite pentru analize privind utilizarea producţiei fi nale.

• Metoda cheltuielilor

Aceasta metoda porneşte de la însumarea elementelor în care se concretizează folosirea fi nală a bunurilor economice (materiale și servicii) evaluate la preturile pieţei, mai puţin valoarea bunurilor importate.

PIB pp = CPV + CPB + FBCF + VS + (EXP - IMP) (2)unde: CPV = consumul privat; CPB = consumul public; FBCF = formare bruta de capital fi x; VS = variaţia stocurilor; EXP = exportul de bunuri si servicii; IMP = impotul de bunuri si servicii;

• Metoda veniturilor

Această metodă se bazează pe agregarea veniturilor factorilor de producţie: venituri din muncă angajată, venituri din activitatea de întreprinzător, venituri din patrimoniu. În mod abstract toate şocurile din economie afectează atât PIB-ul real, cât și nivelul prețurilor; ceea ce înseamnă că ambele afectează atât volumul bunurilor și serviciilor produse, cât și valoarea monetară a acestor bunuri și servicii. Economiştii se referă la aceste şocuri ca având atât efecte reale, cât și efecte nominale. Vom apela în acest scop la curba cererii agregate și respectiv la curba ofertei agregate.


O modifi care în nivelul prețurilor afectează avuţia deţinătorilor de active, exprimate în termeni nominali, de o manieră care acționează în sens opus, comparativ cu modul în care va fi afectată avuţia celor care au emis acele active. O modifi care a nivelului preţului nu determină o schimbare netă a avuţiei sectorului privat, în raport cu activele interne, dar poate conduce la o schimbare în raport cu activele externe, de vreme ce emitenții nu fac parte din sectorul public. PIB-ul este format din cinci componente: • Consumul privat reprezintă ansamblul cheltuielilor gospodăriilor în

economie. Consumul privat sau personal are ponderea principala și este reprezentat de partea din venitul naţional destinata cumpărării de bunuri si servicii de consum pentru satisfacerea nevoilor oamenilor. Consumul de stat sau public este reprezentat de partea din venitul naţional destinata cheltuielilor ocazionate de cumpărarea de bunuri si servicii cu caracter social - cultural, necesare funcţionarii normale a societății. Între consum și venit există o funcţie de consum și anume, pe măsura creşterii venitului crește și consumul însă nu în aceeaşi măsură cu creşterea venitului. Pentru creşterea consumului global, fără a se micşora economiile, trebuie ca venitul global sa crească mai repede decât consumul: - rata marginala a consumului, care reprezintă proporţia dintre venitul suplimentar destinat consumului in cursul unei perioade date. Volumul si structura cheltuielilor pentru consum depind de o serie de factori; obiectivi si subiectivi. Factorii obiectivi sunt: mărimea și structura salariilor; modifi carea raportului dintre bunurile prezente și cele viitoare; schimbările intervenite in volumul capitalului si care nu au fost prevăzute in calcularea venitului; modifi carea politicii fi scale care poate spori sau micşora cererea de consum. Factorii subiectivi ce depind de trăsăturile fi inţei umane, de nevoile și obiceiurile indivizilor sunt: menţinerea standardului de viața obişnuit, economisirea diferenţei intre venitul efectiv si cheltuielile necesare menţinerii standardului de viața obişnuit; tendința de creştere a diferenţei dintre venit si consum, pe măsura ce oamenii realizează venituri mai mari. Consumul de bunuri și servicii este studiat cu ajutorul bugetelor de familie. Ele arată structura consumului si evoluţia acestuia in funcţie de necesitățile vitale de existenta, mediu, sex, vârsta, venituri. Analizând în timp bugetele de familie, se constata anumite schimbări in structura consumului si anume: scăderea ponderii cheltuielilor pentru hrana,


datorita creşterii calității și valorii nutritive a acesteia: menţinerea relativ constanta a ponderii cheltuielilor pentru hrana, datorita creşterii calității și valorii nutritive a acesteia; menţinerea relativ constanta a ponderii cheltuielilor pentru îmbrăcăminte, încălțăminte și conform personal; creşterea ponderii cheltuielilor pentru bunuri de folosinţa îndelungata ca si pentru servicii, in special cele legate de ridicarea nivelului de cultura si civilizaţie. Partea din venit care depăşeşte consumul o reprezintă economiile S = Y - C, ele fi ind folosite de agenţii economici pentru investiții. Deci, venitul se transforma in cheltuieli pentru consum și cheltuieli pentru producţie, adică: Y = C + I unde, Y = venit, C = consum, I = investiții.

- Cheltuielile statului formate din totalitatea cheltuielilor guvernamentale pentru bunuri şi servicii; - Investiţiile. Noţiunea de investiție, într-o accepţiune larga, este sinonima cu: alocare, plasare, dotare, iar intr-un sens mai restrâns (fi nanciar-contabil) reprezintă o cheltuiala făcută pentru obţinerea de bunuri materiale cu valoare mare si durata de folosinţa îndelungata. Se impune o precizare referitoare la acest concept, în sensul că dacă pentru mulţi, investiţia se referă la achiziţionarea de active precum: aurul sau acţiuni la o anumită fi rmă, economiştii utilizează acest concept cu o conotaţie de achiziţie a noi bunuri de capital, precum maşini noi, clădiri noi, case noi. Pentru a se referi la achiziţiile de active, precum cele prezentate, economiştii utilizează conceptul de „investiţie fi nanciară’’. În condiţiile conducerii economiei prin plan centralizat, pe principii administrative, investiția reprezintă numai ceea ce se aloca pentru crearea si dezvoltarea bazei materiale de producţie si a celei pentru sectorul social-cultural. Potrivit unei defi niţii, cu larga circulaţie in tara noastră, investiția reprezintă „totalitatea cheltuielilor prin care se creează, se achiziționează noi fonduri fi xe productive si neproductive, se perfecţionează sau se reconstruiesc fondurile fi xe existente”. - Exporturile. Exporturile sunt reprezentate ca o săgeată de la sectorul extern care intră în economie deoarece acest fl ux constituie o injecţie care sporeşte veniturile exportatorilor. Valoarea exporturilor minus valoarea importurilor constituie exporturile nete. Dacă valoarea importurilor depăşeşte valoarea exporturilor, avem exporturi nete negative sau le putem numi importuri nete. - Importurile. Se defi nesc ca fi ind operaţiunile comerciale de cumpărare din străinătate a unor bunuri materiale și/sau servicii contra unei cantități de moneda convenita, implicând trecerea de către acestea a frontierei vamale a importatorului.


Produsul Intern Brut, văzut ca unul dintre principalele agregate macroeconomice specifi ce Sistemului Conturilor Naţionale, reprezintă expresia sintetică a rezultatelor activităţii economice produse în interiorul teritoriului economic într-un interval de timp, indiferent de contribuţia pe care au avut-o subiecţii interni sau din străinătate. În cadrul analizei efectuate asupra factorilor ce determină variaţia Produsului Intern Brut, am pornit de la elementele metodologice specifi ce metodei utilizării producţiei fi nale (metodei cheltuielilor), considerând ca aceasta constituie o sursă de informaţii semnifi cative asupra principalelor corelaţii de infl uenţează evoluţia principalului agregat macroeconomic. În continuare, utilizând modelul statistico-econometric al regresiei liniare simple, am evidențiat corelarea existentă între PIB (variabilă rezultativă) și numărul de salariați și exportul, ca variabile factoriale.

Utilizarea modelului de regresie liniară simplă în studiul relației

existente între Produsul Intern Brut și numărul de salariați

În tabelul 1 au structurate și prezentate datele referitoare la evoluțiile indicatorilor Produsul Intern Brut și numărul de salariați în perioada cuprinsă între anii 1990 și 2017.

Evoluția Produsului Intern Brut și numărul de salariați

Tabel 1

Anul 1990 1991 1992 1993 1994 1995 1996 1997

PIB 85,8 220,4 602,9 2003,6 4977,3 7213,5 10891,9 25292,6

NSAL 11126 10786 10548 10062 10011 9493 9379 9023

1998 1999 2000 2001 2002 2003 2004 2005 2006 2007

37379,8 55191,4 80377,3 116768,7 151475,1 197564,8 247368 288955 344651 416007

8813 8420 10508 10440 9234 9223 9158 9267,2 9330,7 9364,8

2008 2009 2010 2011 2012 2013 2014 2015 2016 2017

524388,7 510522,8 533881,1 565097,2 596681,5 637583,1 668590,1 712588 765135 856727

9365,9 8952 8713 8528 8605 8549 8614 8535 8449 8671

Sursa datelor: Institutul Național de Statistică (date prelucrate de autor)

Evoluția Produsului Intern Brut a fost prezentată în grafi cul 1. În ceea ce privește evoluția Produsului Intern Brut în perioada cuprinsă între anii 1990 și 2017, datele au fost analizate și structurate în grafi cul următor :


Evoluția PIB-ului în perioada 1990-2017

Grafi c 1

0

2

4

6

8

10

12

1 200001 400001 600001 800001

Series: PIB

Sample 1990 2017

Observations 28

Mean 298507.8

Median 222466.4

Maximum 856726.6

Minimum 85.80000

Std. Dev. 285814.0

Skewness 0.427665

Kurtosis 1.711217

Jarque-Bera 2.791309

Probability 0.247671

Urmărind rezultatele prezentate în grafi cul numărul 1, constatăm că valoarea medie înregistrată este de 298.507,80 Ron anual, iar maximul este atins în anul 2017, având valoarea de 856.726,60 Ron. Dacă urmărim valoarea Skewness, aceasta nu este apropiată de zero (0,42), fapt care ne indică faptul că distribuția valorilor PIB-ului nu este una simetrică și, de asemenea, avem o distribuție mai lentă decât una normală, aspect pus în evidență de valoarea de 1,71 a testului Kurtosis, care este mai mică decât 3. Evoluția indicatorului numărul de salariați în perioada cuprinsă între anii 1990 și 2017 va fi prezentată în grafi cul 2:

Evoluția numărul de salariați în perioada cuprinsă între anii 1990 și 2017

Grafi c 2

0

1

2

3

4

5

6

7

8

8500 9000 9500 10000 10500 11000

Series: NSAL

Sample 1990 2017

Observations 28

Mean 9327.450

Median 9228.500

Maximum 11126.00

Minimum 8420.000

Std. Dev. 778.9131

Skewness 0.805869

Kurtosis 2.566531




Urmărind datele prezentate în grafi cul 2, constatăm că valoarea maximă de 11.126.000 de salariați a fost înregistrată în anul 1990 și media este de 9.327.450. Totodată după anul 2008 numărul de salariați a scăzut continuu înregistrând în anul 2017 un număr de 8.671.00 salariați, foarte apropiat de minimul perioadei supuse analizei. Pe de altă parte, valorile înregistrate pentru testele Skewness și Kurtosis, arată faptul distribuția nu este perfect simetrică, deoarece valoarea testului Skewness este semnifi cativ diferită de zero, adică are valoarea 0,80 și în același timp distribuția este mai lentă decât una normală, valoarea testului Kurtosis fi ind de 2,56 mai mică decât 3. Reprezentarea grafi că a corelației dintre Produsul Intern Brut și numărul de salariați în perioada cuprinsă între anii 1990 și 2017este prezentată în grafi cul 3

Corelația dintre Produsului Intern Brut și numărul de salariați (NSAL)

Grafi c 3

0

100000

200000

300000

400000

500000

600000

700000

800000

900000

8000 9000 10000 11000 12000

NSAL

PIB

Din grafi cul 3 reiese faptul că norul de puncte descris de valorile înregistrate pentru Produsul Intern Brut și numărul de salariați descriu o dreaptă, ceea ce indică o evoluție liniară. Acest lucru ne permite o analiză statistico-econometrică pe care o voi efectua cu ajutorul programului EViews, iar datele sunt prezentate în fi gura 1. În acest caz, ecuația de regresie liniară simplă utilizată are următoarea formă:

(3)

în care: PIB este Produsul Intern Brut și reprezintă variabila dependentă; NSAL este numărul de salariați, adică variabila independentă; a și b sunt parametrii modelului de regresie; ε este variabila reziduală.


Analiza regresiei liniare simple dintre PIB și NSAL

Figura 1Dependent Variable: PIBMethod: Least SquaresSample: 1990 2017Included observations: 28

Variable Coeffi cient Std. Error t-Statistic Prob. C 2619847. 494904.3 5.293643 0.0000

NSAL -248.8718 52.88140 -4.706224 0.0001R-squared 0.460004 Mean dependent var 298507.8Adjusted R-squared 0.439235 S.D. dependent var 285814.0S.E. of regression 214029.6 Akaike info criterion 27.45437Sum squared resid 1.19E+12 Schwarz criterion 27.54952Log likelihood -382.3611 F-statistic 22.14855Durbin-Watson stat 0.417880 Prob(F-statistic) 0.000073

Interpretând rezultatele prezentate în fi gura 1, constatăm că valorile

coefi cienților sunt semnifi cativ diferiți de zero, ceea ce validează modelul. De asemenea, modelul este confi rmat și de testele statistice, având astfel în vedere valoarea înregistrată de F-statistic = 22,14 superioară celei tabelare și valorile pentru testul t-Statistic. În aceeași ordine de idei, valoarea înregistrată de R-squared este semnifi cativ diferită de zero, și anume 0,46. Cu alte cuvinte infl uența indicatorului numărul de salariați în evoluția PIB-ului este de 46%. Așadar, putem scrie ecuația care ne permite calcularea valorilor prognozate ale Produsului Intern Brut:

(4) Infl uența altor factori asupra evoluției PIB-ului este confi rmată și de valoarea mare a coefi cientului termenului liber, și anume . Semnul plus al valorii coefi cientului indică faptul ca infl uența celorlalți factori este una pozitivă.

Utilizarea modelului de regresie liniară simplă în studiul relației

existente între Produsul Intern Brut și export

Datele referitoare la evoluția PIB-ului și al exportului în perioada 1990-2017 au fost structurate în tabelul numărul 2.


Evoluția Produsului Intern Brut și export

Tabel 2

Anul 1990 1991 1992 1993 1994 1995 1996 1997

PIB 85,8 220,4 602,9 2003,6 4977,3 7213,5 10891,9 25292,6

EXP 15,98 54,93 122,74 477,52 1538,17 1974,44 2650,06 6386,69

1998 1999 2000 2001 2002 2003 2004 2005 2006 2007

37379,8 55191,4 80377,3 116768,7151475,1197564,8 247368 288955 344651 416007

7566,91 13894,5 24201,0136128,73 50480,6 65099,6 84219,3 88576,1 102682 113531

2008 2009 2010 2011 2012 2013 2014 2015 2016 2017

524388,7510522,8533881,1565097,2596681,5637583,1668590,1 712588 765135 856727

140647,7152448,3164672,9 201412 214163,5 240095 257190,5 271310 287948 312222

Sursa datelor: Institutul Național de Statistică (date prelucrate de autor)

Evoluția Produsului Intern Brut a fost prezentată în grafi cul 1. În ceea ce privește evoluția Produsului Intern Brut în perioada cuprinsă între anii 1990 și 2017, datele au fost analizate și structurate în grafi cul 1, iar evoluția exportului este prezentată în garfi cul următor.

Evoluția exporturilor în perioada cuprinsă între anii 1990 și 2017

Grafi c 4

0

2

4

6

8

10

12

0 100000 200000 300000

Series: EX

Sample 1990 2017

Observations 28

Mean 101489.6

Median 74659.45

Maximum 312221.5

Minimum 15.98000

Std. Dev. 104229.0

Skewness 0.654521

Kurtosis 2.034399



Urmărind datele prezentate în grafi cul 4, observăm că valorile înregistrate pentru testele Skewness și Kurtosis, arată faptul distribuția nu este perfect simetrică, deoarece valoarea testului Skewness este semnifi cativ diferită de zero, adică are valoarea 0,65 și în același timp distribuția este mai lentă decât una normală, valoarea testului Kurtosis fi ind de 2,03 mai mică decât 3.


Reprezentarea grafi că a corelației dintre Produsul Intern Brut și export în perioada cuprinsă între anii 1990 și 2017este prezentată în grafi cul 5.

Corelația dintre Produsului Intern Brut și export

Grafi c 5

Din grafi cul 5 reiese faptul că norul de puncte descris de valorile înregistrate pentru Produsul Intern Brut și export descriu o dreaptă, ceea ce indică o evoluție liniară. Acest lucru ne permite o analiză statistico-econometrică pe care o voi efectua cu ajutorul programului EViews, iar datele sunt prezentate în fi gura 2. În acest caz, ecuația de regresie liniară simplă utilizată are următoarea formă:

(5)în care: PIB este Produsul Intern Brut și reprezintă variabila dependentă; EXP este numărul de salariați, adică variabila independentă; a și b sunt parametrii modelului de regresie; ε este variabila reziduală.


Analiza regresiei liniare simple dintre PIB și EXP

Figura 2Dependent Variable: PIBMethod: Least SquaresSample: 1990 2017Included observations: 28

Variable Coeffi cient Std. Error t-Statistic Prob. C 23093.29 11137.50 2.073472 0.0482

EXP 2.713722 0.077270 35.12019 0.0000R-squared 0.979356 Mean dependent var 298507.8Adjusted R-squared 0.978562 S.D. dependent var 285814.0S.E. of regression 41848.40 Akaike info criterion 24.19024Sum squared resid 4.55E+10 Schwarz criterion 24.28540Log likelihood -336.6634 F-statistic 1233.428Durbin-Watson stat 0.287731 Prob(F-statistic) 0.000000

Interpretând rezultatele prezentate în fi gura 2, constatăm că valorile

coefi cienților sunt semnifi cativ diferiți de zero, ceea ce validează modelul. De asemenea, modelul este confi rmat și de testele statistice, având astfel în vedere valoarile înregistrate de testele statistice (F-statistic și t-Statistic), care sunt superioare celor tabelare. În aceeași ordine de idei, valoarea înregistrată de R-squared este semnifi cativ diferită de zero, aceasta fi ind foarte apropiată de cea unitară, și anume 0,97, ceea ce inseanmă că infl uența indicatorului export în evoluția PIB-ului este de 97,93%. Prin urmare, putem scrie ecuația care ne permite calcularea valorilor prognozate ale Produsului Intern Brut:

(6)

Infl uența altor factori asupra evoluției PIB-ului este confi rmată și de valoarea mare a coefi cientului termenului liber, și anume . Semnul plus al valorii coefi cientului indică faptul ca infl uența celorlalți factori este una pozitivă.

Concluzii

Acest articol evidențiază o serie de concluzii teoretice și practice. În primul rând se evidențiază faptul că între agregatele macroeconomice și a indicatorilor care caracterizează evoluția, stadiul acestor agregate la un moment, trebuie să existe corelații. Aceste corelații uneori se modifi că și apar disfuncționalități care trebuie regularizate prin întreprinderea de măsuri macroeconomice. Astfel, indicatorii economico-sociali (Produsul Intern Brut, numărul de salariați, exportul, valoare adăugată brută, șomajul, infl ația, etc.), se afl ă într-o strânsă interdependență și de menținerea echilibrului, adică a corelației care trebuie să existe între acestea, se asigură și macrostabilitatea atât de necesară pentru funcționarea unei economii naționale. Analizând global și structural conținutul economic și social, cu efectul


economico-fi nanciar și social asupra stării unei națiuni, articolul evidențiază,

pe baza studiului efectuat, nevoia de a efectua analize care să asigure

identifi carea unor derapaje care au ca efect ruperea corelațiilor, modifi carea

acestora.

Pe de altă parte se constată că o serie de indicatori statistici, care

refl ectă fenomene în cadrul economiei cum sunt rata șomajului, rata infl ației,

evoluția exportului, evoluția productivității muncii, evoluția numărului

de salariați și altele, trebuie analizat atât individual din punct de vedere al

conținutului și efectului, dar trebuie studiați în strânsa corelație care trebuie să

existe între aceștia.

Din studiul practic efectuat, utilizarea modelului statistico-econometric

de regresie directă simplă, am pus în evidență modul în care forța de muncă,

adică numărul de salariați, precum și evoluția exporturilor au un rol important

în cadrul economiei naționale. Pe baza parametrilor calculați, se poate face și

estimare viitoare asupra modului în care trebuie să evolueze aceste variabile

macroeconomice, afl ate în corelații diverse, pentru a se menține în cadrul unei

creșteri reale economice și menținerea macrostabilității. Desigur, cele două

exemple de utilizare a acestor regresiei liniare simple, pot fi extinse la analiza

unor regresii multiple, în care să se evidențieze concomitent infl uența mai

multor factori asupra creșterii Produsului Intern Brut, considerat în analiza de

față ca variabila statistică rezultativă.

Bibliografi e

1. Anghelache, C., Anghel, M., Iacob, Ș.V., Bîrsan, O. (2019). Analysis of the Eff ect

of Acceleration in Dynamic Models. International Journal of Academic Research

in Accounting, Finance and Management Sciences, 9 (4), October 2019, 43–48

2. Anghelache, C., Anghel, M.G. (2016). Bazele statisticii economice. Concepte

teoretice şi studii de caz, Editura Economică, Bucureşti

3. Anghelache, C., Sacală, C. (2016). Theoretical model used for macroeconomic

analysis, Romanian Statistical Review, Supplement, 7, 57-60

4. Anghelache, C., Mitruţ, C., Voineagu, V. (2013). Statistică macroeconomică.

Sistemul Conturilor Naţionale, Editura Economică, Bucureşti

5. Céspedes, L.F., Velasco, A. (2012). Macroeconomic Performance During

Commodity Price Booms and Busts. IMF Economic Review, 60, December,

570-599. NBER Working Paper No 18569 (Cambridge, Massachusetts, National

Bureau of Economic Research)

6. Corbore, D., Durlauf, S., Hansen, B., (2006). Econometric Theory and Practice –

Frontieres of Analysis and Applied Research, Cambridge University Press, United

Kingdom

7. Dornbusch, R. Fischer, S. Startz, R. (2007). Macroeconomie - traducere, Editura

Economică, Bucureşti

8. Linton, O. (2016). Probability, Statistic and Econometrics, Academic Press

9. Lucas, R.E. Jr. (2003). Macroeconomic Priorities, American Economic Review,

93(1), pp. 1-14


10. Müller, U.K. (2007). A Theory of Robust Long-Run Variance Estimation. Journal

of Econometrics, 141, 1331-1352 11. Newbold, P., Karlson, L.W., Thorne, B. (2010). Statistics for Business and

Economics, 7th ed., Pearson Global Edition, Columbia, U.S.


THE ECONOMIC-SOCIAL CONTENT OF THE INDICATORS USED IN THE ANALYSIS OF THE MACROECONOMIC PROPERTIES

AND CORRELATIONS

Dana Luiza GRIGORESCU, PhD Student ([email protected])


Abstract

The macroeconomic ratios and correlations play an important role in

ensuring macro-stability. A series of aggregations that exist in the economic

fi eld and based on which the Gross Domestic Product is calculated, must be

permanently in a correlative relationship, that is, what is produced must be

invested or consumed, and what must be invested or consumed, must be it is

produced on the basis of thorough macroeconomic analysis.

The ensuring the macroeconomic balance is determined by

maintaining the macroeconomic correlations and proportions that must exist

between the calculated statistical indicators, which reveal the evolution of

each aggregate and on the whole the evolution of the Gross Domestic Product,

the most synthetic indicator of results, which can be calculated at the level of

the national economy.

The national economy functions as an economic system, in which

in addition to the fundamental law of the market based on the correlation

between supply and demand, it must also take into account the maintenance

or regularization of the proportions and correlations encountered at the

macroeconomic level.

In this article, we aimed to identify the indicators calculated at the

macroeconomic level, with emphasis on the main indicators, so as to make

concrete details on the economic content, of the social content, aiming

precisely maintaining correlations, identifying imbalances and consequently

undertaking measures to ensure macroeconomic macro-stability.

In turn, indicators such as the Gross Domestic Product, international

economic relations, the structure of the Gross Domestic Product on a series

of statistical variables, the role of some indicators unemployment, infl ation,

on maintaining the balances or infl uencing some imbalances, which ensure

the removal of the macrostability phenomenon. Between these indicators I

mentioned, there must be certain proportions and correlations, which must

be continuously ensured, so that the level of stability, macrostability of the

economy is maintained.


In the fi nal part of this article, in order to reveal the signifi cance of

the knowledge of these indicators, their content and the need to determine

and know their evolution, we suggested the use of statistical-econometric

models, which ensure macrostability, that is, maintaining or returning. at

macroeconomic ratios and correlations. Thus, the Gross Domestic Product is

defi nitely determined by the number of employees at the macroeconomic level,

but also by the export that ensures, without comparing it in the study we did

with the value of imports, a growth point of the national economy

Keywords: GDP, macroeconomic indicators, correlations, proportions, statistical variables. JEL Classifi cation: C10, E22

Introduction

In this article, the author started from defi ning the macroeconomic indicators Gross Domestic Product, import, export, labor force and other aggregates, statistical variables that play an important role in the national economy. In this context, it was presented the content of each indicator, in the case of the Gross Domestic Product, which is the most representative and complex indicator of results of the national economy, went deeper by presenting briefl y

the calculation methods, the structural content of this indicator precisely to

highlight the role that this indicator, together with others, has on the evolution

of the national economy and maintaining its level of balance.

Also, there were suggested and presented some correlations that

exist between these aggregates, between the Gross Domestic Product as a

resultant statistical variable and other statistical variables (export, import,

number of employees, labor productivity and others), which have an eff ect on

the modifi cation of the Product Gross Domestic. There was also a correlated analysis between the evolution of the Gross Domestic Product and the economic growth, concluding that this growth is largely based on the growth of the Gross Domestic Product, and the structure on some aggregates of the Gross Domestic Product was established, and fi nally an analysis was made concrete on the evolution of the Gross Domestic Product in close correlation with the number of employees and the export. Of course, these econometric models used can be extended to relations between other statistical variables, but we have referred to two correlations using the simple direct regression method to highlight the possibility of analyzing these aggregates.


Literature review

Anghelache, Anghel, Iacob and Bîrsan (2019) addressed a number of issues regarding the accelerator of dynamic models. The main statistical concepts and indicators used in the economic analyzes are highlighted by Anghelache and Anghel (2016), as well as by Newbold, Karlson and Thorne (2010). Anghelache and Sacală (2016) presented a model applied in macroeconomic analysis. Anghelache, Mitruţ and Voineagu (2013) are a reference work in macroeconomic analyzes. Céspedes and Velasco (2012) analyzed elements of macroeconomic performance in the conditions of rising commodity prices. Corbore, Durlauf and Hansen (2006) investigated the role and peculiarities of econometrics in economic studies. A similar theme is studied by Linton (2016). Lucas (2003) and Dornbusch, Fischer and Startz (2007) analyzed fundamental concepts of macroeconomic modeling.


The economy of a country must be, as far as possible, in the condition of equilibrium, of macrostability. This macro-stability depends on the existence and maintenance of macroeconomic proportions and correlations. The term equilibrium comes from the Latin “aequilibrium”, aequs meaning equal. This concept expresses the qualitative stability of objects and phenomena, determined by the equal weight of the action of the opposites, by the mutual cancellation of their contradictory tensions within a system. Such a system is also the economy, as a dynamic reality, constantly moving. It is an integrated system of sectors, branches and activities, of distribution, exchange and consumption, economic-organizational and social-cultural legal. All these activities are realized and ensured by the economic agents and guided, through the mechanisms of the market, of the market relations. At the level of the national economy, they cannot be carried out under optimal conditions, in accordance with the needs of individuals and of the society, without a certain state of agreement, called macroeconomic balance, between the sectors and economic branches, between the components of the economic mechanism, components that although they are in a certain interdependence, they have their own functionality and are on the move. Therefore, the problem of macroeconomic balance, or of the general balance of the economy, occupies an important place in economic theory and practice. The defi nition of balance varies from one theory to another, but, as the Frenchman Edmond Malinvaud, Nobel laureate for economics, shows, in his work „Equilibrium concept in Economics” the basic concept remains the same. Moreover, the economic thinking about balance fascinates so much,


that „it is striking to note that most of the contemporary works of quality carry in their title the word” balance „, as Henri Guitton points out. Concerns about achieving the match between the available resources and the needs subordinated to the various goals, characterized by a tendency of continuous growth, have existed since ancient times, long before they were concluded in the form of a theory. Problems of balance are found in the thinkers of antiquity, then in the mercantilists, in the physiocrats. The one who for the fi rst time realizes an overall scheme of the factors of production, of the factors of balance and of the factors of economic evolution, which will serve as a frame of reference for the whole classical thinking is Adam Smith. His conception regarding the economic balance is based on the principles of economic liberalism, of the market mechanism, on his optimistic belief in the spontaneous organization of the economic life through the free competition of the particular interests. The principle of economic balance at Smith is the market, with the free play of prices, which ensures the balancing (correlation) of demand with supply. The term equilibrium was introduced and grounded in the economics of the natural sciences, within the framework of price theory and resource allocation. Leon Walras granted him a prominent place (1874), demonstrating that when the off er of a good is equal to his demand, the respective market is „in a steady state” or in equilibrium. In 1890 A. Marshall referred to the „balance between desire and eff ort”, on this idea evaluating behaviorist conceptions of later equilibrium, which will exaggerate the elements of consumer psychology, fetishizing the whims of individual consumption. In order to get closer to this state of equilibrium, each time we must analyze whether the proportions and especially the correlations at the macroeconomic level are respected. In this respect, at the macroeconomic level, a series of statistical indicators are calculated, which reveal certain stages of evolution, which must be in harmonic correlation. I will deal with these indicators and their economic content. First, I will address a number of issues regarding indicators of macroeconomic stability. Of these, it is necessary to refer to the Gross Domestic Product, which is a macroeconomic indicator that refl ects the sum of the market value of

all goods and services for fi nal consumption, produced in all branches of the

economy within a state within a year.

Therefore, GDP includes the value of all goods and services resulting


from the production processes within the national economy, in order to be invested, consumed, exported or stored. When we talk about the fi nal goods, we consider the products and services made during the calculation period that are no longer used for the production of other goods. If these are to be used in a subsequent production process, it is referred to as intermediate production. Failure to keep these intermediate goods in the calculation of GDP allows avoiding double registration which leads to a distorted image of the macroeconomic results. The fi nal goods, retained in the calculation of GDP, are intended to enter directly into consumption, being sold to fi nal consumers. Gross domestic product is considered the best statistical measure of the performance of an economy. Foreign trade indicators represent the set of transactions with goods and services that the economic agents in a country make with the outside, that is to those export and import operations carried out by the economic agents. In the activity of international trade, two types of operations are performed, goods with material existence and invisible trade (services). The last indicator implies the provision of services, sales-purchases of licenses with foreign, tourism, international transport, international consignment, economic assistance and technical-scientifi c collaboration on commercial bases abroad. Any foreign trade operation must be judged from the point of view of the economic effi ciency, of the ratio between the obtained eff ects and the

eff orts made, but also from the point of view of the correlation between the

fi nancial eff ort and the foreign exchange eff ect of the operation.

The immediate eff ects of foreign trade are represented by the income

obtained from exports and from goods and services obtained through import.

The eff orts represent expenditures in national currency for export and

expenditures in foreign currency for import.

The effi ciency of the export is appreciated by the internal expenditure

that is made to obtain a currency unit. The direct effi ciency of the import

is appreciated by the amount of national currency that is obtained by the

domestic sale of the imported goods with a currency unit.

The effi ciency of foreign trade is very important to establish because

it changes the material structure of the gross global product, the growth rate of

the net national product or its value volume.

The main ways of increasing the effi ciency of foreign trade are:

increasing the degree of processing of goods and services for export; deepening

the specialization of export production, which should lead to a substantial

increase in labor productivity; raising the quality of products and services for

export, in order to ensure their maximum competitiveness; modernizing and


adapting the presentation of goods to the requirements of the world market; reducing production costs. At the level of foreign trade, two synthesis documents (trade balance and balance of payments) are prepared, important for the appreciation of these changes. Foreign trade operations are refl ected in the trade balance comprising the total value and by groups of goods (agri-food, raw materials, beverages, fuels, chemicals, machines, etc.). The trade balance is based on all the commercial relations, but also the structure on products. As we can see the trade balance comprises two main parts: import and export. The diff erence between export receipts and import payments is the balance of the trade balance. If the balance is defi cient, it is balanced by using its own foreign exchange reserves or external loans to be repaid in the future. Balance of payments is a statistical-accounting document in which the totality of payments and receipts from foreign exchange of a country is recorded and compared in a certain period (year, semester, quarter). At the national economy level, the fi nancial-monetary decision is made in the form of the balance of external payments. The balance of payments mirrors the economic strength of the respective country, the state and extent of its economic transactions with the other countries, the health of the national economy, the credibility of one country against other countries. The structure of the balance of external payments comprises 3 major subdivisions: the current account (the balance of current payments), the capital and fi nancial account (the balance of capital movements), errors and omissions. The balance of payments includes: • Current account, respectively: the trade balance (import and export

of goods) and the balance of services, the balance of incomes (from work, interests, dividends, rents, profi ts) and the balance of unilateral transfers (transfers of income of emigrant workers, compensation, donations, external public aid etc.)

• Capital and fi nancial account, respectively: the balance of long-term capital movements (direct investments, portfolio investments, quotations, state loans, transit accounts, clearing or barter accounts, reserve assets) and the balance of capital movements on short term (credits received or granted, repatriation of assets, profi ts, etc.)

• Errors and omissions The equilibrium of the payments balance, maintaining appropriate correlations, is one of the important objectives of the economic policy of each state. Imbalances, representing surpluses or defi cits, are the most common


situations. They concern the general balance of payments but also its parts (trade balance, service balance, income balance). The imbalance of a balance of payments comes from the imbalance of trade. The balance of payments is the appropriate instrument for analyzing the balance of international relations. In recent years the balance of payments of Romania is characterized by the persistence of the trade defi cit. The current account ends systematically with defi cits, most of which come from the passive balance of the trade balance. The capital account ends with active balances, but the main source is the external loans to the monetary fi nancial organizations (IMF) and to the private fi nancial market. The public debt indicators involve all the amounts borrowed by the state and other public institutions, from natural persons and legal entities, from the internal and external market, regardless of their maturity and not reimbursed at any given time. The public debt shows the degree of indebtedness of a country and the relationships between the balance of commitments and the balance of external payments. The commitments or obligations derive from contracting the loans, namely: repayment of the loan, payment of interest, commissions, special advantages granted to the creditors. The public debt is established and managed separately on its two forms, internal and external public debt. It also quantifi es according to the term for which loans are contracted, the public debt on short, medium and long term (consolidated). The annual expenses representing payments due on the public debt account form as a whole the public debt service (internal or external). It represents the annual fi nancial eff ort materialized in expenses with repayment of public debt, expenses with interest payments and other related expenses. The domestic public debt is generated by: short-term state loans received from the NBR for balancing the state budget; the issuance of treasury bills, for the same purpose, repayable from budgetary resources, by the end of the year - unless the public debt is consolidated; placing medium- or long-term records to procure the resources needed to cover the annual budget defi cit; the guarantees granted by the state to internal bank credits of the economic agents for necessities related to objectives of maximum importance for the national economy and the short-term attraction of the availabilities from the public Treasury accounts. The state loans on the fi nancial market can be contracted by the Government, within the amount approved by the Parliament, from natural or legal persons, in order to provide the necessary fi nancial resources.


Applying for government loans is related to: fi nancing the state budget defi cit, refi nancing public debt, maintaining the balance of payments and strengthening the state’s foreign reserve, fi nancing investment projects for the development of the priority sectors of the economy, fi nancing the projects of small and medium-sized enterprises with capital. Romanian majority, fulfi lling the obligations related to the state guarantees for loans, etc. To cover the fi nancial risks that may occur as a result of guaranteeing these loans, the Risk Guarantee Fund for internal guarantees is set up. The sources of repayment of the loans, the sources are: the surpluses of the state budget, the state loans for refi nancing the internal public debt, as well as from other resources established by legal provisions. External public debt encompasses all the country’s debts to abroad. In the World Bank’s conception it includes: the amounts owed by the state to some public and private external creditors, in foreign currency, goods, services, with a repayment period of more than one year; the amounts owed by private persons, guaranteed by public authorities. The net external debt is the diff erence between the public and private assets of the residents of a country abroad and the assets held by the foreign residents in the country in question. The assets of the residents of the country abroad include: currency availability, loans granted, direct investments, securities, other debts and securities. The assets of foreign residents in our country include: loans received from public bodies (government, government agencies), loans from banks or fi nancial institutions and other creditors, securities, foreign exchange availabilities, capital investments, other securities belonging to foreign persons. The forms of external debt are highlighted by indicators regarding: external public debt, public guarantee debt, unsecured private debt. External loans are contracted to fi nance specifi c objectives such as: carrying out development programs, economic restructuring, balancing the balance of external payments, creating, maintaining and increasing the state’s foreign reserve, providing the necessary resources to eliminate the eff ects caused by natural disasters or in other cases of force. majeure. As a guarantor of foreign loans, the Ministry of Finance, on behalf of the state, evaluates the fi nancial risks, the opportunity and the conditions for issuing the guarantee, in order not to aff ect the fi nancial credibility of the Romanian state internationally, participates in the negotiation of agreements and other international legal instruments. through which external loans are guaranteed by the state. Also, the Ministry of Finance and the National Bank


of Romania exercises the general supervision of the execution of the house of the external public debt commitments, according to the methodological norms. It is mandatory that the destination of external loans is strictly respected. The expenses related to the repayment of the installments, the interest and the other expenses related to the external loans contracted directly by the Government are borne from the state budget or the local budgets, being: repayments of external credits, the payment of the interests, the commissions related to the contracted loans, other payments of interest related to public debt. The value of the Gross Domestic Product, expressed in real terms by defl ation and the correlations / proportions that exist in the national economy is also infl uenced by infl ation (infl ation rate). The infl ation is the process of increasing the general level of consumer prices. The infl ationary processes are realities for all categories of economic agents, being a component of the functioning of national economies. At the level of perception, as an economic phenomenon, infl ation is perceived as a generalized increase in prices and a reduction in the purchasing power of the monetary unit. Even if the prices do not increase at all the assortments and categories of goods, however, the process is present in the vast majority of them: consumer and capital goods, salaries, prices of fi nancial and monetary assets,

the price of money, etc. There are also some price increases that are not the

expression of infl ation, depending on the quality and the ratio imposed by the market. As a rule, in developed countries prices rise rapidly during periods of economic expansion and slow down during recessions or stagnation of economic growth. In Romania, the potential for infl ation has accumulated passively in the years of the command economy, but has „exploded” with the transition to price liberalization since 1990. Although, in the last years, the disinfl ationary phenomenon is observed, a percentage of the prices increase has an increasing economic signifi cance,

and the eff ects on the economic agents are still of great extension.

The infl ation has wide eff ects, on multiple levels, on the economy,

the economic agents, the population and on the social-political climate within

the country as well as the economic relations between the partners belonging

to diff erent economies. Deciphering all these consequences is a diffi cult

operation, because the magnitude and extent of the eff ects depends on the

intensity of the infl ation, on its types; the eff ects of infl ation are contradictory:

under certain aspects it favors certain agents and disadvantages them under


other aspects and some categories of economic agents are, overall, winners from infl ation, and others are losers as a whole.

In fact, infl ation changes absolute prices at diff erent rates and at

diff erent times, which changes relative prices, with eff ect on macroeconomic

correlations.

The infl ation redistributes assets from the buyer in favor of the seller,

from the one who saves in favor of the one who invests or speculates with the

resources of the former.

Under moderate infl ation, prices often rise faster than wages.

Therefore, infl ation also determines the redistribution of incomes in favor

of the capital holders and those who obtain income from the profi t to the detriment of the employees. If taxes and duties are not indexed, their payers reduce their fi scal burden, as do the state’s obligations for non-indexed public debt. Sometimes infl ation is premeditated by the public authority to reduce the real value of the

public debt by favoring its repayment with less purchasing power.

In infl ationary conditions, not all monetary incomes increase

identically and concurrently with the increase in prices. Infl ation penalizes

certain social groups, especially those with fi xed incomes and benefi ts those who live from variable incomes, dependent on performance, activity level and other criteria that they manage to impose. The infl ation introduces a high degree of uncertainty in the business

environment: entrepreneurs do not launch into large, long-term, high-risk

investment projects.

The economic growth stagnates or returns with a whole host of negative

consequences: unemployment, budget defi cit, even more substantial price increases, balance of payments defi cits, unfavorable social-political climate, obvious and substantial decreases in the standard of living and quality of life for broad categories of the population, numerous bankruptcies among small and medium-sized companies, marginalization of the middle class, going up to the broad processes of disaggregation of life and economic relations. The economy as a whole becomes more unstable, fragile to external shocks and to the interdependence relations generated by the national and international division of labor. At the microeconomic level, infl ation distorts the prices and incomes

of the economic agents, breaks the relative prices by the evolution of costs

and demand, reallocates the resources and reorients to certain entrepreneurial

activities based on relative advantages.

The statistical data shows that, under the open infl ation condition, the

legally established fi xed capital depreciation rates are insuffi cient for the value


regeneration of the fi xed capital elements, the accounting costs being lower than the actual ones. Another indicator with social content and economic eff ect is unemployment. The evolution of the economy of each country and of the world economy has brought to the fore theoretical and pragmatic concerns, the problem of employment resources and non-employment or unemployment. These problems have a complex content and a wide area of manifestation, with important economic and social-human consequences. The employment in economic and social activities and unemployment show how the labor market works in a given period or at a certain time. The ratio of labor supply and demand determines employment or unemployment under certain conditions of time and space. The issue of employment and unemployment is an important aspect of the macroeconomic balance and an indispensable component of macroeconomic and macrosocial policies. Although there is diversity in the defi nition of the concept of unemployment, however, common elements that can be found, to a greater or lesser extent, can be found in all the concepts. The unemployment, like economic growth, tends to follow a cyclical pattern. The unemployment is that state of the labor market characterized by an off er greater than the demand for labor force. It represents the situation in which some people who have involuntarily tried to work and / or cannot be hired because of the impossibility of fi nding a job. Unemployment is estimated by the unemployment rate, which refl ects the

fraction of the labor force that cannot fi nd a job. Any increase in unemployment

leads to a reduction in real GDP.

I will come back with more details on the most complex and

representative macroeconomic indicator, namely the Gross Domestic Product.

The Gross Domestic Product (GDP) expresses the gross value of the

fi nal production realized in a period of time, usually a year, by the economic

agents that carry out their activity inside the country.

GDP includes the value of all goods and services resulting from the

production processes within the national economy, in order to be invested,

consumed, exported or stored.

GDP is the sum of the expenditures for consumption of private

households and private non-profi t organizations, of gross investment costs,

of state expenditures, of investments for the purpose of storage, as well as

of the export earnings from which the expenses for imports are deducted.

Keynesian economists have had a major impact on both modern political and


economic theory and the fi scal policies of some governments, dividing the term of general consumption into two parts: private consumption and public sector spending. Private consumption is a central concern of the welfare economy. Private investments and commercial subdivisions of the economy are ultimately directed (in the main stream of economic models) towards the long-term growth of private consumption. Because it is separate from endogenous private consumption, public sector consumption can be considered exogenous, so that diff erent levels of public sector consumption can be considered as part of the meaningful fi eld of macroeconomics. The correlation of the evolution of the Gross Domestic Product and the economic growth, needs to be addressed, to clarify some opinions or appreciations. Considered as an aggregate indicator on the results recorded in the economy (sum of the participants’ incomes in the economic activities carried out in the country or sum of their expenses for consumption, investment plus the balance of foreign trade) the statistical variable GDP, as well as the national income that returns per inhabitant , reports economic growth when these indicators record real growth several years in a row. The theory of economic growth analyzes the determinants of growth in the short, medium and long term, seeking answers to questions related to the amount of investments required, the effi ciency of the use of resources, their effi ciency and their quality. The rate of savings and investments, compared to the rate of depreciation of fi xed capital and the rate of population growth, is of interest in appreciating the process of economic growth in the sense that the rate of economies must „cover” the capital increase needed to replace (as a result of the depreciation) but also the provision of additional capital. Important for the economic growth are the net investments and their directing towards high effi ciency industries in which the leading technology predominates. Regarding the causes that determine the economic growth, the economic theory mentions the quantity and quality of the factors of production (land, labor and capital), as well as the effi ciency of their combination. More specifi cally, what ensures economic growth also refers to conditions such as: the political or economic credit system, the internal market, the geographical position of the country, the export and opening to the external market, the international situation. The evolution of GDP determines, in turn, the use of the labor force, the welfare, the investments in the following periods. Although the gross domestic product refl ects the economic well-being

of a country to some extent, this indicator is not a perfect indicator.


The Gross Domestic Product does not refl ect many of the elements

that can characterize the economic well-being of a country - for example,

relaxation, leisure time.

The Gross Domestic Product also does not refl ect the quality of the

environment. If there were no environmental regulations, companies could

produce more goods and services, so that GDP could be higher.

The Gross Domestic Product (GDP) as the main macroeconomic

aggregate of the National Accounts System, expresses the gross added value

of the goods and services reached in the last stage of the economic circuit,

which were produced inside a country by the domestic and foreign economic

agents, in a certain period of time, usually one year.

The Gross Domestic Product can be calculated by three methods:

• The production method

GDP is defi ned as the sum of gross value added (VAB) created in all

branches and sectors of activity. The gross added value is the surplus of the

value of the gross production (PB) compared to the intermediate consumption

(ci) and is evaluated in the prices of the factors (pf). In order to estimate the

GDP in the market prices (pp) the indirect IND-taxes (TVA, customs duties,

excise duties) must be added and the subsidies on products and for imports

(SBV) deducted.

GDPpp = I VAB pf + (IND - SBV) = £ (PB - ci)pf + (IND - SBV) (1)

We consider that GDP assessments in factor prices are necessary

for the purpose of carrying out analyzes related to the effi ciency of branches or production factors, while market price assessments are appropriate for analyzes on the use of fi nal output.

• The expenditure method

This method starts from the sum of the elements in which the fi nal use

of the economic goods (materials and services) evaluated at the market prices

is realized, less the value of the imported goods.

PIB pp = CPV + CPB + FBCF + VS + (EXP - IMP) (2)

where:

CPV = private consumption;

CPB = public consumption;

FBCF = gross fi xed capital formation;

VS = stock change;

EXP = export of goods and services;

IMP = tax on goods and services;


• The method of income

This method is based on the aggregation of the income of the factors of production: income from employed work, income from entrepreneurial activity, income from heritage. In the abstract, all the shocks in the economy aff ect both the real GDP and the price level; which means that both aff ect the volume of goods and services produced, as well as the monetary value of these goods and services. Economists refer to these shocks as having both real and nominal eff ects. For this purpose we will appeal to the aggregate demand curve and to the aggregate supply curve respectively. A change in the price level aff ects the wealth of the holders of assets, expressed in nominal terms, in a manner that acts in the opposite direction, compared with the way in which the wealth of those who issued those assets will be aff ected. A change in the price level does not result in a net change in the assets of the private sector, in relation to the domestic assets, but may lead to a change in relation to the external assets, since the issuers are not part of the public sector. The GDP consists of fi ve components: • The private consumption represents the total expenditure of

households in the economy. The private or personal consumption has the main share and is represented by the part of the national income destined to purchase consumer goods and services to meet the needs of the people. The consumption of state or public is represented by the part of the national income destined to the expenses occasioned by the purchase of goods and services of social - cultural character, necessary for the normal functioning of the company. There is a consumption function between consumption and income, namely, as the income increases, consumption also increases, but not as much as the income increases. To increase global consumption, without shrinking economies, global income must grow faster than consumption: - the marginal rate of consumption, which represents the proportion of the supplementary income intended for consumption during a given period. The volume and structure of consumption expenditures depend on a number of factors; objective and subjective. The objective factors are: the size and structure of wages; modifying the relationship between present and future goods; changes in the volume of capital that were not provided for in the calculation of income; modifi cation of the fi scal policy that can increase or decrease the demand for consumption.


The subjective factors that depend on the characteristics of the human being, on the needs and habits of individuals are: maintaining the standard of living, saving the diff erence between the actual income and the expenses necessary to maintain the standard of living; the tendency to increase the diff erence between income and consumption, as people make higher incomes. The consumption of goods and services is studied with the help of family budgets. They show the structure of consumption and its evolution according to the vital needs of existence, environment, sex, age, income. Analyzing over time the family budgets, we fi nd certain changes in the structure of consumption, namely: the decrease of the share of the expenses for the food, due to the increase of the quality and its nutritional value: the relatively constant maintenance of the weight of the expenses for the food, due to the increase of the quality and the nutritional value of it; maintaining relatively constant weight of expenses for clothing, footwear and personnel; increasing the share of expenditures for long-term goods and services, especially those related to raising the level of culture and civilization. The part of the income that exceeds the consumption is represented by the savings S = Y - C, they are used by the economic agents for investments. So, the income is transformed into consumption and production expenses, that is: Y = C + I where, Y = income, C = consumption, I = investments. - The state expenditures made up of all government expenditure on goods and services; - Investments. The notion of investment, in a broad sense, is synonymous with: allocation, placement, endowment, and in a narrower sense (fi nancial-accounting) represents an expense made for obtaining high-value material goods and long-term durability. There is a need for clarifi cation regarding this concept, in the sense that if for many, the investment refers to the acquisition of assets such as: gold or shares in a particular company, economists use this concept with a connotation of acquiring new capital goods, such as cars. new, new buildings, new houses. To refer to asset purchases, such as those presented, economists use the concept of „fi nancial investment”. Under the conditions of centralized economy management, on administrative principles, investment is only what is allocated for the creation and development of the material production base and that for the social-cultural sector. According to a defi nition, with wide circulation in our country, the investment represents „the totality of the expenses by which new, productive and non-productive fi xed funds are created, the existing fi xed funds are refi ned or rebuilt”. - Exports. Exports are represented as an arrow from the foreign sector entering the economy because this fl ow is an injection that increases the


exporters’ income. The value of exports less the value of imports constitutes net exports. If the value of the imports exceeds the value of the exports, we have negative net exports or we can call them net imports. - Imports. They are defi ned as the commercial operations for the purchase abroad of some material goods and / or services against a quantity of the agreed currency, implying through them the importer’s customs border. The Gross Domestic Product, seen as one of the main macroeconomic aggregates specifi c to the System of National Accounts, represents the synthetic expression of the results of the economic activity produced within the economic territory within a period of time, irrespective of the contribution that the internal or foreign subjects had. In the analysis performed on the factors that determine the variation of the Gross Domestic Product, we started from the methodological elements specifi c to the method of using the fi nal output (the expense method), considering that this is a source of signifi cant information on the main correlations infl uencing the evolution of the main macroeconomic aggregate.

Next, using the statistical-econometric model of simple linear

regression, we highlighted the correlation between GDP (resultant variable)

and the number of employees and export, as factor variables.

Using the simple linear regression model to study the relationship

between Gross Domestic Product and the number of employees

Table 1 structured and presented the data regarding the evolution of

the Gross Domestic Product indicators and the number of employees during

the period from 1990 to 2017.


Evolution of Gross Domestic Product and number of employees

Table 1

Year 1990 1991 1992 1993 1994 1995 1996 1997

GDP 85,8 220,4 602,9 2003,6 4977,3 7213,5 10891,9 25292,6

NSAL 11126 10786 10548 10062 10011 9493 9379 9023

1998 1999 2000 2001 2002 2003 2004 2005 2006 2007

37379,8 55191,4 80377,3 116768,7 151475,1197564,8 247368 288955 344651 416007

8813 8420 10508 10440 9234 9223 9158 9267,2 9330,7 9364,8

2008 2009 2010 2011 2012 2013 2014 2015 2016 2017

524388,7510522,8533881,1565097,2596681,5637583,1668590,1 712588 765135 856727

9365,9 8952 8713 8528 8605 8549 8614 8535 8449 8671

Data source: National Institute of Statistics (data processed by the author)

The evolution of the Gross Domestic Product was presented in the chart 1. Regarding the evolution of the Gross Domestic Product during the period from 1990 to 2017, the data were analyzed and structured in the following graph:

Evolution of GDP in the period 1990-2017

Chart 1

0

2

4

6

8

10

12

1 200001 400001 600001 800001

Series: PIB

Sample 1990 2017

Observations 28

Mean 298507.8

Median 222466.4

Maximum 856726.6

Minimum 85.80000

Std. Dev. 285814.0

Skewness 0.427665

Kurtosis 1.711217



Following the results presented in graph number 1, we fi nd that the average value registered is 298,507.80 Ron annually, and the maximum is reached in 2017, having the value of 856,726.60 Ron. If we look at the value of Skewness, it is not close to zero (0.42), which indicates that the distribution of GDP values is not symmetrical and we also have a slower than normal


distribution, an aspect that is highlighted. of the value of 1.71 of the Kurtosis test, which is less than 3. The evolution of the indicator the number of employees during the period from 1990 to 2017 will be presented in graph 2.

Evolution of the number of employees in the period between 1990 and

2017

Chart 2

0

1

2

3

4

5

6

7

8

8500 9000 9500 10000 10500 11000

Series: NSAL

Sample 1990 2017

Observations 28

Mean 9327.450

Median 9228.500

Maximum 11126.00

Minimum 8420.000

Std. Dev. 778.9131

Skewness 0.805869

Kurtosis 2.566531



Following the data presented in graph 2, we fi nd that the maximum value of 11,126,000 employees was registered in 1990 and the average is 9,327,450. At the same time after 2008, the number of employees has decreased continuously, registering in 2008 a number of 8,6711.00 employees, very close to the minimum of the period under analysis. On the other hand, the values recorded for the Skewness and Kurtosis tests, show that the distribution is not perfectly symmetrical, because the value of the Skewness test is signifi cantly diff erent from zero, ie it has a value of 0.80 and at the same time the distribution is slower than a normal one, the value the Kurtosis test being 2.56 lower than 3. The graphical representation of the correlation between the Gross Domestic Product and the number of employees during the period 1990 to 2017 is presented in graph 3


Correlation between Gross Domestic Product and Number of Employees

(NSAL)

Graph 3

0

100000

200000

300000

400000

500000

600000

700000

800000

900000

8000 9000 10000 11000 12000

NSAL

PIB

From chart 3 it appears that the point cloud described by the values recorded for the Gross Domestic Product and the number of employees describe a line, which indicates a linear evolution. This allows us a statistical-econometric analysis that I will perform using the EViews program, and the data are presented in fi gure 1. In this case, the simple linear regression equation used has the following form:

(3)where: GDP is the Gross Domestic Product and it represents the dependent

variable; NSAL is the number of employees, ie the independent variable; a and b are the parameters of the regression model; ε is the residual variable.

Analysis of simple linear regression between GDP and NSAL

Figure 1Dependent Variable: GDPMethod: Least SquaresSample: 1990 2017Included observations: 28

Variable Coeffi cient Std. Error t-Statistic Prob. C 2619847. 494904.3 5.293643 0.0000

NSAL -248.8718 52.88140 -4.706224 0.0001R-squared 0.460004 Mean dependent var 298507.8Adjusted R-squared 0.439235 S.D. dependent var 285814.0S.E. of regression 214029.6 Akaike info criterion 27.45437Sum squared resid 1.19E+12 Schwarz criterion 27.54952Log likelihood -382.3611 F-statistic 22.14855Durbin-Watson stat 0.417880 Prob(F-statistic) 0.000073

Interpreting the results presented in fi gure 1, we fi nd that the values of


the coeffi cients are signifi cantly diff erent from zero, which validates the model.

The model is also confi rmed by the statistical tests, thus taking into

account the value recorded by F-statistic = 22.14 higher than the table and the

values for the t-Statistic test. In the same vein, the value recorded by R-squared

is signifi cantly diff erent from zero, namely 0.46. In other words, the indicator

infl uence the number of employees in the evolution of GDP is 46%.

Therefore, we can write the equation that allows us to calculate the

forecast values of the Gross Domestic Product:

(4)

The infl uence of other factors on the evolution of GDP is also confi rmed

by the high value of the coeffi cient of the free term, namely 2619847. The plus

sign of the coeffi cient value indicates that the infl uence of the other factors is

a positive one.

The use of the simple linear regression model in the study of the

relationship between Gross Domestic Product and export

The data regarding the evolution of the GDP and of the export during

the period 1990-2017 were structured in the table number 2.

Evolution of Gross Domestic Product and export

Table 2

Anul 1990 1991 1992 1993 1994 1995 1996 1997

PIB 85,8 220,4 602,9 2003,6 4977,3 7213,5 10891,9 25292,6

EXP 15,98 54,93 122,74 477,52 1538,17 1974,44 2650,06 6386,69

1998 1999 2000 2001 2002 2003 2004 2005 2006 2007

37379,8 55191,4 80377,3 116768,7 151475,1197564,8 247368 288955 344651 416007

7566,91 13894,5 24201,0136128,73 50480,6 65099,6 84219,3 88576,1 102682 113531

2008 2009 2010 2011 2012 2013 2014 2015 2016 2017

524388,7510522,8533881,1565097,2596681,5637583,1668590,1 712588 765135 856727

140647,7152448,3164672,9 201412 214163,5 240095 257190,5 271310 287948 312222

Data source: National Institute of Statistics (data processed by the author)

The evolution of the Gross Domestic Product was presented in graph 1.

Regarding the evolution of the Gross Domestic Product during the

period from 1990 to 2017, the data were analyzed and structured in graph 1,

and the export evolution is presented in the following chart.


Evolution of exports between 1990 and 2017

Chart 4

0

2

4

6

8

10

12

0 100000 200000 300000

Series: EX

Sample 1990 2017

Observations 28

Mean 101489.6

Median 74659.45

Maximum 312221.5

Minimum 15.98000

Std. Dev. 104229.0

Skewness 0.654521

Kurtosis 2.034399



Following the data presented in Chart 4, we notice that the values recorded for the Skewness and Kurtosis tests show that the distribution is not perfectly symmetrical, because the value of the Skewness test is signifi cantly diff erent from zero, that is, it has a value of 0.65 and at the same time the distribution is slower than a normal one, the value of the Kurtosis test being 2.03 less than 3. The graphical representation of the correlation between Gross Domestic Product and export between 1990 and 2017 is presented in graph 5.

Correlation between Gross Domestic Product and export

Graph 5


From chart 5 it appears that the point cloud described by the values recorded for the Gross Domestic Product and export describes a line, which indicates a linear evolution. This allows us a statistical-econometric analysis that I will perform using the EViews program, and the data are presented in fi gure 2. In this case, the simple linear regression equation used has the following form:

(5)where: GDP is the Gross Domestic Product and represents the dependent

variable; EXP is the number of employees, ie the independent variable; a and b are the parameters of the regression model; ε is the residual variable.

Analysis of simple linear regression between GDP and EXP

Figure 2Dependent Variable: GDPMethod: Least SquaresSample: 1990 2017Included observations: 28


EXP 2.713722 0.077270 35.12019 0.0000R-squared 0.979356 Mean dependent var 298507.8Adjusted R-squared 0.978562 S.D. dependent var 285814.0S.E. of regression 41848.40 Akaike info criterion 24.19024Sum squared resid 4.55E+10 Schwarz criterion 24.28540Log likelihood -336.6634 F-statistic 1233.428Durbin-Watson stat 0.287731 Prob(F-statistic) 0.000000

Interpreting the results presented in fi gure 2, we fi nd that the values

of the coeffi cients are signifi cantly diff erent from zero, which validates the

model.

The model is also confi rmed by the statistical tests, thus taking into

account the values recorded by the statistical tests (F-statistic and t-Statistic),

which are superior to the tables. In the same vein, the value registered by

R-squared is signifi cantly diff erent from zero, this being very close to the

unitary one, namely 0.97, which means that the infl uence of the export

indicator in the evolution of GDP is 97.93%. .

Therefore, we can write the equation that allows us to calculate the

forecast values of the Gross Domestic Product:

(6)

The infl uence of other factors on the evolution of GDP is also confi rmed

by the high value of the coeffi cient of the free term, namely 23093.29. The plus


sign of the coeffi cient value indicates that the infl uence of the other factors is

positive.

Conclusions

This article highlights a number of theoretical and practical

conclusions. First of all, it is emphasized that between the macroeconomic

aggregates and the indicators that characterize the evolution, the stage of

these aggregates at a time, there must be correlations. These correlations

sometimes change and dysfunctions appear that need to be regulated by

undertaking macroeconomic measures. Thus, the economic-social indicators

(Gross Domestic Product, number of employees, export, gross value added,

unemployment, infl ation, etc.), are in close interdependence and maintaining

balance, that is, the correlation that must exist between them. , the macro-

stability so necessary for the functioning of a national economy is ensured.

Analyzing global and structural economic and social content, with

the economic-fi nancial and social eff ect on the state of a nation, the article highlights, based on the study carried out, the need to carry out analyzes to ensure the identifi cation of slippages that have the eff ect of breaking the correlations, modifying them. On the other hand, it is noted that a series of statistical indicators, refl ecting phenomena in the economy such as unemployment rate, infl ation

rate, export evolution, labor productivity evolution, the evolution of the

number of employees and others, must be analyzed both individually from the

point of view of content and eff ect, but must be studied in the close correlation that must exist between them. From the practical study, using the statistical-econometric model of simple direct regression, we have highlighted the way in which the labor force, that is the number of employees, as well as the evolution of exports play an important role in the national economy. Based on the calculated parameters, future estimation can be made on the way in which these macroeconomic variables, which are in diff erent correlations, must evolve, in order to maintain them within a real economic growth and maintain macrostability. Of course, the two examples of using these simple linear regression, can be extended to the analysis of multiple regressions, in which the infl uence of several factors

on the growth of the Gross Domestic Product, considered in the present

analysis as the resultant statistical variable, can be highlighted.

References

1. Anghelache, C., Anghel, M., Iacob, Ș.V., Bîrsan, O. (2019). Analysis of the Eff ect of Acceleration in Dynamic Models. International Journal of Academic Research

in Accounting, Finance and Management Sciences, 9 (4), October 2019, 43–48


2. Anghelache, C., Anghel, M.G. (2016). Bazele statisticii economice. Concepte

teoretice şi studii de caz, Editura Economică, Bucureşti 3. Anghelache, C., Sacală, C. (2016). Theoretical model used for macroeconomic

analysis, Romanian Statistical Review, Supplement, 7, 57-60 4. Anghelache, C., Mitruţ, C., Voineagu, V. (2013). Statistică macroeconomică.

Sistemul Conturilor Naţionale, Editura Economică, Bucureşti 5. Céspedes, L.F., Velasco, A. (2012). Macroeconomic Performance During

Commodity Price Booms and Busts. IMF Economic Review, 60, December, 570-599. NBER Working Paper No 18569 (Cambridge, Massachusetts, National Bureau of Economic Research)

6. Corbore, D., Durlauf, S., Hansen, B., (2006). Econometric Theory and Practice –

Frontieres of Analysis and Applied Research, Cambridge University Press, United Kingdom

7. Dornbusch, R. Fischer, S. Startz, R. (2007). Macroeconomie - traducere, Editura Economică, Bucureşti

8. Linton, O. (2016). Probability, Statistic and Econometrics, Academic Press 9. Lucas, R.E. Jr. (2003). Macroeconomic Priorities, American Economic Review,

93(1), pp. 1-14 10. Müller, U.K. (2007). A Theory of Robust Long-Run Variance Estimation. Journal

of Econometrics, 141, 1331-1352 11. Newbold, P., Karlson, L.W., Thorne, B. (2010). Statistics for Business and

Economics, 7th ed., Pearson Global Edition, Columbia, U.S.


Utilizarea seriilor dinamice de fl uxuri în analiza performanţei economico-fi nanciare a unei societăţi comerciale

Prof. univ. dr. Constantin ANGHELACHE ([email protected])

Academia de Studii Economice din București / Universitatea „Artifex” din București

Drd. Iulian RADU ([email protected])


Drd. Radu STOICA ([email protected])


Abstract

Performanța economico-fi nanciară a unei societăți comerciale depinde de realizarea unor programe reale de creștere, asigurarea din unor corelații între acestea, precum și din interpretarea acestor corelații. În cazul articolului de față, autorii și-au propus să analizeze prin intermediul seriilor dinamice de fl uxuri, modul în care evoluează economic o societate comercială. Datele pentru asemenea analize concrete sunt preluate din bilanțurile societăți comerciale, existând posibilitatea să determinăm o serie de parametri, care să releve modul în care aceste rezultate ale fi rmei evoluează. Seriile cronologice în general prezintă o serie de indicatori cu variații mari de la o perioadă de timp la alta și de aceea modalitatea de evoluție poate fi evidențiată numai prin prelucrarea datelor prezentate ca serii de date pe un termen cât mai lung pentru a fi edifi catoare și utilizând seriile cronologice dinamice. Metodologia de calcul trebuie să asigure exprimarea variației în timp, bazată pe o funcție analitică de timp, care a fost fundamentată și exprimată în consecință. Analiza aceasta trebuie efectuată în modul cel mai precis prin utilizarea unor serii dinamice ale cifrei de afaceri, ale modifi cării acestora, ale ritmului de creștere, iar calcule se vor face pe baza indicatorilor cronologici, care sunt exprimați și calculați ca indicatori cu baza fi xă sau indicatori cu bază în lanț. Din indicii de dinamică care au rezultat și din interpretarea acestora se pot trage concluziile care se impun. În această ordine de idei, indicatorii utilizați în mărime absolută sau mărime relativă, au exprimat și au sugerat care este gradul de rentabilitate al activității societății comerciale luate în discuție. Am luat serii de date cât mai largi tocmai pentru ca parametrii calculați să fi e reprezentativi, iar eventuala sau necesara, mai degrabă, previziune a evoluției fi rmei și pe bază de consecință a rentabilității acesteia,


pot crește în perioada următoare sau dimpotrivă pot fi blocați. Articolul și studiul efectuat se bazează pe date concrete preluate de la o societate comercială reprezentativă, menționată în cadrul articolului. Cuvinte cheie: indicatori, serii dinamice, variație, bază fi xă și în lanț, mărime absolută și relativă. Clasifi carea JEL: C10, E22

Introducere

În cadrul acestui articol, privind analiza performanței economico-fi nanciare a unei societăți comerciale utilizând serile dinamice de fl uxuri, am plecat de la necesitatea de a cunoaște modul în care o societate comercială a evoluat pe un segment de timp, pentru a identifi ca modalitățile de evoluție viitoare și pe cale de consecință să putem asigura prin măsurile întreprinse o creștere a valorii cifrei de afaceri, subordonată îmbunătățirii rentabilității fi rmei. Articolul prezintă în primul rând aspecte cu privire la seriile dinamice de fl uxuri, evidențiind și funcția de timp care poate fi utilizată, în funcție de valorile variabilelor utilizate și valorile variabilei de timp, identifi când indicatorii cu baza fi xă și cu bază în lanț, care sunt utilizabili în cadrul acestei dorințe a oricui de a crește rentabilitatea unei societăți comerciale. Am utilizat mărimile relative care fac referire la două aspecte, atunci când reprezintă variații față de nivelul perioadei de bază prin comparație, sau prin raportare la perioada anterioară, de unde rezultă și indicatorii utilizați, respectiv indici cu baza fi xă și indici cu bază în lanț. Calculele efectuate și prezentate au relevat modul în care evoluează principalele aspecte care caracterizează situația fi nanciară a unei societăți comerciale, context în care, managerul societății comerciale își poate stabili cu precizie modul în care trebuie să acționeze pentru a asigura o creștere a rentabilității. Nu ne-am axat pe prezentarea unor calcule propriu-zise, deoarece avem în vedere situația societății comerciale la un moment dat, iar indicatorii rezultați au fost prezentați în tabele sintetice, în special cifra de afaceri și efectul asupra rentabilității. Pe baza acestora s-a făcut interpretarea și analiza datelor, care au condus la concluzii teoretice și practice, sugerând că utilizând împreună indicatori absoluți și relativi, rezultă posibilități mai ample de a interpreta cifra de afaceri înregistrată și se constată creșterea sau descreșterea economică în funcție de modul în care resursele de care dispune societatea comercială (fi nanciare, de muncă și capital) dispune.


Literature review

Anghel (2015) a prezentat un ansamblu de indicatori economico-fi nanciari utilizați în analiza fi rmei. Anghel (2014) a efectuat un studiu privind rezultatele fi rmei, pe baza situațiilor fi nanciare. Anghelache, Grigorescu și Bîrsan (2019) au analizat o serie de elemente fundamentale privind natura modelelor dinamice. Anghelache (2008) a analizat principalii indicatori statistici aplicați în studiile economice. Anghelache, Mitruţ și Voineagu (2008) au evidențiat rolul seriilor cronologice în procesele stocastice. Iacob (2019) a analizat instrumentarul statistico-econometric în studiile economice. Iacob (2019) a realizat o analiza spectrală a profi tului companiilor de distribuție a

materialelor de construcții din România. Boshnakov și Iqelan (2009) și Reis

(2009) au abordat o serie de aspecte referitoare la analiza seriilor dinamice.

Pesavento și Rossi (2006) au cercetat aspecte ale intervalelor de încredere.


Seriile cronologice, prezintă indicatori cu variații mari de la o perioadă

de timp la alta. Modalitatea de evoluție a fenomemelor economice poate fi

evidențiată prin prelucrarea datelor în funcție de timp. Așadar, pot fi prelucrate

statistic unele serii cronologice dinamice, care sunt formate din diferite tipuri

de indicatori.

De asemenea, pentru o serie de momente și pentru o serie de

intervale, calculele unui sistem de indicatori se efectueză diferențiat .

Metodologia de calcul trebuie să asigure continuitatea variației de

timp, fi ind o funcție analitică de timp care poate fi redată prin relația:

(1)

unde:

Datele referitoare la evoluția cifrei de afaceri a unei societăți

comerciale, pe o perioadă de douăzeci și patru de trimestre, sunt structurate în

tabelul următor.

Situație privind cifra de afaceri realizată în perioada Trim I 2013-

Trim IV 2018

Tabel 1Perioada TI 2013 T II 2013 TIII 2013 TIV 2013 T I 2014 T II 2014 T III2014 TIV 2014 T I 2015 T II 2015 T III2015

Cifra de afaceri (Ron)

7981235 8523648 9042738 9569813 9862278 10442412 10864286 11436068 12167137 13076829 14971662

T I V2015 T I 2016 T II 2016 T III 2016 T IV 2016 T I 2017 T II 2017 T III 2017 T IV 2017 T I 2018 T II 2018 T III 2018 T IV 2018

15753204 16241993 17345817 18402178 19474782 20121805 20955326 22231506 23027309 23558884 24025397 24508307 24970016


Creșterea sau descreșterea absolute, poate fi calculată față de nivelul unei singure perioade, considerată bază de referință, situație în care se obține un indice cu bază fi xă. De la o bază de referință la altă bază de referință, se obțin indici cu bază în lanț, considerat ca o creștere sau descreștere absolută cu bază variabilă. Sporul cu bază fi xă și cel în lanț, care sunt calculați ca diferența între nivelul fi ecărei perioade și nivelul perioadei de referință, se determină conform relațiilor: • Sporul cu bază fi xă:

(2) • Sporul cu bază în lanț:

(3)


Situație privind dinamica cifrei de afaceri realizată în perioada 2013-2018

Tabel 2

Anii

Cifra de afaceri (RON)

Modifi cări absolute cu

Indici de dinamică cu

Ritmul de creștere cu

baza fi xa baza în lanț



y

A 01 02 03 04 05 06 07Trim I 2013 7981235 100Trim II 2013 8523648 542413 542413 106.80 106.80 6.80 6.80Trim III 2013 9042738 1061503 519090 113.30 106.09 13.30 6.09Trim IV2013 9569813 1588578 527075 119.90 105.83 19.90 5.83Trim I 2014 9862278 1881043 292465 123.57 103.06 23.57 3.06Trim II 2014 10442412 2461177 580134 130.84 105.88 30.84 5.88Trim III 2014 10864286 2883051 421874 136.12 104.04 36.12 4.04Trim IV2014 11436068 3454833 571782 143.29 105.26 43.29 5.26Trim I 2015 12167137 4185902 731069 152.45 106.39 52.45 6.39Trim II 2015 13076829 5095594 909692 163.84 107.48 63.84 7.48Trim III 2015 14971662 6990427 1894833 187.59 114.49 87.59 14.49Trim IV2015 15753204 7771969 781542 197.38 105.22 97.38 5.22Trim I 2016 16241993 8260758 488789 203.50 103.10 103.50 3.10Trim II 2016 17345817 9364582 1103824 217.33 106.80 117.33 6.80Trim III 2016 18402178 10420943 1056361 230.57 106.09 130.57 6.09Trim IV2016 19474782 11493547 1072604 244.01 105.83 144.01 5.83Trim I 2017 20121805 12140570 647023 252.11 103.32 152.11 3.32Trim II 2017 20955326 12974091 833521 262.56 104.14 162.56 4.14Trim III 2017 22231506 14250271 1276180 278.55 106.09 178.55 6.09Trim IV2017 23027309 15046074 795803 288.52 103.58 188.52 3.58Trim I 2018 23558884 15577649 531575 295.18 102.31 195.18 2.31Trim II 2018 24025397 16044162 466513 301.02 101.98 201.02 1.98Trim III 2018 24508307 16527072 482910 307.07 102.01 207.07 2.01Trim IV2018 24970016 16988781 461709 312.86 101.88 212.86 1.88

(4) Ceea ce înseamnă că:

( ) + ... + ( ) = (5) (6)


Acești indicatori sunt utilizați pe larg în analize macroeconomice în

scopul de a stabili corelații și proporții între diferite ramuri ale economiei

naționale sau între diversele sectoare economice.

Mărimile relative pot face referire la două aspecte: atunci când nivelul unei perioade prezintă variații față de nivelul perioadei ales ca bază de comparare sau să constate modifi carea nivelului unui fenomen din perioada raportată față de perioada de raportare. Mărimea relativă sau indicele de dinamică arată modifi carea în timp a unui fenomen și se calculează atât cu bază fi xă cât și cu bază în lanț.Indice de dinamică cu bază fi xă calculat ca raport între nivelul perioadei pentru care se calculează și nivelul perioadei aleasă ca bază:

(7)

Indice de creștere cu bază în lanț ( calculat ca raport între nivelul perioadei pentru care se calculează și nivelul perioadei aleasă ca bază:

(8)

O serie cronologică va obține atâția indici cu bază fi xă câți termeni avem, și cu unul mai puțin în cazul indicilor cu bază în lanț. Între indici există relații ce permit trecerea de la o formă la alta. Dacă facem produsul indicilor de creștere cu bază în lanț obținem indicele de creștere cu bază fi xă aferent întregii perioade, așa cum se prezintă în relația:

(9)unde: (10)

Dacă raportăm un indice de dinamică cu bază fi xă aferent perioadei curente la indicele cu bază fi xă al perioadei precedente obținem indicele cu bază în lanț corespunzător, ca și în formula:

(11) Altfel exprimat:

(12) Rata dezvoltării, ritmul sporului, sau ritmul de creștre cu bază fi xă sau cu bază în lanț se calcuează pentru a stabili creșterea nivelului comparat față de nivelul luat ca bază de referință:


Ritmul de creștere cu bază fi xă poate fi redat prin relațiile:

(13)

Rata dezvoltării arată sporul relativ realizat în fi ecare an față de perioada de bază. Ritmul de creștere cu baza în lanț, exprimat tot în procente se calculează ca raport între creșterea în lanț a fi ecărui an și nivelul anului precedent astfel:

(14)

Trecerea de la un ritm de creștere cu bază fi xă la cel cu bază în lanț se realizează numai prin transformarea lor în indici de dinamică corespunzători.

(15) (16)

Deoarece produsul indicilor ritmului de creștere cu bază în lanț nu este egal cu indicele ritmului cu bază fi xă al întregii perioade:

(17)

Utilizarea relațiilor de trecere de la o bază la alta, indici de creștere sau ritmuri de creștere poate conduce la obținerea unor indici pe care nu-i cunoaștem. Dacă sunt cunoscute ritmurile de creștere cu bază în lanț putem calcula alți indicatori cu baza fi xă sau mobilă.Indicatori cu bază în lanț:

(18) Indicatori cu bază fi xă:

(19) Ritmul de creștere cu bază fi xă:

(20)


Trecerea de la ritmuri de creștere la indici de dinamică cu baze mobile

la ritmuri și indici cu bază fi xă

Tabel 3Date cunoscute Date calculate

AniiRitm față de

anul precedent (%)

Indici cu

baza în lanțIndici cubaza fi xă

Ritm cu baza fi xă

0 1 2 3 4Trim I 2013Trim II 2013 6.80 106.80 106.80 6.80Trim III 2013 6.09 106.09 113.30 13.30Trim IV2013 5.83 105.83 119.90 19.90Trim I 2014 3.06 103.06 123.57 23.57Trim II 2014 5.88 105.88 130.84 30.84Trim III 2014 4.04 104.04 136.12 36.12Trim IV2014 5.26 105.26 143.29 43.29Trim I 2015 6.39 106.39 152.45 52.45Trim II 2015 7.48 107.48 163.84 63.84Trim III 2015 14.49 114.49 187.59 87.59Trim IV2015 5.22 105.22 197.38 97.38Trim I 2016 3.10 103.10 203.50 103.50Trim II 2016 6.80 106.80 217.33 117.33Trim III 2016 6.09 106.09 230.57 130.57Trim IV2016 5.83 105.83 244.01 144.01Trim I 2017 3.32 103.32 252.11 152.11Trim II 2017 4.14 104.14 262.56 162.56Trim III 2017 6.09 106.09 278.55 178.55Trim IV2017 3.58 103.58 288.52 188.52Trim I 2018 2.31 102.31 295.18 195.18Trim II 2018 1.98 101.98 301.02 201.02Trim III 2018 2.01 102.01 307.07 207.07

Utilizând împreună indicatorii absoluți și cei relativi pot fi trase concluzii în legătură cu cifra de afaceri înregistrată de întreprinderea noastră în perioada analizată, se constată o creștere susținută a acesteia de aproximativ trei ori în anul 2018 față de anul 2013. Pentru indici cu baza în lanț este înregistrată o creștere până în anul 2015, urmând ca după această dată, acest indice, să înregistreze o descreștere semnifi cativă. În ceea ce privește indicii cu bază fi xă și ritmul cu bază fi xă observăm o creștere susținută de la o perioadă la alta. Trebuie știut însă că datorită bazei lor variabile, indicii cu bază în lanț, față de indicii cu bază fi xă, nu pot fi comparați nemijlocit. Pentru a evidenția tendința de dezvoltare a fenomenului analizat, este recomandat să se calculeze


un indicator intermediar care este valoarea absolută a unui procent de creștere cu bază fi xă și cu bază în lanț. Valoarea absolută a procentelor de creștere cu bază fi xă este aceeași pentru întreaga perioadă, deoarece nivelul care s-a considerat egal 100% este

nivelul anului de bază (y0) și exprimă câte unități, din sporul înregistrat într-un an, revin la fi ecare procent din ritmul sporului. Prin raportarea sporului absolut la sporul relativ obținut pentru aceeași perioadă prin raportare la aceeași bază vom avea valoarea absolută a creșterii procentuale cu bază fi xă. Dacă se notează cu Ai/0 valoarea absolută a unui procent de creștere cu baza fi xă, atunci acestea pot fi redate cu relația:

(21)

Se constată că, de fi ecare dată, valoarea absolută ce revine unui procent de creștere cu bază fi xă se poate calcula făcând raportul între nivelul perioadei de bază și 100 precum în formulele de mai jos:

(22)

(23)

Între acești indici există compatibilitate putându-se efectua operații de adunare și scădere. Valoarea absolută a unui procent de creștere cu baza în lanț se va determina utilizând același raționament conform următoarei relații:

(24)

Mărimea absolută se mai poate calcula ca a suta parte din nivelul creșterii perioadei precedente prin intermediul relațiilor de mai jos:

(25)

(26)

Acest indicator face legătura între indicatorii absoluți și indicatorii relativi, sprijinind interpretarea corectă a lor.


Concluzii

Din analiza care stă la baza indicatorului referitor la analiza performanței economico-fi nanciare a unei societăți comerciale pe baza seriilor dinamice de fl uxuri, se desprind o serie de concluzii în primul rând teoretice,

dar și practice. Seriile dinamice de fl uxuri, asigură posibilitatea efectuării unei

alte analize bazată pe evoluția până la un moment dat a societății comerciale,

a rentabilității obținute, a utilizării resurselor de care dispune și pe baza

acestor indicatori care au rezultat se pot realiza îmbunătățiri pentru perioada

următoare.

Din acest punct de vedere, s-a evidențiat că la nivel de analiză

microeconomică, sistemele dinamice de fl uxuri sunt deosebit de utile, în

sensul că asigură o posibilitate de interpretare a rezultatelor obținute în fi ecare

perioadă de timp și de aici și perspectiva evoluției viitoare, desigur în contextul

în care resursele materiale și toate celelalte aspecte sunt utilizate în mod real

fi nanciar, așa încât creșterea să fi e asigurată. Desigur, indicatorul de bază pe

care l-am spus acestei analize a fost cifra de afaceri realizată de societatea

comercială într-o perioadă de timp.

O altă concluzie este aceea că în activitatea unei societăți comerciale

cu obiect de activitate mai complex, există și posibilități de infl uență sezonieră

în funcție de anumite produse sau servicii care se realizează sau prestează.

Din acest punct de vedere, utilizând mediile cronologice și indicii calculați

cu bază fi xă și cu bază în lanț, am putut desprinde unele aspecte care au stat

la baza interpretării evoluției și în fi nal a rentabilității realizate de societatea

comercială considerată.

Prin analiza teoretică, interpretată la nivelul unei societăți comerciale,

am oferit posibilitatea de înțelegere a utilității utilizării seriilor dinamice de

fl uxuri, în oricare societate comercială națională, multinațională, la nivelul

economiei naționale, la nivelul ramurilor sectoarelor de activitate. Desigur,

analiza efectuată poate fi extinsă la mai mult, utilizând și alte modele statistico-

econometrice care să asigure o interpretare și analiză mai coerentă asupra

previziuni evoluției rentabilității societății comerciale. Desigur, vorbind de

rentabilitate, avem în vedre modul în care performanțele societății comerciale

sunt asigurate și pe cale de consecință prin parametrii calculați se pot identifi ca

măsurile care trebuie întreprinse.

Bibliografi e

1. Anghel, M.G. (2015). Analiză fi nanciar-monetară, Editura Economică, Bucureşti

2. Anghel, M.G. (2014). The System of Financial Analysis Indicators Applying to the

Activity run by an Economic Agent. Romanian Statistical Review Supplement, 7, 75-83

3. Anghelache, C., Grigorescu, D.L., Bîrsan, O. (2019). Main aspects on the nature

of dynamic models. Theoretical and Applied Economics, XXVI (2019), 4(621),

Winter, 129-138


4. Anghelache, C. (2008). Tratat de statistică teoretică şi economică, Editura Economică, Bucureşti

5. Anghelache, C., Mitruţ, C., Voineagu, V. (2008). Utilizarea seriilor cronologice în procesele stocastice. Romanian Statistical Review Supplement, 3, 6-13

6. Iacob, S.V. (2019). Utilizarea metodelor statistico-econometrice și econofi zice în

analize economice, Editura Economică, București 7. Iacob, Ș.V. (2018). The Spectral Analysis of Labor Force and Profi t of Construction

Materials Distribution Companies in Romania Analogue Spectrum of Light in

Physics. International Journal of Academic Research in Accounting, Finance and

Management Sciences, 8 (3), 53–62

8. Boshnakov, G.N., Iqelan, B.M. (2009). Generation of Time Series with Given

Spectral Properties. Journal of Time Series Analysis, 30 (3), 349-368

9. Pesavento, E., Rossi, B. (2006). Small–sample Confi dence Interevals for

Multivariate Impulse Response Functions at Long Horizons. Journal of Applied

Econometrics, 21 (8), 1135–1155

10. Reis, R. (2009). The Time-Series Properties of Aggregate Consumption:

Implications for the Costs of Fluctuations. Journal of the European Economic

Association, 7 (4), 722-753


THE USE OF THE DYNAMIC FLOW SERIES IN THE ANALYSIS OF THE ECONOMIC-

FINANCIAL PERFORMANCE OF A TRADING COMPANY

Professor Constantin ANGHELACHE, PhD ([email protected])

Bucharest University of Economic Studies / ,,Artifex”University of Bucharest

Iulian RADU, PhD Student ([email protected])




Abstract

The economic-fi nancial performance of a trading company depends

on the realization of real growth programs, the assurance of some correlations

between them, as well as the interpretation of these correlations. In the case of

the present article, the authors set out to analyze through the dynamic series

of fl ows, how a commercial company evolves economically. The data for

such concrete analyzes are taken from the balance sheets of the commercial

companies, being able to determine a series of parameters, which will refl ect

how these results of the company evolve.

The chronological series generally presents a series of indicators with

large variations from one period of time to another and therefore the evolution

mode can be highlighted only by processing the data presented as data series

over a longer period to be edifying and using dynamic chronological series.

The calculation methodology must ensure the expression of the

variation in time, based on an analytical function of time, which has been

substantiated and expressed accordingly. This analysis must be carried out in

the most precise way by using dynamic series of turnover, their modifi cation,

growth rate, and calculations will be made based on chronological indicators,

which are expressed and calculated as fi xed-base indicators or indicators

chain-based. From the dynamics indications that have resulted and from

their interpretation one can draw the necessary conclusions. In this sense,

the indicators used in absolute or relative size, expressed and suggested the

degree of profi tability of the business activity in question.

We have taken data series as wide as possible for the calculated

parameters to be representative, and the eventual or necessary, rather, forecast

of the evolution of the company and based on its profi tability, may increase in

the next period or on the contrary may be blocked. The article and the study


carried out are based on concrete data taken from a representative trading

company, mentioned in the article.

Keywords: indicators, dynamic series, variation, fi xed and chain basis, absolute and relative size. JEL Classifi cation: C10, E22

Introduction

In this article, regarding the analysis of the economic-fi nancial performance of a trading company using dynamic evenings of fl ows, we

started from the need to know how a trading company evolved over a period

of time, to identify the future evolution modalities. and consequently, we can

ensure through the measures taken an increase in the value of the turnover,

subordinated to the improvement of the profi tability of the company.

The article fi rst presents aspects regarding the dynamic series of

fl ows, also highlighting the time function that can be used, depending on the

values of the variables used and the values of the time variable, identifying the

indicators with fi xed base and chain based, which are usable within this desire

of anyone to increase the profi tability of a trading company.

We used the relative sizes that refer to two aspects, when they represent

variations with respect to the level of the base period by comparison, or by

reference to the previous period, from which the indicators used, respectively

indexes with fi xed base and indexes based on chain.

The calculations performed and presented revealed the way in which

the main aspects that characterize the fi nancial situation of a trading company

evolve, context in which the manager of the trading company can determine

precisely how to act in order to ensure a profi tability increase.

We did not focus on presenting actual calculations, as we consider the

situation of the trading company at one point, and the resulting indicators were

presented in the synthetic tables, in particular the turnover and the eff ect on

the profi tability. Based on these, the data was interpreted and analyzed, which led to theoretical and practical conclusions, suggesting that using absolute and relative indicators together, there are wider possibilities to interpret the recorded turnover and the economic growth or decrease depending on the mode is observed. in which the resources available to the trading company (fi nancial, labor and capital) are available.

Literature review

Anghel (2015) presented a set of economic-fi nancial indicators used in the analysis of the company. Anghel (2014) conducted a study on the results of the company, based on the fi nancial statements. Anghelache, Grigorescu


and Bîrsan (2019) analyzed a number of fundamental elements regarding the nature of dynamic models. Anghelache (2008) analyzed the main statistical indicators applied in economic studies. Anghelache, Mitruţ and Voineagu (2008) highlighted the role of chronological series in stochastic processes. Iacob (2019) analyzed the statistical-econometric instrumentation in economic studies. Iacob (2019) carried out a spectral analysis of the profi t of the construction

materials distribution companies in Romania. Boshnakov and Iqelan (2009) and

Reis (2009) addressed a number of issues related to dynamic series analysis.

Pesavento and Rossi (2006) investigated aspects of confi dence intervals.


The chronological series, show indicators with large variations

from time to time. The mode of evolution of the economic phenomena can

be highlighted by the processing of data according to time. Therefore, some

dynamic chronological series, consisting of diff erent types of indicators, can

be statistically processed.

Also, for a series of moments and for a series of intervals, the

calculations of a system of indicators are performed diff erentially.

The calculation methodology must ensure the continuity of the time

variation, being an analytical function of time that can be reproduced by the

relation:

(1)

where:

The data regarding the evolution of the turnover of a trading company,

over a period of twenty-four quarters, are structured in the following table.

Situation regarding the turnover realized during the period Trim I 2013-

Trim IV 2018

Table 1

Period QI 2013 Q II 2013 QIII 2013 QIV 2013 Q I 2014 Q II 2014 Q III2014 QIV 2014 Q I 2015 Q II 2015 Q III2015

Turnover (Ron) 7981235 8523648 9042738 9569813 9862278 10442412 10864286 11436068 12167137 13076829 14971662

Q I V2015 Q I 2016 Q II 2016 Q III 2016Q IV 2016

Q I 2017 Q II 2017 Q III 2017Q IV 2017

Q I 2018 Q II 2018 Q III 2018Q IV 2018

15753204 16241993 17345817 18402178 19474782 20121805 20955326 22231506 23027309 23558884 24025397 24508307 24970016

The absolute increase or decrease can be calculated from the level of a

single period, considered the reference base, in which case a fi xed base index

is obtained. From one reference base to another reference base, indexes based


on the chain are obtained, considered as an absolute increase or decrease with a variable basis. Fixed-base and chain-based gains, which are calculated as the diff erence between the level of each period and the level of the reference period, are determined according to the relationships: • Fixed base gain:

(2) • Chain-based gain:

(3)

Situation regarding the dynamics of the turnover realized during the

period 2013-2018

Table 2

Years

Turnover

(RON)Absolute changes with Dynamic indices with Growth rate with

fi xed base chain base fi xed base chain base fi xed base chain base

y

A 01 02 03 04 05 06 07Q I 2013 7981235 100Q II 2013 8523648 542413 542413 106.80 106.80 6.80 6.80Q III 2013 9042738 1061503 519090 113.30 106.09 13.30 6.09Q IV2013 9569813 1588578 527075 119.90 105.83 19.90 5.83Q I 2014 9862278 1881043 292465 123.57 103.06 23.57 3.06Q II 2014 10442412 2461177 580134 130.84 105.88 30.84 5.88Q III 2014 10864286 2883051 421874 136.12 104.04 36.12 4.04Q IV2014 11436068 3454833 571782 143.29 105.26 43.29 5.26Q I 2015 12167137 4185902 731069 152.45 106.39 52.45 6.39Q II 2015 13076829 5095594 909692 163.84 107.48 63.84 7.48Q III 2015 14971662 6990427 1894833 187.59 114.49 87.59 14.49Q IV2015 15753204 7771969 781542 197.38 105.22 97.38 5.22Q I 2016 16241993 8260758 488789 203.50 103.10 103.50 3.10Q II 2016 17345817 9364582 1103824 217.33 106.80 117.33 6.80Q III 2016 18402178 10420943 1056361 230.57 106.09 130.57 6.09Q IV2016 19474782 11493547 1072604 244.01 105.83 144.01 5.83Q I 2017 20121805 12140570 647023 252.11 103.32 152.11 3.32Q II 2017 20955326 12974091 833521 262.56 104.14 162.56 4.14Q III 2017 22231506 14250271 1276180 278.55 106.09 178.55 6.09Q IV2017 23027309 15046074 795803 288.52 103.58 188.52 3.58Q I 2018 23558884 15577649 531575 295.18 102.31 195.18 2.31Q II 2018 24025397 16044162 466513 301.02 101.98 201.02 1.98Q III 2018 24508307 16527072 482910 307.07 102.01 207.07 2.01Q IV2018 24970016 16988781 461709 312.86 101.88 212.86 1.88


(4) Which means that:

( ) + ... + ( ) = (5)

These indicators are widely used in macroeconomic analyzes in order to establish correlations and proportions between diff erent branches of the national economy or between diff erent economic sectors. The relative sizes can refer to two aspects: when the level of a period shows variations with respect to the level of the period chosen as the basis of comparison or to fi nd the change of the level of a phenomenon from the reported period to the reporting period. The relative size or the dynamic index shows the change in time of a phenomenon and is calculated with both a fi xed and a chain basis. Dynamics index with a fi xed basis calculated as a ratio between the level of the period for which it is calculated and the level of the period chosen as the basis:

(7)

Growth index based on the chain ( calculated as a ratio between the level of the period for which it is calculated and the level of the period chosen as the basis:

(8)

A chronological series will get as many fi xed-base indexes as we have terms, and one less in the case of chain-based indexes. Between the indices there are relations that allow the transition from one form to another. If we make the product of growth indices based on the chain we obtain the growth index with fi xed base for the whole period, as shown in the relation:

(9)where: (10)

If we report a fi xed-base dynamics index for the current period to the fi xed-base index of the previous period, we obtain the corresponding chain-based index, as in the formula:


(11)

Otherwise expressed:

(12)

The rate of development, the rate of the increase, or the rate of growth with a fi xed base or with a chain base is calculated to establish the increase of the level compared to the level taken as a reference base:The growth rate with a fi xed base can be reproduced through the relationships:

(13)

The rate of development shows the relative increase achieved each year compared to the base period. The growth rate based on the chain, expressed in percentages, is calculated as a ratio between the growth of the chain of each year and the level of the previous year as follows:

(14)

The transition from a growth rate with a fi xed base to a chain based growth is achieved only by transforming them into corresponding dynamics indices.

(15) (16)

Because the product of growth rate indexes based on the chain is not equal to the index of fi xed rate growth of the whole period:

(17)

Using the relationships from one base to another, growth indices or growth rates can lead to obtaining indices that we do not know. If the growth rates based on the chain are known we can calculate other indicators with fi xed or mobile base. Chain based indicators:

(18)


Fixed-base indicators: (19)

Fixed growth rate:

(20)

Transition from growth rates to dynamic bases with mobile bases to

rhythms and fi xed base indices

Table 3Known data Date calculate

YearsRhythm from the previous year (%)

Indexes based on

the chain

Indices with

fi xed baseRhythm with

fi xed base0 1 2 3 4

Q I 2013Q II 2013 6.80 106.80 106.80 6.80Q III 2013 6.09 106.09 113.30 13.30Q IV2013 5.83 105.83 119.90 19.90Q I 2014 3.06 103.06 123.57 23.57Q II 2014 5.88 105.88 130.84 30.84Q III 2014 4.04 104.04 136.12 36.12Q IV2014 5.26 105.26 143.29 43.29Q I 2015 6.39 106.39 152.45 52.45Q II 2015 7.48 107.48 163.84 63.84Q III 2015 14.49 114.49 187.59 87.59Q IV2015 5.22 105.22 197.38 97.38Q I 2016 3.10 103.10 203.50 103.50Q II 2016 6.80 106.80 217.33 117.33Q III 2016 6.09 106.09 230.57 130.57Q IV2016 5.83 105.83 244.01 144.01Q I 2017 3.32 103.32 252.11 152.11Q II 2017 4.14 104.14 262.56 162.56Q III 2017 6.09 106.09 278.55 178.55Q IV2017 3.58 103.58 288.52 188.52Q I 2018 2.31 102.31 295.18 195.18Q II 2018 1.98 101.98 301.02 201.02Q III 2018 2.01 102.01 307.07 207.07

Using the absolute and relative indicators together, conclusions can be drawn regarding the turnover of our company during the analyzed period, a sustained growth of approximately three times in 2018 compared to 2013. For indexes based on the chain there is an increase until 2015, after which, after this date, this index will register a signifi cant decrease. Regarding fi xed-base indexes and fi xed-base rhythms, we observe a steady increase from one period to another. It should be known, however, that due to their variable base, chain-based indices versus fi xed-base indices, they cannot be compared directly. In


order to highlight the tendency of development of the analyzed phenomenon, it is recommended to calculate an intermediate indicator which is the absolute value of a percentage of growth with a fi xed base and with a chain base. The absolute value of the percentages of growth with a fi xed base is the same for the whole period, because the level that was considered 100%

equal is the level of the base year (y0) and expresses how many units, of the

increase registered in a year, return to each percentage of the rhythm gain.

By comparing the absolute increase to the relative gain obtained for

the same period by referring to the same basis we will have the absolute value

of the percentage increase with a fi xed base. If the absolute value of a growth percentage with a fi xed base is noted with Ai /0, then they can be played with the relation:

(21)

It is found that, each time, the absolute value corresponding to a percentage of growth with a fi xed base can be calculated by making the ratio between the base period level and 100 as in the formulas below:

(22)

(23)

Between these indices there is compatibility being able to carry out operations of addition and subtraction. The absolute value of a growth percentage based on the chain will be determined using the same reasoning according to the following relation:

(24)

The absolute size can also be calculated as one hundred percent of the growth of the previous period through the relationships below:

(25)

(26)

This indicator links absolute indicators with relative indicators, supporting their correct interpretation.


Conclusions

From the analysis that underlies the indicator regarding the analysis of the economic-fi nancial performance of a trading company based on the dynamic series of fl ows, a number of theoretical, but also practical, conclusions

are drawn. The dynamic series of fl ows, ensures the possibility of carrying out

another analysis based on the evolution until now of the trading company, the

profi tability obtained, the use of the resources available and based on these

indicators that have resulted can be improved for the next period.

From this point of view, it has been pointed out that at the level of

microeconomic analysis, dynamic fl ow systems are particularly useful, in that

they provide a possibility to interpret the results obtained in each time period

and from here and the perspective of future evolution, of course in the context

in which material resources and all other aspects are actually used fi nancially, so

that growth is ensured. Of course, the basic indicator I mentioned in this analysis

was the turnover achieved by the trading company over a period of time.

Another conclusion is that in the activity of a trading company with

a more complex object of activity, there are possibilities of seasonal infl uence

depending on certain products or services that are realized or provided. From

this point of view, using the chronological averages and the indexes calculated

on a fi xed basis and on a chain basis, we were able to clear some aspects

that were the basis for interpreting the evolution and fi nally the profi tability

achieved by the considered trading company.

Through the theoretical analysis, interpreted at the level of a trading

company, we off ered the possibility to understand the utility of using the

dynamic series of fl ows, in any national, multinational trading company, at

the level of the national economy, at the level of the sectors of the activity

sectors. Of course, the analysis carried out can be extended to more, using

other statistical-econometric models to ensure a more coherent interpretation

and analysis on the forecasts of the evolution of the profi tability of the trading

company. Of course, speaking of profi tability, we have in mind the way in

which the performances of the trading company are ensured and consequently

through the calculated parameters, we can identify the measures to be taken..

References

1. Anghel, M.G. (2015). Analiză fi nanciar-monetară, Editura Economică, Bucureşti 2. Anghel, M.G. (2014). The System of Financial Analysis Indicators Applying to the

Activity run by an Economic Agent. Romanian Statistical Review Supplement, 7, 75-83

3. Anghelache, C., Grigorescu, D.L., Bîrsan, O. (2019). Main aspects on the nature of dynamic models. Theoretical and Applied Economics, XXVI (2019), 4(621), Winter, 129-138


4. Anghelache, C. (2008). Tratat de statistică teoretică şi economică, Editura Economică, Bucureşti

5. Anghelache, C., Mitruţ, C., Voineagu, V. (2008). Utilizarea seriilor cronologice în procesele stocastice. Romanian Statistical Review Supplement, 3, 6-13

6. Iacob, S.V. (2019). Utilizarea metodelor statistico-econometrice și econofi zice în

analize economice, Editura Economică, București 7. Iacob, Ș.V. (2018). The Spectral Analysis of Labor Force and Profi t of Construction

Materials Distribution Companies in Romania Analogue Spectrum of Light in

Physics. International Journal of Academic Research in Accounting, Finance and

Management Sciences, 8 (3), 53–62

8. Boshnakov, G.N., Iqelan, B.M. (2009). Generation of Time Series with Given

Spectral Properties. Journal of Time Series Analysis, 30 (3), 349-368

9. Pesavento, E., Rossi, B. (2006). Small–sample Confi dence Interevals for

Multivariate Impulse Response Functions at Long Horizons. Journal of Applied

Econometrics, 21 (8), 1135–1155

10. Reis, R. (2009). The Time-Series Properties of Aggregate Consumption:

Implications for the Costs of Fluctuations. Journal of the European Economic

Association, 7 (4), 722-753


Modele dinamice aplicate la nivel macroeconomic

Ștefan Gabriel DUMBRAVĂ, PhD Student ([email protected])

Academia de Studii Economice din BucureștiAlexandra PETRE, PhD Student ([email protected])

Academia de Studii Economice din BucureștiCristian OLTEANU, PhD Student ([email protected])


Abstract Analizele macroeconomice sunt de profunzime și au o mare complexitate. La acest nivel trebuie luate în discuție o serie de agregate (variabile statistice), care se întâlnesc în analiza structurală a economiei

naționale. Desigur, între variabilele statistice exist o serie de proporții și corelații, adică în sensul de a respectat cerințele, legea fundamentală a pieței libere, adică raportul dintre ofertă și cerere și trebuie să le avem în vedere atunci când programăm activitatea privind menținerea acestor proporții. Un număr mare de modele au fost dezvoltate în activitatea de statistică și econometrie cu foarte mult timp în urmă. Aceste modele statistico-economice au evoluat de-a lungul timpului, în strânsă concordanță cu evoluția structurii macroeconomiilor. Procesele în cadrul economiei naționale sunt dinamice și pornesc de la resursele naturale, de la factorii de producție, precizați de Coub-Douglas, în funcția de producție, respectiv capitalul, resursele umane sau capitalul uman și resursele naturale și fi nanciare. Aceste trei elemente

trebuie asigurate în anumite proporții și corelații, astfel încât la nivelul economiei să se realizeze concordanță, care să nu conducă la destabilizare sau cu alte cuvinte să nu afecteze macrostabilitatea. Aceasta este doar un ,,postulat”, dar trebuie totuși ca cei care programează, manageriază economia națională, să studieze cu mare atenție evoluția fi ecărei resurse, fi ecărei capacități de producție și, nu în ultimul rând,

utilizarea la efi ciență maxima capitalul uman.

Construirea modelelor poate fi un proces normal, dar anumite

proceduri sunt necesar să fi e urmate. Astfel, în prima fază se pune problema

să identifi căm elementele (variabile statistice) care sunt determinante la

nivelul de evoluție a economiei naționale. Apoi se impune să fi e studiate pe

baza seriilor de date pe termen lung și a reprezentărilor grafi ce, care este

tendința de evoluție a fi ecărui agregat ( variabilă statistică) și mai ales să se

stabilească și care este corelația rezultată din seriile de date și reprezentările


grafi ce, care se constituie între aceste variabile.

Cu alte cuvinte, modelele statistico-econometrice se folosesc cu succes

la nivel macroeconomic, unul dintre cele mai complexe fi ind de fapt, tabelele

input-output sau intrări-ieșiri, care sugerează și dau posibilitatea să se

calculeze atât coefi cienții de consum, cât și anumite corelații care se stabilesc

între elementele considerate. Stabilirea unui model pleacă de la identifi carea

variabilelor statistice de luat în considerație, identifi carea corelațiilor care

se realizează între acestea, stabilirea proporțiilor dintre resursele care

trebuie utilizate, fundamentarea unor relații statistico-econometrice și apoi

fundamentarea unui model, care prin rezolvare, pe baza datelor din seria de

date de care dispunem, să conducă la obținerea parametrilor, în baza cărora

putem estima evoluția viitoare a economiei.

Cuvinte cheie: modele dinamice, evoluție, macroeconomie, corelații,

variabile statistice.

Clasifi carea JEL: C10, E10

Introducere

În acest articol ,,Modele dinamice aplicate la nivel macroeconomic” autorii au pornit de la complexitatea economiei naționale, identifi când o serie

de aspecte care sa evidențiază a fi reprezentative, semnifi cative, la nivelul economiei naționale. Rezultă că modelele dinamice sunt cele care trebuie utilizate cu preponderență la nivelul economiei naționale, deoarece acesta este și sensul analizelor la acest nivel, vizând determinarea evoluției până la un moment dat și apoi, în mod garantat, identifi carea trendului care trebuie avut în vedere în evoluția economiei în perioada următoare. Sistemul macroeconomic cuprinde o serie de agregate, care sunt corelate între ele, unele fi ind cu funcție factorială, adică de infl uență a evoluției generale a economiei naționale, iar altele sunt rezultative, adică efect al evoluției acestor variabile. S-au evidențiat detaliile care descriu posibilitatea construirii unor modele, în mod concret a modelelor dinamice. Un element esențial îl constituie construirea și revizuirea modelului econometric, care, realizat la un moment dat, trebuie să fi e adaptat în funcție de dinamica evoluțiilor pe care le înregistrează variabilele considerate. Un model matematic este acela care prin coefi cienții pe care îi putem calcula va conduce la obținerea de parametrii de regresie, în cazul folosirii funcției de regresie, aceștia asigurând estimarea evoluției viitoare. În general, modelele utilizate la nivel macroeconomic pot fi statice, statice-comparative sau dinamice, acestui aspect acordându-i-se în acest articol o importanță aparte. Am menționat tipurile de modele și trebuie să precizăm că, majoritatea, se încadrează într-una din cele trei clase generale,


adică modele statice, care aparțin modelelor sau care aparțin situațiilor care

reprezintă un anumit fenomen la un moment dat, în mod static, pentru o analiză de moment. A doua clasă cuprinde modelele statice-comparative, care compară fenomenele în diferitele momente ale timpului, deci comparabilitatea făcându-se în legătură cu evoluția acelei variabile, acelui agregat, într-o perioadă de timp dată. Al treilea model este cel dinamic, care, ține seama de modul în care

fi ecare variabilă, și acestea în complexitatea lor, refl ectă schimbările în timp real, sau simulat și iau în considerație faptul că componentele acestui model evoluează constant, ca urmare a acțiuni variabilelor factoriale pe care le-am avut în vedere. De asemenea, în articol se face o descriere și o prezentare complexă a componentelor modelului. Construirea începe cu obiectivul urmărit, după care decidem limitele sistemului, în sensul că trebuie să integreze obiectivul respectiv. În acest sens se pornește de la identifi carea variabilelor care prezintă interes, astfel încât la nivel macroeconomic să putem identifi ca acele elemente care constituie obiectul comparabilității în timp.

Literature review

Andersen, P.K., Borgan, O., Gill, R., & Keiding, N. (1993), abordează în lucrarea lor unele modele statistice bazate pe anumite procese de numărare. Anghelache, C., Petre, A., Olteanu, C. (2019), sunt preocupați de conceptele și metodele de analiză econometrică a fenomenelor la nivel macroeconomic. Anghelache Constantin, Anghel Mădălina Gabriela (2014), abordează din punct de vedre teoretic, cât și aplicativ modelarea economică. Anghelache Constantin, Anghelache Gabriela Victoria, Bârsan Oana (2019), sunt preocupați de modelul TRAMO - SEATS care este utilizat în analize econometrice a seriilor dinamice Bollerslev, T. & Wooldridge, J.M. (1992), sunt preocupați de estimări în modele dinamice variante în timp. Iacob, S,.V. (2019), este preocupat de modele de analiză statistico-econometrice a fenomenelor economice. Ruth, M., Hannan, B. (2012), abordează sistemul economic dinamic.

Metodologie, date, discuții, rezultate

Un număr mare de modele au fost dezvoltate de cercetătorii în economie cu mulți ani în urmă. Fiecare a fost preocupat de o parte din economie și face presupuneri diferite asupra proceselor care infl uențează acea parte. Recent, a fost acordată o atenție sporită relațiilor dintre economie și mediu. În cele din urmă, toate materialele și energia utilizată pentru a răspunde nevoilor economice trebuie să fi e extrase din mediu. Extragerea, prelucrarea, distribuția și utilizarea de materii și energie, la rândul lor, conduc la generarea


de deșeuri. Atât epuizarea resurselor, cât și generarea de deșeuri ar putea afecta bunăstarea umană și, prin urmare, trebuie înțelese pentru a lua decizii

economice adecvate.

Vom trata procesele dinamice din sistemele economice, care se

concentrează pe extragerea și utilizarea resurselor naturale. Dezvoltăm modele pentru a înțelege mai bine impactul deciziilor alternative asupra performanței

economice și a calității mediului. Modelele sunt instrumente esențiale în

generarea de noi cunoștințe, care ajută la simplifi carea fenomenelor complexe prin eliminarea a tot ceea ce este străin de ceea ce vrem să concluzionăm. O ecuație, este un model deosebit, dar, relațiile dintre variabile și unele condiții inițiale ale sistemului investigat sunt reale. Calculatoarele ne permit să extindem sfera modelelor, să includem variabile din ce în ce mai diverse și să punem mai multe întrebări „ce? dacă?”. Heinz Pagel a comparat ideile oferite de modelele de calculator cu vederea extinsă, oferită de microscoape și telescoape. Cu „ce? dacă?”, putem explora replicarea particulelor virale sau a economiei unei națiuni și putem explora fenomene dinamice, dar și statice. Prin astfel de modele, putem explica lumea din jurul nostru și anticipa evenimentele viitoare. Fenomenele din lumea reală sunt difi cil de studiat, fără apelarea la u model adecvat. Suntem, uneori în situație de analiză, un număr mare de detalii, interrelații complexe și o aparentă lipsă de organizare, precum și de natura dinamică a realității în proces. Pentru

a face față unor astfel de evenimente complexe, formulăm întrebări despre

procesul pe care dorim să îl studiem și încercăm să răspundem la aceste

întrebări. Căutăm modele în detaliu, fără a pierde din vedere imaginea fi nală,

căutăm cheia de bază, setul particular de detalii sau structura care duce la

unele rezultate pe care le-am considerat. Modelele, ca abstracții ale realității,

ne obligă să luăm în considerare rezultatele presupunerilor noastre structurale

și dinamice.

Construirea modelelor poate fi un proces implicat și anumite proceduri

sunt în general urmate. Să presupunem că un eveniment real îți stârnește

curiozitatea cu privire la ce a provocat-o sau la ce ar putea duce. Interpretați

această curiozitate privind un eveniment sau procesele care îl înconjoară.

Identifi cați elementele cheie, iar presupunerile despre acestea formează o

versiune abstractă a evenimentului. De exemplu, pentru a determina „cea

mai bună” formă de a stoca, ai luat în considerare locația geografi că, ora la

care se deschide, trafi cul și alte obstacole care îți pot împiedica viteza de a

ajunge acolo și locația anterioară, ora în care trebuie să efectuați deplasarea și

posibilele rute pentru a ajunge la punctul dorit. Puteți considera vremea doar

dacă v-ar afecta viteza între cele două locații. Locurile prin care vei trece pe

parcurs nu vor intra în atenție, decât dacă vrei să faci o alegere realistă despre


combinarea unei vizite pentru a atinge scopul urmărit. Parametrii rămași pentru a determina sunt, distanța, timpul pe care trebuie să-l parcurgi, căile posibile și factorii care ar putea afecta fi nalizarea procesului. După ce reduceți detaliile la cele care au semnifi cație, trebuie să specifi cați relațiile dintre ele. Variabilele și relațiile se stabilesc în modelul construit. Ar trebui ajungem la concluzia că putem contura modelul, pentru a atinge scopul urmărit. „Rularea” modelului - în acest caz, relația dintre distanță, viteză și obstacole posibile, oferă viziunea și datele pentru care se ajunge la concluzii și, poate, evidenția tendința viitoare. Astfel de concluzii și așteptări pot fi comparate cu alte situații similare. În lumina experiențelor din lumea reală se poate decide să respingem modelul, să îl acceptăm sau, cel mai probabil, să îl revizuim. Construirea și revizuirea modelului este continuă - construcție, execuție, comparație și modifi care - și fi ecare ciclu îmbunătățește cunoașterea realității. Uneori, procesul de modelare ne ajută să identifi căm parametrii noi și importanți. Uneori, modelarea poate conduce la reducerea importanței parametrului considerat în mod anticipat. Modelele bune sunt cele mai simple care explică date considerate, chiar dacă nu le explică pe toate, lăsând un loc pentru ca modelul sau teoria să ofere și alte variante. Modelele realiste trebuie să conțină elemente care, să corespundă direct obiectelor din lumea reală. Acestea ar trebui să ofere un răspuns fi abil necesității de cunoaștere. Situațiile pentru modelarea comportamentului unui sistem fără a verifi ca rezultatele modelului în raport cu realitatea sunt, de regulă arbitrare. Dacă modelele fac predicții care, în cele din urmă se dovedesc a fi greșite, față de modelul conceput, acestea nu sunt acceptate. Cu toate acestea, dacă modelul nu reușește să fi e mai efi cient decât altele, înseamnă că s-au strecurat erori. În procesul de modelare pe care îl propunem, este relativ ușor să schimbăm o presupunere și să determinăm efectul rezultat asupra comportamentului la nivelul întregului sistem. Este posibil să identifi căm paradigme consacrate. Dacă rezultatele sunt mai aproape de realitate, aceste paradigme dispar.

• Modele statice, statice-comparate și dinamice

Majoritatea modelelor se încadrează într-una din cele trei clase generale. Primul tip aparține modelelor care reprezintă un anumit fenomen la un moment dat, analizat în mod static. De exemplu, evoluția unei economii naționale la un moment dat, exprimă nivelul înregistrat în acel moment. Cu alte cuvinte, determinăm, pe baza unui model de tip static, stadiul unei economii naționale la un moment dat. A doua clasă cuprinde modele statice comparative care compară unele fenomene la diferite momente de timp. Aceasta este ca și cum ai folosi o serie de instantanee pentru a face referințe privind evoluția


sistemului de la un moment la altul fără a modela procesul propriu-zis. Alte modele descriu și analizează chiar procesele care stau la baza unui anumit fenomen. Un exemplu în acest sens ar fi un model matematic care descrie cererea și oferta unui bun, ca funcție a prețului său, pe o perioadă de timp. Alegând o abordare prin modelare statică, este posibil să dorim să găsim prețul în baza căruia cererea și oferta sunt în echilibru și să identifi căm proprietățile acestui echilibru. Prețul echilibrului este de regulă unul unic, dar mai există și alte prețuri care echilibrează cererea și oferta. Echilibrul este stabil sau cu mici perturbații ale sistemului însoțite de o deplasare de la echilibru. O analiză privind echilibrul este problema curentă în economia reală. Alternativ, ar putea fi elaborat un model care să arate schimbările cererii și ofertei în timp. Modelele dinamice sunt cele care urmăresc să refl ecte schimbările în timp real sau simulat și iau în considerare faptul că componentele modelului evoluează constant ca urmare a acțiunilor anterioare. Odată cu apariția de software ușor de utilizat, putem construi bazat pe datele existente ale unui sistem și apoi să le dezvoltăm. Lumea nu este un proces static sau comparativ, astfel încât modelele care o tratează în acest fel vor deveni caduce și pot fi chiar înșelătoare. Putem investiga în detaliu și cu precizie comportamentul sistemului de-a lungul timpului, identifi când mișcarea și astfel se realizează poziții de echilibru sau departe de pozițiile de echilibru, analiza echilibrului. În științele sociale, biologice și fi zice, cercetătorii examinează interrelațiile complexe și în schimbare între factorii dintr-o varietate de domenii. Oamenii de știință aduc în atenție noi aspecte care implică date noi de referință. Acesta este motivul pentru care trebuie să înțelegem dinamica și interrelațiile complexe între diverse sisteme din lumea reală, din ce în ce mai complicată. Un set de aspecte sensibile este începutul realizării unui model realist și efi cient. Astfel de provocări îl ajută pe cercetător să rămână concentrat pe model, fără să fi e distras de multitudinea de detalii aleatorii care apar. Prin modelare putem studia procesele din lumea reală schițând versiuni simplifi cate ale variabilelor considerate. Astfel, se poate aprecia că orașele au atras muncitori din mediul rural, deoarece au devenit utilizatori de tehnologie, provocând un surplus de locuri de muncă în oraș față de mediul rural. Un alt factor ar putea fi fezabilitatea mutării dintr-o zonă agricolă la oraș. O versiune de bază a acestui model ar putea să se îndepărteze de unii factorii care încurajează sau descurajează o astfel de mutație. Acest model ar putea lăsa în urmă un predictor sufi cient de bun al ratelor de migrație, sau poate nu. Putem să revizuim modelul, pe baza răspunsurilor la aceste provocări. Apoi, se impune a testa modelul revizuit, care în fi nal va conduce la un model îmbunătățit al sistemului conceput.


Elementul principal în modelare este ideea că modelul trebuie să fi e menținut simplu și real, deoarece sistemele complicate se impun a fi simplifi cate. Modele studiază cauza și efectul, deci sunt cauzale. Modelatorul specifi că condițiile inițiale și relațiile dintre aceste elemente. Apoi, modelul descrie cum se va schimba starea la schimbările factorilor considerați. Când cererea de forță de muncă se schimbă, aceasta duce la migrație în ambele direcții. Condițiile inițiale selectate de modelator ar putea fi măsurători efective (numărul de persoane) sau estimări (câte persoane vor fi acolo peste un timp, natalitatea normală și alte condiții specifi ce). Astfel de estimări sunt concepute și refl ectă procesul studiat, dar nu oferă întotdeauna informații precise despre acesta. Prin urmare, estimările vor fi bazate pe date reale sau pot fi rezultatul experienței unui modelator. În fi ecare etapă în procesul de modelare (documentarea condițiilor inițiale, alegerea parametrilor, orice alte presupuneri) se bazează pe efi ciența modelului.

• Componentele modelului

Construirea începe pornind de la obiectivul urmărit. Apoi decidem asupra limitelor sistemului care conține obiectivul. Astfel ajungem la construirea efectivă a modelului. Primul pas în acest proces este identifi carea variabilelor care vor indica starea sistemului nostru de-a lungul timpului. Variabilele determină cunoașterea pas cu pas pe tot parcursul modelării și ajungem la forma fi nală. În general, există două tipuri de variabile de stare, conservate și nerezervate. Variabilele cu rezerve sunt astfel de populații bine determinate care nu iau valori negative. Variabilele de stare neconservate pot fi capabile să adopte și valori negative (temperatura măsurată) sau pot crea valori zero. Variabilele de control sunt cele care modifi că direct variabilele de stare. Ele pot crește sau micșora variabilele de stare în timp. Transformarea variabilelor se face pe baza unor surse de date utilizate pentru modifi carea variabilelor de control. O astfel de variabilă poate fi rezultatul unei ecuații bazate pe alte variabile sau parametri transformați. De exemplu, rata natalității, rata de evaporare sau coefi cientul de pierdere de căldură sunt variabile transformatoare. Componentele unui model trebuie să interacționeze între ele. Astfel de interacțiuni generează procese de feedback. Feedback descrie procesul în care o componentă a modelului inițiază modifi cări în alte componente și aceste modifi cări duc la modifi cări suplimentare ale procesului în mișcare. Se spune că feedback-ul este negativ atunci când modifi carea într-o componentă determină alte componente să răspundă prin contracararea acestei


modifi cări. De exemplu, creșterea nevoii de hrană, cauzată de lucrătorii care migrează, duce la o cerere pentru mai mulți muncitori în zonele agricole. Feedback-ul negativ este adesea motorul care conduce cicluri de ofertă și cerere către un anumit echilibru. Cuvântul negativ nu implică o judecată de valoare, ci doar indică faptul că feedback-ul tinde să anuleze un stimul inițial în procesul schimbării. În feedback pozitiv, modifi carea inițială conduce la modifi cări care consolidează stimulul inițial. De exemplu, dacă ești satisfăcut și te descurci bine, ești tentat să lucrezi mai mult. De exemplu, migrația lucrătorilor agricoli la oraș atrage mai mulți investitori să deschidă comenzi noi, ceea ce atrage și mai mulți lucrători. Un alt exemplu economic de feedback pozitiv a fost observat de Brian Arthur - fi rmele care vor ocupa mai întâi un spațiu geografi c vor fi primele care vor satisface cererea într-o regiune și sunt cele mai probabil să construiască adiționale sau să își extindă operațiunile. Același lucru pare să fi e valabil și cu fermierii ,,pionieri”, cei mai mari fermieri care vor dezvolta prelucrarea pământului. Procesele de feedback negative tind să contracareze o perturbare și să conducă sistemele către un echilibru sau o stare de echilibru. Un rezultat posibil al mecanismelor pieței ar fi acela că echilibrul dintre cerere și ofertă reciproc să fl uctueze în jurul unui punct de echilibru, datorită ajustărilor între sectorul productiv sau cel consumator. În schimb, procesele de feedback pozitiv tind să amplifi ce orice perturbare, îndepărtând punctul de echilibru. Oamenii din diferite discipline percep sau interpretează diferit rolul și puterea proceselor de feedback. Teoria economică neoclasică este de obicei preocupată de forțele pieței care duc la echilibru în sistem. Prin urmare, modelele sunt dominate de mecanisme de feedback negative, cum ar fi creșteri ca răspuns la cererea crescută. Majoritatea sistemelor conțin feedback pozitiv și negativ. Aceste procese sunt aferente și variază în studiul pieței. Astfel, pe măsură ce mai mulți oameni se nasc într-o zonă rurală, populația poate crește mai rapid (feedback pozitiv). Cu toate acestea, întrucât limitele terenurilor arabile existente sunt reduse, natalitatea încetinește, la început, probabil, din motive psihologice, dar, în cele din urmă, din motive de activitate concretă. Relațiile neliniare complică studiul proceselor de feedback. Un exemplu, o astfel de relație neliniară ar avea loc atunci când o variabilă de control nu crește în proporție direct proporțională cu o altă variabilă, ci evoluează într-un mod neliniar. Procesele de feedback neliniare pot determina sistemele să prezinte o evoluție complexă. Putem afi rma că o varietate de procese de feedback generează un comportament complex al sistemului.


Concluzii

Din studiul articolului ,,Modele dinamice aplicate la nivel macroeconomic”, realizat pe baza unei cercetări asupra acestui aspect, se desprind o serie de concluzii teoretice și practice. În mod teoretic modele macroeconomice trebuie să se bazeze pe studiul și identifi carea variabilelor

care sunt de luat în considerare în ceea ce privește evoluția macroeconomică. Modele macroeconomice trebuie considerate a se putea realiza pentru studiul unei economii naționale, în cazul analizei statelor sau a evoluție în timp a acestora, dar, pe de altă parte, trebuie stabilite modele care se asigure comparabilitatea în timp a evoluției statelor lumii sau a fenomenelor considerate, ținând seama de anumite considerente. Construirea modelelor macroeconomice, din punct de vedere teoretic, se face pornind de la identifi carea variabilelor care au semnifi cație, apoi identifi carea corelațiilor care pot fi stabilite între corelații ca urmare a procesului complex macroeconomic, construirea unui model, dar în același timp trebuie realizată și testată statistic semnifi cația modelului convenit. Modelele dinamice se aplică pe scară largă în analizele macroeconomice, caracterul dinamic rezultând a fi la nivelul unei structuri macroeconomice realizată și studiată în timp, sau la mai multe structuri macroeconomice naționale, cum este cazul comparabilităților interstatale, în care static sau dinamic se urmărește identifi carea unor corelații sau mai bine zis, identifi carea unor aspecte corelative care să dea semnifi cație evoluției statelor individuale și în complexitate pe o arie mai larga. Iată de pildă, în prezent, acum când România este membră a Uniunii Europene, cuprinzând 27 de state după Brexitul Britanic, dar așteptând extinderea prin aderarea și altor state la această comunitate europeană, modelele statice și dinamice trebuie aplicate pe scară largă. Simplele clasamente sau interpretări bazate pe elemente superfi ciale nu dau consistență unui studiu comparativ, care să evidențieze modalitățile și semnifi cația evoluției fi ecărui stat în funcție de condițiile concrete pe care le are. De aceea, autorii apreciază că din punct de vedere practic, utilizarea de serii de date statistice pe o perioadă mai îndelungată de timp, de identifi care a corelațiilor care se stabilesc între variabile statistice și, apoi constituirea, crearea de modele adecvate, testate din punct de vedere statistic, se pot asigura rezultate deosebite în aceste analizele dinamice la nivel macroeconomic. Desigur, acest articol și exemplele utilizate sunt doar explicative, ele putând fi dezvoltate și utilizate într-un sens cât mai larg. Modelul considerat, deși apare a fi singular, el poate fi extins prin utilizarea seriilor de date din anuarele statistice ale României și anuarele statistice ale Eurostat privind Uniunea Europeană, iar rezultatele și analizele care se efectuează să fi e de mare amplitudine.


Bibliografi e

1. Andersen, P.K., Borgan, O., Gill, R., & Keiding, N. (1993), Statistical Models

Based on Counting Processes, Springer Verlag

2. Anghelache, C., Petre, A., Olteanu, C. (2019), Some concepts and econometric

modes of macroeconomic performance analysis, Romanian Statistical Review,




4. Anghelache Constantin, Anghelache Gabriela Victoria, Bârsan Oana (2019). The TRAMO - SEATS model used in the dynamic series analysis, Romanian Statistical

Review, Supplement, no. 6, pp. 3-15 / 16-27 5. Bollerslev, T. & Wooldridge, J.M. (1992), Quasi-Maximum Likelihood Estimation

and Interference in Dynamic Models with Time-Varying Covariances, Econometric

Review 11, 143-72 6. Iacob, S,.V. (2019), Utilizarea metodelor statistico-econometrice și econofi zice în

analize economice, Ed. Economică, 216 pp. 7. Ruth, M., Hannan, B. (2012), Dynamic Economic System, second edition, Springer

New York Dordrecht Heidelberg London


DYNAMIC MODELS APPLIED AT THE MACROECONOMIC LEVEL

Ștefan Gabriel DUMBRAVĂ, PhD Student ([email protected])


Alexandra PETRE, PhD Student ([email protected])


Cristian OLTEANU, PhD Student ([email protected])


Abstract Macroeconomic analyzes are profound and have great complexity.

At this level, a number of aggregates (statistical variables), which are found

in the structural analysis of the national economy, must be considered. Of

course, between the statistical variables there are a number of proportions

and correlations, that is to say, in order to comply with the requirements,

the fundamental law of the free market, that is the ratio between supply and

demand, and we must take them into account when planning the activity of

maintaining these proportions.

A large number of models were developed in the activity of statistics

and econometrics a long time ago. These statistical-economic models have

evolved over time, in close agreement with the evolution of the macroeconomics

structure. The processes within the national economy are dynamic and start

from the natural resources, from the factors of production, specifi ed by Coub-

Douglas, according to the production function, respectively the capital, human

resources or human capital and the natural and fi nancial resources. These

three elements must be provided in certain proportions and correlations, so

that at the level of the economy there is a concordance, which does not lead to

destabilization or in other words does not aff ect the macrostability.

This is just a „postulate”, but it must nevertheless be that those who

program, manage the national economy, carefully study the evolution of each

resource, each production capacity and, last but not least, the maximum

effi ciency of human capital.

Model building can be a normal process, but certain procedures need

to be followed. Thus, in the fi rst phase the problem is posed to identify the

elements (statistical variables) that are decisive at the level of evolution of

the national economy. Then it is required to be studied based on long-term

data series and graphical representations, which is the evolution tendency of

each aggregate (statistical variable) and especially to establish and which is

the correlation resulting from the data series and graphical representations,


which is constituted between these variables.

In other words, the statistical-econometric models are used

successfully at the macroeconomic level, one of the most complex ones being

the input-output or input-output tables, which suggest and give the possibility

to calculate both the consumption coeffi cients and certain correlations that

are established between the elements considered. The establishment of a

model starts from identifying the statistical variables to be taken into account,

identifying the correlations that are made between them, establishing the

proportions between the resources to be used, substantiating some statistical-

econometric relations and then substantiating a model, which by solving,

based on the data from the series of data that we have, to lead to obtaining

the parameters, based on which we can estimate the future evolution of the

economy.

Keywords: dynamic models, evolution, macroeconomics, correlations, statistical variables. JEL classifi cation: C10, E10

Introduction

In this article „Dynamic models applied at the macroeconomic level” the authors started from the complexity of the national economy, identifying a series of aspects that would be representative, signifi cant, at the level of the national economy. It turns out that the dynamic models are the ones to be used mainly at the level of the national economy, because this is the meaning of the analyzes at this level, aiming to determine the evolution up to a certain point and then, in a guaranteed way, to identify the trend that must be taken into account in the evolution. economy in the next period. The macroeconomic system comprises a series of aggregates, which are correlated with each other, some having a factorial function, that is, infl uencing the general evolution of the national economy, and others are

resulting, that is, the eff ect of the evolution of these variables. The details that

describe the possibility of building models, specifi cally the dynamic models, were highlighted. An essential element is the construction and revision of the econometric model, which, at a given moment, must be adapted according to the dynamics of the evolutions recorded by the variables considered. A mathematical model is the one that by the coeffi cients we can calculate will

lead to obtaining regression parameters, in the case of using the regression

function, these assuring the estimation of the future evolution.

In general, the models used at the macroeconomic level can be static,

static-comparative or dynamic, this aspect being given special importance

in this article. We have mentioned the types of models and we have to


mention that most of them fall into one of the three general classes, that is static models, which belong to the models or which belong to situations that represent a certain phenomenon at a given time, in a static way, for a momentary analysis. The second class comprises static-comparative models, which compare phenomena at diff erent times of time, so comparability is made in relation to the evolution of that variable, that aggregate, over a given period of time. The third model is the dynamic one, which, taking into account the way each variable, and these in their complexity, refl ect the changes in real

time, or simulated and take into account that the components of this model are

constantly evolving, as a result of the actions of the factor variables that we

considered.

Also, the article gives a complex description and presentation of the

components of the model. The construction starts with the objective pursued,

after which we decide the limits of the system, in the sense that it must integrate

the respective objective. In this sense we start from identifying the variables

that are of interest, so that at the macroeconomic level we can identify those

elements that are the object of comparability over time.

Literature review

Andersen, P.K., Borgan, O., Gill, R., & Keiding, N. (1993), approaches

in their work some statistical models based on certain counting processes.

Anghelache, C., Petre, A., Olteanu, C. (2019), are concerned with the concepts

and methods of econometric analysis of phenomena at the macroeconomic

level. Anghelache Constantin, Anghel Mădălina Gabriela (2014), it approaches from a theoretical point of view, as well as an application of economic modeling. Anghelache Constantin, Anghelache Gabriela Victoria, Bârsan Oana (2019), are concerned about the TRAMO - SEATS model which is used in econometric analysis of dynamic series Bollerslev, T. & Wooldridge, J.M.

(1992), are concerned with estimates in dynamic models over time. Iacob,

S,.V. (2019), is concerned with statistical-econometric analysis models of

economic phenomena. Ruth, M., Hannan, B. (2012), it addresses the dynamic

economic system.

Methodology, data, discussions, results

A large number of models were developed by economics researchers

many years ago. Each was concerned about a part of the economy and makes

diff erent assumptions about the processes that infl uence that part. Recently,

greater attention has been paid to the relations between the economy and

the environment. Finally, all materials and energy used to meet economic

needs must be extracted from the environment. The extraction, processing,


distribution and use of materials and energy, in turn, lead to the generation of waste. Both the depletion of resources and the generation of waste could aff ect human well-being and, therefore, need to be understood in order to make appropriate economic decisions. We will deal with dynamic processes in economic systems, which focus on the extraction and use of natural resources. We develop models to better understand the impact of alternative decisions on economic performance and environmental quality. Models are essential tools in generating new knowledge, which helps to simplify complex phenomena by eliminating everything that is foreign to what we want to conclude. An equation is a special model, but the relationships between variables and some initial conditions of the investigated system are real. Computers allow us to expand the scope of models, to include increasingly diverse variables and to ask more questions „what? if?”. Heinz Pagel compared the ideas off ered by computer models with the expanded view provided by microscopes and telescopes. With what? if? ”, we can explore the replication of viral particles or the economy of a nation and we can explore dynamic, but also static phenomena. Through such models, we can explain the world around us and anticipate future events. Phenomena in the real world are diffi cult to study, without resorting to a suitable model. We are, sometimes in

the situation of analysis, a large number of details, complex interrelations and

an apparent lack of organization, as well as the dynamic nature of the reality

in the process. To cope with such complex events, we ask questions about

the process we want to study and try to answer these questions. We look for

models in detail, without losing sight of the fi nal image, we look for the basic

key, the particular set of details or the structure that leads to some results that

we have considered. Models, as abstractions of reality, force us to consider the

results of our structural and dynamic assumptions.

Model building can be an involved process and certain procedures are

generally followed. Suppose a real event arouses your curiosity about what

caused it or what might lead to it. Interpret this curiosity about an event or

the processes that surround it. Identify the key elements, and the assumptions

about them form an abstract version of the event. For example, to determine

the „best” way to store, you have considered the geographical location, the

time it opens, the traffi c and other obstacles that may hinder your speed to

get there and the previous location, the time when you need to. travel and

possible routes to reach the desired point. You can only consider the weather

if it would aff ect your speed between the two locations. The places you will go through will not come to your attention unless you want to make a realistic choice about combining a visit to achieve the goal. The remaining parameters


to determine are, the distance, the time you have to travel, the possible paths and the factors that could aff ect the completion of the process. After you narrow down the details to those that have meaning, you need to specify the relationships between them. The variables and relationships are established in the built model. We should come to the conclusion that we can outline the model, in order to achieve the goal pursued. „Running” the model - in this case, the relationship between distance, speed and possible obstacles, provides the vision and the data for which conclusions can be reached and, perhaps, highlights the future trend. Such conclusions and expectations can be compared with other similar situations. In the light of real-world experiences, you may decide to reject the model, accept it or, most likely, revise it. The construction and revision of the model is continuous - construction, execution, comparison and modifi cation - and each cycle improves the knowledge of reality. Sometimes, the modeling process helps us to identify new and important parameters. Sometimes modeling can reduce the importance of the parameter considered in advance. Good models are the simplest ones that explain considered data, even if they do not explain them all, leaving room for the model or theory to off er other variants. Realistic models must contain elements that correspond directly to objects in the real world. These should provide a reliable answer to the need for knowledge. The situations for modeling the behavior of a system without verifying the results of the model in relation to reality are, as a rule, arbitrary. If the models make predictions that eventually prove to be wrong, compared to the designed model, they are not accepted. However, if the model fails to be more effi cient than others, it means that errors have occurred. In the modeling process we propose, it is relatively easy to change an assumption and determine the resulting eff ect on behavior at the system level. It is possible to identify established paradigms. If the results are closer to reality, these paradigms disappear.

• Static, static-compared and dynamic models

Most models fall into one of three general classes. The fi rst type belongs to the models that represent a certain phenomenon at a given moment, analyzed statically. For example, the evolution of a national economy at one point expresses the level recorded at that time. In other words, we determine, based on a static model, the stage of a national economy at a given time. The second class comprises static comparative models that compare some phenomena at diff erent time points. This is like using a series of snapshots to make references to system evolution from one moment to another without modeling the actual process. Other models even describe and analyze the processes that underlie a certain phenomenon. An example of this would be


a mathematical model that describes the demand and supply of a good, as a function of its price, over a period of time. Choosing a static modeling approach, we may want to fi nd the price at which demand and supply are in balance and identify the properties of this equilibrium. The equilibrium price is usually a unique one, but there are other prices that balance the supply and demand. The balance is stable or with slight disturbances of the system accompanied by a displacement of the balance. A balance analysis is the current problem in the real economy. Alternatively, a model could be developed that shows the changes in demand and supply over time. Dynamic models are those that aim to refl ect real-time

or simulated changes and take into account the fact that the model components

are constantly evolving as a result of previous actions.

With the advent of easy-to-use software, we can build on existing

system data and then develop it. The world is not a static or comparative

process, so the models that treat it in this way will become obsolete and can

even be misleading. We can investigate in detail and accurately the behavior of

the system over time, identifying the movement and thus achieve equilibrium

positions or away from the equilibrium positions, the analysis of the balance.

In the social, biological and physical sciences, researchers examine

complex and changing interrelationships between factors in a variety of fi elds.

Scientists bring to the attention of new issues involving new reference data.

This is why we need to understand the dynamics and complex interrelationships

between various systems in the real world, which are becoming more and

more complicated. A set of sensitive issues is the beginning of a realistic and

effi cient model. Such challenges help the researcher stay focused on the model, without being distracted by the multitude of random details that appear. By modeling we can study the processes in the real world by sketching simplifi ed versions of the variables considered. Thus, it can be appreciated that cities have attracted workers from the rural area, because they have become technology users, causing a surplus of jobs in the city compared to the rural environment. Another factor could be the feasibility of moving from an agricultural area to the city. A basic version of this model might depart from some of the factors that encourage or discourage such a mutation. This model may leave behind a good enough predictor of migration rates, or it may not. We can revise the model, based on the answers to these challenges. Then, it is necessary to test the revised model, which will ultimately lead to an improved model of the designed system. The main element in modeling is the idea that the model must be kept simple and real, because complicated systems need to be simplifi ed. Models study cause and eff ect, so they are causal. The modeler specifi es the initial


conditions and the relationships between these elements. Then, the model describes how the state will change when the factors considered are changed. When labor demand changes, it leads to migration in both directions. The initial conditions selected by the modeler could be actual measurements (number of people) or estimates (how many people will be there over time, normal birth and other specifi c conditions). Such estimates are designed and refl ect the process studied, but do not always provide accurate

information about it. Therefore, the estimates will be based on real data or

may be the result of a modeler’s experience. At each stage in the modeling

process (documentation of initial conditions, choice of parameters, any other

assumptions) is based on the effi ciency of the model.

• Model components

Construction starts from the objective pursued. Then we decide on the limits of the system that contains the objective. Thus we arrive at the actual construction of the model. The fi rst step in this process is to identify the variables that will indicate the state of our system over time. The variables determine the knowledge step by step throughout the modeling and we reach the fi nal form. In general, there are two types of state variables, preserved and unreserved. Reserved variables are such well-determined populations that do not take negative values. Unconserved state variables may also be able to adopt negative values (measured temperature) or create zero values. The control variables are those that directly modify the state variables. They can increase or decrease the state variables over time. The transformation of the variables is done on the basis of data sources used to modify the control variables. Such a variable may be the result of an equation based on other transformed variables or parameters. For example, the birth rate, the evaporation rate or the heat loss coeffi cient are transformational variables. The components of a model must interact with each other. Such interactions generate feedback processes. Feedback describes the process in which one component of the model initiates changes in other components and these changes lead to further changes in the moving process. The feedback is said to be negative when the change in one component causes other components to respond by counteracting that change. For example, the increased need for food, caused by migrant workers, leads to demand for more workers in agricultural areas. Negative feedback is often the engine that drives supply and demand cycles to a certain balance. The negative word does not imply a value judgment, but merely indicates that the feedback tends to cancel an initial stimulus in the process of change.


In positive feedback, the initial change leads to changes that reinforce the initial stimulus. For example, if you are satisfi ed and you are doing well, you are tempted to work harder. For example, the migration of agricultural workers to the city attracts more investors to open new orders, which also attracts more workers. Another economic example of positive feedback was noted by Brian Arthur - fi rms that will fi rst occupy a geographic area will be the fi rst to meet demand in a region and are most likely to build additional or expand operations. The same thing seems to be the case with the „pioneer” farmers, the largest farmers who will develop the land processing. Negative feedback processes tend to counteract disruption and lead systems to equilibrium or equilibrium. A possible result of market mechanisms would be that the balance between supply and demand reciprocally fl uctuates

around a equilibrium point, due to adjustments between the productive or the

consumer sector. In contrast, positive feedback processes tend to amplify any

disturbance by removing the equilibrium point.

People from diff erent disciplines perceive or interpret the role and

power of feedback processes diff erently. Neoclassical economic theory is

usually concerned with market forces leading to equilibrium in the system.

Therefore, models are dominated by negative feedback mechanisms,

such as increases in response to increased demand.

Most systems contain positive and negative feedback. These processes

are related and vary in market research. Thus, as more people are born in a

rural area, the population can grow faster (positive feedback). However, as the

boundaries of the existing arable land are low, the birth rate slows down, at

fi rst, probably for psychological reasons, but ultimately for concrete activity reasons. Nonlinear relationships complicate the study of feedback processes. For example, such a nonlinear relationship would occur when a control variable does not grow directly proportional to another variable, but evolves in a nonlinear fashion. Nonlinear feedback processes can cause systems to exhibit complex evolution. We can say that a variety of feedback processes generates complex system behavior.

Conclusions

From the study of the article “Dynamic models applied at macroeconomic level”, based on a research on this aspect, a series of theoretical and practical conclusions are drawn. Theoretically, macroeconomic models should be based on the study and identifi cation of variables that are to be considered in terms of macroeconomic evolution.


Macroeconomic models must be considered to be possible for the study of a national economy, in the case of the analysis of states or their evolution over time, but, on the other hand, models must be established that ensure the comparability in time of the evolution of the states of the world or of the phenomena considered. , taking into account certain considerations. The construction of the macroeconomic models, from a theoretical point of view, is done starting from the identifi cation of the variables that have signifi cance, then the identifi cation of the correlations that can be established between the correlations as a result of the complex macroeconomic process, the construction of a model, but at the same time it must be realized and statistically tested. the signifi cance of the agreed model. Dynamic models are widely applied in macroeconomic analyzes, the dynamic character being at the level of a macroeconomic structure realized and studied over time, or at several national macroeconomic structures, such as the case of interstate comparisons, in which static or dynamic is sought to identify some correlations or rather, identifying correlative aspects that give meaning to the evolution of individual states and in complexity over a wider area. For example, at present, when Romania is a member of the European Union, comprising 27 states after the British Brexit, but waiting for the enlargement by the accession of other states to this European community, the static and dynamic models must be applied on a large scale. The simple classifi cations or interpretations based on superfi cial elements do not give consistency to a comparative study, which will highlight the modalities and signifi cance of the evolution of each state according to the concrete conditions it has. Therefore, the authors consider that from a practical point of view, the use of statistical data series over a longer period of time, to identify the correlations that are established between the statistical variables and, subsequently, the creation, creation of appropriate models, tested from the point of view. statistically, special results can be provided in these dynamic analyzes at the macroeconomic level. Of course, this article and the examples used are only explanatory, they can be developed and used in the broadest sense. The model considered, although it appears to be unique, can be extended by using the data series from the statistical directories of Romania and the statistical directories of Eurostat regarding the European Union, and the results and analyzes that are performed will be of great amplitude.


References

1. Andersen, P.K., Borgan, O., Gill, R., & Keiding, N. (1993), Statistical Models

Based on Counting Processes, Springer Verlag

2. Anghelache, C., Petre, A., Olteanu, C. (2019), Some concepts and econometric

modes of macroeconomic performance analysis, Romanian Statistical Review,




4. Anghelache Constantin, Anghelache Gabriela Victoria, Bârsan Oana (2019). The TRAMO - SEATS model used in the dynamic series analysis, Romanian Statistical

Review, Supplement, no. 6, pp. 3-15 / 16-27 5. Bollerslev, T. & Wooldridge, J.M. (1992), Quasi-Maximum Likelihood Estimation

and Interference in Dynamic Models with Time-Varying Covariances, Econometric

Review 11, 143-72 6. Iacob, S,.V. (2019), Utilizarea metodelor statistico-econometrice și econofi zice în

analize economice, Ed. Economică, 216 pp. 7. Ruth, M., Hannan, B. (2012), Dynamic Economic System, second edition, Springer

New York Dordrecht Heidelberg London


Model de utilizare a regresiei liniare simple în analiza corelaţiei dintre rentabilitate, productivitatea muncii şi cifra de afaceri la nivel microeconomic

Lector univ. dr. Ștefan Virgil IACOB, PhD ([email protected])

Universitatea „Artifex” din BucureștiDrd. Radu STOICA ([email protected])


Abstract Societatea, în ansamblul ei, cuprinde în structura economică,

tehnologică și așa mai departe, un număr important de agenții economici. Rezultatele obținute de agenții economici individual, pe ramuri de activitate, pe sectoare de activitate, depind și de rezultatele înregistrate în mod concentrat global. Pe de altă parte, de rezultatele de obținute de agenții economici depind și fondurile bugetare, care pot fi utilizate în satisfacerea cerințelor și

trebuințelor unei economii.

De asemenea, o serie de indicatori sunt importanți prin prisma

modului în care ei evoluează. Desigur, în termenii corecți, legali și practici

fi ecare agent economic își propune o activitate cât mai bună, care să-i aducă

o rentabilitate cât mai susținută. Din acest punct de vedere este interesant de

văzut care sunt modalitățile prin care managementul la nivel microeconomic

se realizează. Desigur, pot fi tot felul de forme incipiente, forme complexe,

utilizare de modele de analiză, dar referindu-ne aici la marile concerne,

cele care dau substanță veniturilor la buget și rezultatelor înregistrate de

România într-o perioadă de timp cuprinse în Produsul Intern Brut, este

efectuată o analiză concretă utilizând modele statistico-economice. Așa de

pildă, în cadrul oricărei societăți comerciale există fără tăgadă o corelație

între cifra de afaceri, rentabilitate și productivitatea muncii. Cifra de afaceri

cu cât este mai mare și cu cât cheltuielile efectuate sunt judicioase și nu la

voia întâmplării, are o rentabilitate mai ridicată. Productivitatea muncii,

de asemenea, trebuie să contribuie la obținerea de rezultate net superioare.

De aceea utilizând modelul econometric al regresiei liniare simple, luând în

corelație cele trei elemente importante pentru caracterizarea activității unei

societăți comerciale, respectiv cifra de afaceri, productivitatea muncii și

rentabilitatea, am expus toate aceste modele și utilizând datele din bilanțurile

anuale, pe mai mulți ani, ale unei societăți comerciale, am reușit să calculăm


parametrii care să evidențiere să poată fi exiști la perioadele următoare, așa încât proiecția activității societății comerciale la nivel microeconomic să fi e judicios organizată, iar rezultatele să fi e pe măsură. În cadrul acestui articol am efectuat trei analize de corelație, respectiv cea dintre rentabilitate și productivitatea muncii, cea dintre cifra de afaceri și productivitatea muncii, precum cea dintre rentabilitate și cifra de afaceri. Studiile au dus la obținerea unor parametrii care sunt utilizabili și care dau consistență perspectivei de programare a activității economice la nivel de fi rmă. Cuvinte cheie: societăți comerciale, modele econometrice, indicatori statistici, rentabilitate, productivitatea muncii, cifră de afaceri. Clasifi carea JEL: C10, E24

Introducere

În acest articol, am prezentat succint la început aspectele generale care caracterizează activitatea unui agent economic, mai pe înțeles și mai generalizat la nivel microeconomic. Am defi nit modelul de regresie simplă în mod succesiv pentru nu aceasta este obiectivul articolului, după care am efectuat analize de corelație utilizând modelul de regresie liniară simplă. Dintre multitudinea de indicatori statistici obținuți din bilanțul societății comerciale analizate, am ales doar trei corelații, respectiv corelația dintre rentabilitate și productivitatea muncii, corelația dintre cifra de afaceri și productivitatea muncii și în fi nal corelația dintre rentabilitate și cifra de afaceri. Cele trei variabile statistice pot fi considerate uneori rezultative, cum ar fi rentabilitatea care depinde de productivitate și de cifra de afaceri, în care rentabilitatea este în cazul acesta o variabilă rezultativă, sau poate rentabilitatea și productivitatea muncii înțelegând că, cu cât productivitatea muncii este mai mare, crește cifra de afaceri și pe care de consecință crește sau se îmbunătățește rentabilitatea fi rmei. Luând rând pe rând perechile de câte două variabile, după studiul incipient efectuat pe baza seriilor de date de care am dispus, am determinat sensul corelației care există între variabile considerate și pe baza acestor elemente certe stabilite, s-a stabilit și modelul econometric care poate fi utilizat. Rezolvând modelele pe care le-am propus să le utilizăm drept argumentații ale celor teoretice spuse, am obținut parametrii de regresie, care extinși au condus la estimarea perspectivelor de evoluție a activității economico-fi nanciare ale agentului economic în perioada următoare. Datele utilizate sunt date certe extrase din bilanțurile societății comerciale considerate, pe o perioadă de mai mulți ani, așa încât sensul parametrilor calculați și testați din punct de vedere statistic să fi e preciși, să poată da posibilitatea unei extensii previzionale a viitorului evoluției societății comerciale și în cel mai important fapt, al rentabilității acesteia.


Literature review

Anghel, Anghelache și Stoica (2019) au analizat principalii indicatori ai efi cienței potențialului economic. Anghel, Anghelache și Samson (2017) au studiat o serie de aspecte metodologice ale comparabilității indicatorilor de rezultate. Anghelache și Anghel (2018) au evidențiat principalele modele econometrice utilizate în analizele macroeconomice. Arcidiacono și Miller (2011) au fost preocupați de probabilitatea estimării modelelor. Chetty (2009) s-a referit la analiza statistică a bunăstării. Farhi și Werning (2016) au analizat o teorie a politicilor macroprudențiale. Ghysels și Osborn (2001) au studiat econometric seriile de timp sezoniere. Hamilton, Wagoner și Zha (2007) au cercetat elementele ale normalizării în econometrie. Iacob (2018) a analizat efectul inerţiei în economie Johansen și Nielsen (2010) au tratat aspecte ale inferenței.


La nivelul societății comerciale, pe baza unui studiu prealabil, rezultă că între cifra de afaceri, productivitatea muncii și rentabilitate există anumite corelații. Pentru a evidenția aceste corelații vom utiliza regresia liniară simplă, conform modelului econometric care are următoarea formă:

(1)unde

= variabila dependentă = variabila independentă

= parametrii de regresie = variabila reziduală

Vom recurge în continuare la o serie de analize statistico-econometrice asupra evoluției rentabilității, a productivității muncii și a cifrei de afaceri. Pentru a surprinde și eventualele infl uențe sezoniere datele utilizate sunt trimestriale. Astfel, datele statistice colectate pentru cele douăzeci și patru de trimestre aferente celor șase ani supuși analizei, au fost sintetizate în tabelul numărul 1.


Situația evoluției rentabilității, a productivității muncii și a cifrei de

afaceri

Tabelul 1

TrimestreCifra de afaceri

(CA)Productivitatea muncii

(PM)Rentabilitatea

(R)T.I 2013 7981235 1.0312 1.1616T.II 2013 8523648 1.0321 1.1663T.III 2013 9042738 1.0324 1.1692T.IV 2013 9569813 1.0336 1.1736T.I 2014 9862278 1.0338 1.1756T.II 2014 10442412 1.0342 1.1796T.III 2014 10864286 1.0344 1.1821T.IV 2014 11436068 1.0348 1.1833T.I 2015 12167137 1.0421 1.1886T.II 2015 13076829 1.0432 1.1922T.III 2015 14971662 1.0436 1.1942T.IV 2015 15753204 1.0437 1.1963T.I 2016 16241993 1.0442 1.1996T.II 2016 17345817 1.0446 1.2036T.III 2016 18402178 1.0449 1.2044T.IV 2016 19474782 1.0452 1.2087T.I 2017 20121805 1.0457 1.2123T.II 2017 20955326 1.0463 1.2155T.III 2017 22231506 1.0466 1.2168T.IV 2017 23027309 1.0471 1.2191T.I 2018 23558884 1.0478 1.2218T.II 2018 24025397 1.0485 1.2269T.III 2018 24508307 1.0492 1.2285T.IV 2018 24970016 1.0496 1.2293

Sursa: Datele sunt preluate din bilanțurile și balanțele fi rmei din perioada 2013-2018

• Analiza corelației dintre rentabilitate (R) și productivitatea

muncii (PM)

O analiză statistico-econometrică pe baza datelor prezentate în tabelul

1 are în vedere corelația dintre rentabilitate (R) și productivitatea muncii (PM).

Pentru început au fost analizați cei doi indicatori independent, cu

ajutorul programului de analiză econometrică EViews, iar rezultatele sunt

prezentate în fi gurile 1 și 2.


Evoluția rentabilității între 2013 și 2018 (structură trimestrială)

Figura 1

0.0

0.4

0.8

1.2

1.6

2.0

2.4

2.8

3.2

1.16 1.18 1.20 1.22

Series: RENT

Sample 2013:1 2018:4

Observations 24

Mean 1.197879

Median 1.197950

Maximum 1.229300

Minimum 1.161600

Std. Dev. 0.020865

Skewness -0.087881

Kurtosis 1.819777



Urmărind fi gura numărul 1 constatăm că în perioada supusă analizei evoluția rentabilității a înregistrat un procent minim de 16,16% (în trim. I din

2013), urmând un trend ascendent până în trim. IV din 2018, înregistrând astfel procentul maxim 22,93%. În același timp procentul mediu înregistrat de acest indicator în 2013 - 2018 este de 19,78%. Pe de altă parte, având în vedere că valoarea Skewness este apropiată de zero ne indică faptul că distribuția valorilor cifrei de afaceri este una destul

de simetrică și de asemenea avem o distribuție mai lentă decât una normală, având în vedere valoarea de 1,81 a testului Kurtosis mai mică decât 3.

Evoluția productivității muncii între anii 2013 și 2018

(structură trimestrială)

Figura 2

0

1

2

3

4

5

6

7

1.030 1.035 1.040 1.045 1.050

Series: PROD

Sample 2013:1 2018:4

Observations 24

Mean 1.041617

Median 1.043950

Maximum 1.049600

Minimum 1.031200

Std. Dev. 0.006302

Skewness -0.488911

Kurtosis 1.632215




Urmărind fi gura numărul 2 constatăm că în perioada supusă analizei evoluția productivității muncii a înregistrat un procent minim de 3,12%

(înregistrat în trim. I din 2013), urmând un trend ascendent până în trim. IV din 2018, înregistrând astfel procentul maxim 4,94%. În același timp procentul mediu înregistrat de acest indicator în 2013 - 2018 este de 4,16%. Pe de altă parte, având în vedere că valoarea Skewness este semnifi cativ diferită de zero ne indică faptul că distribuția valorilor cifrei de afaceri nu este

una simetrică și de asemenea, avem o distribuție mai lentă decât una normală, având în vedere valoarea de 1,63 a testului Kurtosis mai mică decât 3. În cele ce urmează am recurs la reprezentarea grafi că a corelației dintre valorile înregistrate de indicatorii analizați, aspect care exprimă trendul și este prezentat în grafi cul numărul 1.

Corelația dintre rentabilitate și productivitatea muncii

Grafi c 1

Observăm din grafi cul 1 că norul de puncte descris de valorile înregistrate au o evoluție liniară, ceea ce ne permite analiza evoluției celor doi indicatori cu ajutorul unui model de regresie liniar unifactorial, de forma:

(2)

unde: = variabila dependentă = variabila independentă = parametrii de regresie = variabila reziduală



Rezultatele analizei modelului de regresie liniară simple dintre R și PM



PM 3.175420 0.199762 15.89602 0.0000R-squared 0.919908 Mean dependent var 1.197879Adjusted R-squared 0.916267 S.D. dependent var 0.020865S.E. of regression 0.006038 Akaike info criterion -7.301938Sum squared resid 0.000802 Schwarz criterion -7.203767Log likelihood 89.62326 F-statistic 252.6835Durbin-Watson stat 0.474885 Prob(F-statistic) 0.000000

Interpretând datele din fi gura 3, am constatat că coefi cienții înregistrați în coloana a doua (coloana Coeffi cient) sunt semnifi cativ diferiți de zero, ceea ce validează modelul, în sensul că acesta este unul corect și poate fi utilizat pentru a prognoza evoluția acestor indicatori pentru perioada următoare. Pe de altă parte dacă urmărim testul F-statistic se poate observa că valoarea înregistrată și anume F=252.68, este mult superioară valorii tabelare pentru pragul de semnifi cație considerat (Ft=4,26), ceea ce indică faptul că rezultatele obținute sunt semnifi cative. De asemenea, coefi cientul de corelație R-squared are valoarea de 0,91, apropiată de cea unitară, indicând astfel o probabilitate de 91,99% ca

acest model să fi e unul corect. Dacă urmărim testul t-Statistic observăm că valorile înregistrate atât pentru termenul liber, cât si pentru variabila independentă sunt superioare valorilor tabelate (tt=2,064 pentru ) și probabilitatea de a fi eronat este nulă. În ceea ce privește valoarea de 0,4748 înregistrată în fi gura 3 pentru testul Durbin-Watson, aceasta indică o autocorelare pozitivă a valorilor reziduale, fi ind inferioară valorii tabelate d1=1,27, pentru o serie care cuprinde 24 observații, un prag de semnifi cație α=0,05 și un număr de factori k=1. În altă ordine de idei, conform datelor cuprinse în fi gura 3 putem estima valorile teoretice ale variabilei endogene, conform relației:

(3)



• Analiza corelației dintre cifra de afaceri (CA) și productivitatea

muncii (PM)

Următoarea analiză are în vedere indicatorii microeconomicii, cifra de afaceri și productivitatea muncii, înregistrate în perioada menționată.Am analizat cei doi indicatori independent, cu ajutorul programului de analiză econometrică EViews, iar rezultatele sunt prezentate în fi gurile 4 și 2.

Evoluția cifrei de afaceri în 2013- 2018 (structură trimestrială)

Figura 4

0

1

2

3

4

5

6

10000000 15000000 20000000 25000000

Series: CA

Sample 2013:1 2018:4

Observations 24

Mean 16189776

Median 15997598

Maximum 24970016

Minimum 7981235.

Std. Dev. 5797564.

Skewness 0.098737

Kurtosis 1.556369



Urmărind fi gura numărul 5.1 constatăm că în perioada supusă analizei evoluția indicatorului cifra de afaceri a înregistrat un minim de 7.981.235 Ron (înregistrat în trim. I din 2013), urmând un trend ascendent până în trim. IV al anului 2018, înregistrând astfel valoarea maximă de 24.970.016 Ron. În același timp valoarea medie înregistrată de acest indicator în 2013 - 2018 este de 16.189.776 Ron, anual. Pe de altă parte, având în vedere că valoarea Skewness este apropiată de zero ne indică faptul că distribuția valorilor cifrei de afaceri este una destul de simetrică și de asemenea avem o distribuție mai lentă decât una normală, având în vedere valoarea de 1,55 a testului Kurtosis mai mică decât 3.În cele ce urmează am recurs la reprezentarea grafi că a corelației dintre valorile pe care le-au înregistrat cei doi indicatori analizați, aspect care exprimă trendul și este prezentat în grafi cul numărul 2.


Corelația dintre cifra de afaceri și productivitatea muncii

Grafi c 2

Observăm din grafi cul 2 că norul de puncte descris de valorile înregistrate au o evoluție liniară, ceea ce ne permite analiza evoluției celor doi indicatori cu ajutorul unui model de regresie liniar unifactorial, respectiv:

(4)unde: = variabila rezultativă = variabila factorială = parametrii de regresie = variabila reziduu

Estimarea parametrilor și testarea semnifi cației modelului sunt făcute cu ajutorul programului de analiza statistico-econometrică EViews, iar rezultatele sunt prezentate în fi gura 5. Rezultatele analizei modelului de regresie liniară simple dintre CA și PM

Figura 5Dependent Variable: CAMethod: Least SquaresSample: 2013:1 2018:4Included observations: 24

Variable Coeffi cient Std. Error t-Statistic Prob. C -8.86E+08 68714742 -12.89665 0.0000

PM 8.66E+08 65968162 13.13249 0.0000R-squared 0.886868 Mean dependent var 16189776Adjusted R-squared 0.881725 S.D. dependent var 5797564.S.E. of regression 1993847. Akaike info criterion 31.92869Sum squared resid 8.75E+13 Schwarz criterion 32.02686Log likelihood -381.1442 F-statistic 172.4623Durbin-Watson stat 0.434099 Prob(F-statistic) 0.000000


Interpretând datele din fi gura 5, am constatat că coefi cienții înregistrați în coloana a doua (coloana Coeffi cient) sunt semnifi cativ diferiți de zero, ceea ce validează modelul, în sensul că acesta este unul corect și poate fi utilizat pentru a prognoza evoluția acestor indicatori pentru perioada următoare. Pe de altă parte dacă urmărim testul F-statistic se poate observa că valoarea înregistrată și anume F=172.46, este mult superioară valorii tabelare pentru pragul de semnifi cație considerat (Ft=4,26), ceea ce indică faptul că rezultatele obținute sunt semnifi cative. De asemenea, coefi cientul de corelație R-squared are valoarea de 0,88, apropiată de cea unitară, indicând astfel o probabilitate de 88,68% ca acest model să fi e unul corect. Dacă urmărim testul t-Statistic observăm că valorile înregistrate atât pentru termenul liber, cât si pentru variabila independentă sunt superioare valorilor tabelare (tt=2,064 pentru ) și probabilitatea de a fi eronat este nulă. În ceea ce privește valoarea de 0,4340 înregistrată în fi gura 5 pentru testul Durbin-Watson, aceasta indică o autocorelare pozitivă a valorilor reziduale, fi ind inferioară valorii tabelate d1=1,27, pentru o serie care cuprinde 24 observații, un prag de semnifi cație α=0,05 și un număr de factori k=1.În altă ordine de idei, conform datelor cuprinse în fi gura 5 putem estima valorile teoretice ale variabilei endogene, conform relației:

(5) Cu ajutorul relației (5) pot fi efectuate acum prognoze asupra evoluției acestui indicator important pentru întreaga evoluție a agentului economic în piața de profi l.

• Analiza corelației dintre rentabilitate (R) și cifra de afaceri (CA)

O altă analiză statistico-econometrică pe baza datelor prezentate în tabelul 1, are în vedere corelația dintre rentabilitate (R) și cifra de afaceri (CA). Analiza celor doi indicatori în mod independent a fost făcută cu ajutorul programului de analiză econometrică Eviews. În cele ce urmează am recurs la reprezentarea grafi că a corelației dintre valorile înregistrate, aspect care exprimă trendul și este prezentat în grafi cul numărul 3.


Corelația dintre rentabilitate și cifra de afaceri

Grafi c 3

Observăm din grafi cul 3 că norul de puncte descris de valorile înregistrate au o evoluție liniară, ceea ce ne permite analiza evoluției celor doi indicatori cu ajutorul unui model de regresie liniar unifactorial:

(6)unde: = variabila dependentă

= variabila independentă = coefi cienții de regresie

= variabila reziduală



Rezultatele analizei modelului de regresie liniară simple dintre R și CA



CA 3.57E-09 1.05E-10 34.01524 0.0000R-squared 0.981341 Mean dependent var 1.197879Adjusted R-squared 0.980493 S.D. dependent var 0.020865S.E. of regression 0.002914 Akaike info criterion -8.758772Sum squared resid 0.000187 Schwarz criterion -8.660601Log likelihood 107.1053 F-statistic 1157.037Durbin-Watson stat 0.477082 Prob(F-statistic) 0.000000

Interpretând datele din fi gura numărul 6, atenția îmi este atrasă de valoarea foarte apropiată de zero a coefi cientului cifrei de afaceri și anume

, fapt care ne indică o infl uență slabă în ceea ce privește evoluția randamentului agentului economic. În altă ordine de idei, pentru estimarea valorilor teoretice ale variabilei endogene, vom respecta următoarea egalitate:

(7)


Concluzii

Acest articol, bazat pe studiul privind modelul de utilizare a regresiei simple în analiza corelației dintre rentabilitate, productivitatea muncii și cifra de afaceri la nivel microeconomic, conduce la o serie de concluzii teoretice și practice. În primul rând, din analiza teoretică și apoi practică efectuată rezultă posibilitatea utilizării unor modele econometrice de analiză a situației rentabilității unei fi rme. Pe baza acestui model de regresie liniara simplă am putut calcula parametrii, care utilizați dau sens perspectivei și trendului de evoluție viitoare a societății luate în calcul. În al doilea rând, ori de câte ori se aplică regresia liniara simplă trebuie selecționate cu grijă variabile statistice care sunt luate în considerare, identifi carea pe baza seriilor de date, a reprezentărilor grafi ce a corelației sau noncorelației care poate să existe între acestea și numai apoi pe baza modelului statistico-econometric convenit, să se facă această analiză. O altă concluzie este aceea că activitatea unei societăți comerciale depinde de un număr mult mai mare de variabile care pot fi luate în discuție,


așa încât studiul efectuat nu este limitativ, ci el este o confi rmare a modului

în care pot fi utilizate modelele statistico-econometrice în analiza activității

și rentabilității unui agent economic sau a oricărei entități din grupul

microeconomic. Așadar, această analiză poate fi extinsă și prin considerarea

altor variabile, dar procedura trebuie să fi e în sensul menționat de autori.

Bibliografi e

1. Anghel, M.G., Anghelache, C., Stoica, R. (2019). The concept and indicators of the

economic potential effi ciency. Romanian Statistical Review, Supplement, 3, 58-69

2. Anghel, M.G., Anghelache, C., Samson, T. (2017). The Main Methodological

Elements Regarding the Comparability of the Result Indicators, Romanian

Statistical Review, Supplement, no. 7, 45-59

3. Anghelache, C., Anghel, M.G. (2018). Econometrie generală. Teorie și studii de caz, Editura Economică, Bucureşti

4. Arcidiacono, P., Miller, R.A. (2011). Conditional Choice Probability Estimation of

Dynamic Discrete Choice Models with Unobserved Heterogeneity. Econometrica, 79 (November 2011), 1823–1867

5. Chetty, R. (2009). Suffi cient Statistics for Welfare Analysis: A Bridge Between

Structural and Reduced-Form Methods. Annual Review of Economics, Annual Reviews, 1(1), 451-488

6. Farhi, E., Werning, I. (2016). A Theory of Macroprudential Policies in the Presence

of Nominal Rigidities. Econometrica, 84, 1645-1704

7. Ghysels, E., Osborn, D. (2001). The Econometric Anallysis of Seasonal Time Series, Cambridge University Press, United Kingdom

8. Hamilton, J.; Waggoner, D., Zha, T. (2007). Normalization in econometrics,

Econometrics Reviews, nr. 26, pp. 221-252

9. Iacob, Ș.V. (2018). Inertia. models and applications to economy. Romanian Statistical Review Supplement, 5, 116-124

10. Johansen, S., Nielsen, M. (2010). Likelihood inference for a fractionally cointegrated vector autoregressive model, CREATES Research Papers 2010-24,

School of Economics and Management, University of Aarhus


MODEL FOR USING THE SIMPLE LINEAR REGRESSION IN THE ANALYSIS OF THE

CORRELATION BETWEEN PROFITABILITY, LABOR PRODUCTIVITY AND BUSINESS

RATE AT MICROECONOMIC LEVEL


“ Artifex” University of Bucharest



Abstract The company, as a whole, comprises in the economic, technological

structure and so on, an important number of economic agents. The results

obtained by the economic agents individually, by branches of activity, by sectors

of activity, also depend on the results recorded in a global concentrated manner.

On the other hand, the budgetary funds depend on the results obtained by the

economic agents, which can be used to satisfy the needs and needs of an economy.

Also, a number of indicators are important in terms of how they

evolve. Of course, in the correct, legal and practical terms, each economic

agent proposes an activity as best as possible, which will bring a maximum

profi tability to them. From this point of view it is interesting to see what are

the ways in which microeconomic management is carried out. Of course, there

can be all kinds of incipient forms, complex forms, use of analysis models,

but referring here to the big concerns, those that give substance to the budget

revenues and the results recorded by Romania in a period of time included in

the Internal Product. Gross, a concrete analysis is performed using statistical-

economic models. For example, within any trading company there is a clear

correlation between turnover, profi tability and labor productivity. The higher

the turnover and the more the expenses incurred are judicious and not at

will, it has a higher profi tability. Work productivity also needs to contribute

to signifi cantly better results. Therefore, using the econometric model of

simple linear regression, taking into account the three important elements for

characterizing the activity of a company, namely turnover, labor productivity

and profi tability, we have exposed all these models and using the data from

the annual balances for several years. , of a trading company, we were able to

calculate the parameters that would be able to exist in the following periods, so

that the projection of the activity of the trading company at the microeconomic

level is judiciously organized and the results are tailor-made.


In this article we have made three correlation analyzes, namely

between profi tability and labor productivity, between turnover and labor

productivity, as well as between profi tability and turnover. The studies have

resulted in obtaining parameters that are usable and which give consistency

to the perspective of programming the economic activity at the fi rm level.

Keywords: companies, econometric models, statistical indicators, profi tability, labor productivity, turnover. JEL Classifi cation: C10, E24

Introduction

In this article, we briefl y presented at the beginning the general aspects

that characterize the activity of an economic agent, more understandable and

more generalized at the microeconomic level. I defi ned the simple regression

model successively so this is not the objective of the article, after which we

performed correlation analyzes using the simple linear regression model.

From the multitude of statistical indicators obtained from the balance sheet

of the analyzed company, we have chosen only three correlations, namely

the correlation between profi tability and labor productivity, the correlation

between turnover and labor productivity and fi nally the correlation between

profi tability and turnover.

The three statistical variables can sometimes be considered as results,

such as profi tability which depends on productivity and turnover, where

profi tability is in this case a resultant variable, or can the profi tability and

productivity of work being understood, the more labor productivity is high,

the turnover increases and on which the profi tability of the company increases

or improves. Taking the pairs of two variables one by one, after the incipient

study based on the data series we have available, we determined the meaning

of the correlation that exists between the considered variables and based on

these certain established elements, the econometric model that can be used

. Solving the models we proposed to use as arguments of the theoretical

ones said, we obtained the regression parameters, which extended led to the

estimation of the evolution prospects of the economic-fi nancial activity of the

economic agent in the next period.

The data used are certain data extracted from the balance sheets of the

company considered, for a period of several years, so that the meaning of the

parameters calculated and tested from a statistical point of view is accurate,

can give the possibility of a predictive extension of the future of the evolution

of the company and in the most important fact of its profi tability.


Literature review

Anghel, Anghelache and Stoica (2019) analyzed the main indicators of the effi ciency of the economic potential. Anghel, Anghelache and Samson

(2017) studied a number of methodological aspects of comparability of

outcome indicators. Anghelache and Anghel (2018) highlighted the main

econometric models used in macroeconomic analyzes. Arcidiacono and Miller

(2011) were concerned about the probability of model estimation. Chetty

(2009) referred to the statistical analysis of well-being. Farhi and Werning

(2016) analyzed a theory of macro-prudential policies. Ghysels and Osborn

(2001) econometricly studied seasonal time series. Hamilton, Wagoner, and

Zha (2007) investigated the elements of normalization in econometrics. Iacob

(2018) analyzed the eff ect of inertia on the economy Johansen and Nielsen (2010) dealt with aspects of inference.


At the company level, based on a preliminary study, it turns out that there are certain correlations between turnover, labor productivity and profi tability. To highlight these correlations we will use simple linear

regression, according to the econometric model that has the following form:

(1)

where:

= dependent variable

= independent variable

= regression parameters

= residual variable

We will continue to use a series of statistical-econometric analyzes on

the evolution of profi tability, labor productivity and turnover. To capture the

possible seasonal infl uences, the data used are quarterly.

Thus, the statistical data collected for the twenty-four quarters related

to the six years under analysis were summarized in table number 1.


The situation of the evolution of profi tability, labor productivity and

turnover

Table 1

Quarters Turnover (CA)Labor productivity

(PM)Profi tability (R)

Q.I 2013 7981235 1.0312 1.1616Q.II 2013 8523648 1.0321 1.1663

Q.III 2013 9042738 1.0324 1.1692Q.IV 2013 9569813 1.0336 1.1736

Q.I 2014 9862278 1.0338 1.1756Q.II 2014 10442412 1.0342 1.1796

Q.III 2014 10864286 1.0344 1.1821Q.IV 2014 11436068 1.0348 1.1833

Q.I 2015 12167137 1.0421 1.1886Q.II 2015 13076829 1.0432 1.1922

Q.III 2015 14971662 1.0436 1.1942Q.IV 2015 15753204 1.0437 1.1963

Q.I 2016 16241993 1.0442 1.1996Q.II 2016 17345817 1.0446 1.2036

Q.III 2016 18402178 1.0449 1.2044Q.IV 2016 19474782 1.0452 1.2087

Q.I 2017 20121805 1.0457 1.2123Q.II 2017 20955326 1.0463 1.2155

Q.III 2017 22231506 1.0466 1.2168Q.IV 2017 23027309 1.0471 1.2191

Q.I 2018 23558884 1.0478 1.2218Q.II 2018 24025397 1.0485 1.2269

Q.III 2018 24508307 1.0492 1.2285Q.IV 2018 24970016 1.0496 1.2293

Source: Data are taken from the company’s balance sheets and balances from 2013-2018

• The analysis of the correlation between profi tability (R) and

labor productivity (PM)

A statistical-econometric analysis based on the data presented in table 1 considers the correlation between profi tability (R) and labor productivity (PM). Initially, the two indicators were analyzed independently, using the EViews econometric analysis program, and the results are presented in Figures 1 and 2.


Evolution of profi tability between 2013 and 2018 (quarterly structure)

Figure 1

0.0

0.4

0.8

1.2

1.6

2.0

2.4

2.8

3.2

1.16 1.18 1.20 1.22

Series: RENT

Sample 2013:1 2018:4

Observations 24

Mean 1.197879

Median 1.197950

Maximum 1.229300

Minimum 1.161600

Std. Dev. 0.020865

Skewness -0.087881

Kurtosis 1.819777



Following fi gure 1 we fi nd that during the period under review, the evolution of profi tability registered a minimum percentage of 16.16% (in the I

quarter of 2013), following an upward trend until the quarter. IV of 2018, thus

registering the maximum percentage of 22.93%. At the same time, the average

percentage recorded by this indicator in 2013 - 2018 is 19.78%.

On the other hand, given that the Skewness value is close to zero, it shows

us that the distribution of turnover is quite symmetrical and we also have a

slower than normal distribution, considering the value of 1.81 a. Kurtosis test

smaller than 3.

Evolution of labor productivity between 2013 and 2018 (quarterly

structure)

Figure 2

0

1

2

3

4

5

6

7

1.030 1.035 1.040 1.045 1.050

Series: PROD

Sample 2013:1 2018:4

Observations 24

Mean 1.041617

Median 1.043950

Maximum 1.049600

Minimum 1.031200

Std. Dev. 0.006302

Skewness -0.488911

Kurtosis 1.632215




Following fi gure number 2 we fi nd that during the period under analysis the evolution of labor productivity registered a minimum percentage of 3.12% (registered in the fi rst quarter of 2013), following an upward trend until the quarter. IV of 2018, thus registering the maximum percentage of 4.94%. At the same time, the average percentage recorded by this indicator in

2013 - 2018 is 4.16%.

On the other hand, given that the Skewness value is signifi cantly diff erent from zero, it indicates to us that the distribution of turnover values is not symmetrical and we also have a slower than normal distribution, considering the value of 1.63. of the Kurtosis test smaller than 3. In the following we have used the graphical representation of the correlation between the values recorded by the analyzed indicators, an aspect that expresses the trend and is presented in graph number 1.

The correlation between profi tability and labor productivity

Graph 1

We observe from graph 1 that the point cloud described by the recorded values has a linear evolution, which allows us to analyze the evolution of the two indicators using a unifactorial linear regression model, of the form:

(2)where: = dependent variable = independent variable = regression parameters = residual variable



Results of simple linear regression model analysis between R and PM



PM 3.175420 0.199762 15.89602 0.0000R-squared 0.919908 Mean dependent var 1.197879Adjusted R-squared 0.916267 S.D. dependent var 0.020865S.E. of regression 0.006038 Akaike info criterion -7.301938Sum squared resid 0.000802 Schwarz criterion -7.203767Log likelihood 89.62326 F-statistic 252.6835Durbin-Watson stat 0.474885 Prob(F-statistic) 0.000000

Interpreting the data in Figure 3, we found that the coeffi cients

recorded in the second column (the Coeffi cient column) are signifi cantly

diff erent from zero, which validates the model, meaning that it is a correct one

and can be used to predict the evolution of these indicators for the next period.



value for the signifi cance threshold considered α = 0.05 (Ft = 4.26), indicating

that the results obtained are signifi cant. Also, the correlation coeffi cient R-squared has the value of 0.91, close

to the unit, thus indicating a probability of 91.99% that this model is correct.

If we follow the t-Statistic test, we observe that the values recorded

for both the free term and the independent variable are higher than the table

values (tt = 2.064 for α = 0.05) and the probability of being wrong is zero.

Regarding the value of 0.4748 recorded in fi gure 3 for the Durbin-

Watson test, this indicates a positive autocorrelation of the residual values, being lower than the table value d1 = 1.27, for a series comprising 24 observations, a threshold of signifi cance α = 0.05 and a number of factors k =

1.



relation:

(3)

With the help of the relation (3) forecasts can now be made on the




• The analysis of the correlation between turnover (CA) and labor

productivity (PM)

The following analysis considers the indicators of microeconomics, turnover and labor productivity, recorded during the mentioned period.We analyzed the two indicators independently, using the EViews econometric analysis program, and the results are presented in Figures 4 and 2.

The evolution of the turnover in 2013-2018 (quarterly structure)

Figure 4

0

1

2

3

4

5

6

10000000 15000000 20000000 25000000

Series: CA

Sample 2013:1 2018:4

Observations 24

Mean 16189776

Median 15997598

Maximum 24970016

Minimum 7981235.

Std. Dev. 5797564.

Skewness 0.098737

Kurtosis 1.556369



Following fi gure 5.1 we fi nd that during the period under analysis the evolution of the indicator the turnover registered a minimum of 7,981,235 Ron (registered in Q1 of 2013), following an upward trend until the quarter. IV of the year 2018, thus registering the maximum value of 24,970,016 Ron. At the same time, the average value recorded by this indicator in 2013 - 2018 is 16,189,776 Ron, annually. On the other hand, considering that the Skewness value is close to zero, it shows us that the distribution of turnover values is quite symmetrical and we also have a slower distribution than normal, given the value of 1.55 a. Kurtosis test smaller than 3. In the following we have used the graphical representation of the correlation between the values recorded by the two analyzed indicators, an aspect that expresses the trend and is presented in graph number 2.


The correlation between turnover and labor productivity

Chart 2

We observe from graph 2 that the point cloud described by the recorded values has a linear evolution, which allows us to analyze the evolution of the two indicators using a unifactorial linear regression model, respectively:

(4)where: = resultant variable = factorial variable = regression parameters = variable residue



Results of simple linear regression model analysis between CA and PM

Figure 5Dependent Variable: CAMethod: Least SquaresSample: 2013:1 2018:4Included observations: 24

Variable Coeffi cient Std. Error t-Statistic Prob. C -8.86E+08 68714742 -12.89665 0.0000

PM 8.66E+08 65968162 13.13249 0.0000R-squared 0.886868 Mean dependent var 16189776Adjusted R-squared 0.881725 S.D. dependent var 5797564.S.E. of regression 1993847. Akaike info criterion 31.92869Sum squared resid 8.75E+13 Schwarz criterion 32.02686Log likelihood -381.1442 F-statistic 172.4623Durbin-Watson stat 0.434099 Prob(F-statistic) 0.000000

Interpreting the data in Figure 5, we found that the coeffi cients

recorded in the second column (the Coeffi cient column) are signifi cantly

diff erent from zero, which validates the model, meaning that it is a correct one

and can be used to predict the evolution of these indicators for the next period.




indicates that the results obtained are signifi cant.

Also, the R-squared correlation coeffi cient has the value of 0.88, close

to the unitary one, thus indicating a probability of 88.68% for this model to be

correct.

If we follow the t-Statistic test, we observe that the values registered

for both the free term and the independent variable are higher than the table

values (tt = 2.064 for α = 0.05) and the probability of being wrong is zero.

Regarding the value of 0.4340 recorded in fi gure 5 for the Durbin-

Watson test, this indicates a positive autocorrelation of the residual values, being

lower than the table value d1 = 1.27, for a series comprising 24 observations, a

threshold of signifi cance α = 0.05 and a number of factors k = 1.



relation:

(5)

With the help of the relationship (5) forecasts can now be made on the




• The analysis of the correlation between profi tability (R) and

turnover (CA)

Another statistical-econometric analysis based on the data presented in table 1, considers the correlation between profi tability (R) and turnover (CA). The analysis of the two indicators independently was done using the Eviews econometric analysis program. In the following we have resorted to the graphical representation of the correlation between the values recorded, an aspect that expresses the trend and is presented in graph number 3.

The correlation between profi tability and turnover

Chart 3

We observe from graph 3 that the point cloud described by the recorded values has a linear evolution, which allows us to analyze the evolution of the two indicators using a unifactorial linear regression model:

(6)where: = dependent variable = independent variable = regression coeffi cients

= residual variable



Results of simple linear regression model analysis between R and CA



CA 3.57E-09 1.05E-10 34.01524 0.0000R-squared 0.981341 Mean dependent var 1.197879Adjusted R-squared 0.980493 S.D. dependent var 0.020865S.E. of regression 0.002914 Akaike info criterion -8.758772Sum squared resid 0.000187 Schwarz criterion -8.660601Log likelihood 107.1053 F-statistic 1157.037Durbin-Watson stat 0.477082 Prob(F-statistic) 0.000000

Interpreting the data in fi gure number 6, my attention is drawn to

the very close value of zero of the turnover coeffi cient, namely

which indicates a weak infl uence on the evolution of the yield. economic

agent.

In other ideas, for estimating the theoretical values of the endogenous variable,

we will respect the following equality

(7)

With the help of the relationship (7) forecasts can now be made on the



Conclusions

This article, based on the study on the use of simple regression in

analyzing the correlation between profi tability, labor productivity and turnover

at the microeconomic level, leads to a series of theoretical and practical

conclusions. First of all, from the theoretical and then practical analysis, the

possibility of using econometric models for analyzing the profi tability of a

company results. Based on this simple linear regression model, we were able

to calculate the parameters, which you use give meaning to the perspective

and trend of future evolution of the company taken into account.

Second, whenever the simple linear regression is applied, the

statistical variables that are taken into account, the identifi cation based on the

data series, the graphical representations of the correlation or non-correlation

between them, and only then, must be carefully selected. based on the agreed


statistical-econometric model, to make this analysis. Another conclusion is that the activity of a trading company depends on a much larger number of variables that can be considered, so the study is not limiting, but it is a confi rmation of how statistical-econometric models can be used. in analyzing the activity and profi tability of an economic agent or any entity in the microeconomic group. Therefore, this analysis can be extended by considering other variables, but the procedure must be in the sense mentioned by the authors.

References

1. Anghel, M.G., Anghelache, C., Stoica, R. (2019). The concept and indicators of the economic potential effi ciency. Romanian Statistical Review, Supplement, 3, 58-69

2. Anghel, M.G., Anghelache, C., Samson, T. (2017). The Main Methodological

Elements Regarding the Comparability of the Result Indicators, Romanian

Statistical Review, Supplement, no. 7, 45-59

3. Anghelache, C., Anghel, M.G. (2018). Econometrie generală. Teorie și studii de

caz, Editura Economică, Bucureşti

4. Arcidiacono, P., Miller, R.A. (2011). Conditional Choice Probability Estimation of

Dynamic Discrete Choice Models with Unobserved Heterogeneity. Econometrica,

79 (November 2011), 1823–1867

5. Chetty, R. (2009). Suffi cient Statistics for Welfare Analysis: A Bridge Between

Structural and Reduced-Form Methods. Annual Review of Economics, Annual

Reviews, 1(1), 451-488

6. Farhi, E., Werning, I. (2016). A Theory of Macroprudential Policies in the Presence

of Nominal Rigidities. Econometrica, 84, 1645-1704

7. Ghysels, E., Osborn, D. (2001). The Econometric Anallysis of Seasonal Time

Series, Cambridge University Press, United Kingdom

8. Hamilton, J.; Waggoner, D., Zha, T. (2007). Normalization in econometrics,

Econometrics Reviews, nr. 26, pp. 221-252

9. Iacob, Ș.V. (2018). Inertia. models and applications to economy. Romanian

Statistical Review Supplement, 5, 116-124

10. Johansen, S., Nielsen, M. (2010). Likelihood inference for a fractionally

cointegrated vector autoregressive model, CREATES Research Papers 2010-24,

School of Economics and Management, University of Aarhus


Impactul globalizării asupra dezvoltării regionale în România

Marius CONSTANTIN ([email protected])

Bucharest University of Economic Studies, Romania

Oana COJOCARU-MAEREANU ([email protected])


Mădălina Elena DEACONU ([email protected])


Dumitru-Dănuţ MERCAN ([email protected])


Rezumat

Dezvoltarea regională şi globalizarea au implicaţii majore asupra

României, cu precădere asupra economiei şi asupra societăţii. Pe de o

parte, obiectivul principal al dezvoltării regionale este acela de a reduce

disparităţile dintre regiuni sau cel puţin ameliorarea acestora, iar pe de altă

parte, globalizarea presupune frontiere deschise, schimbări în continuu și

libertate de circulație a mărfurilor, serviciilor, capitalului și oamenilor, în

condiţii de competitivitate accentuată. Obiectivul principal avut în vedere în

această cercetare a fost acela de a cuantifi ca impactul globalizării asupra

dezvoltării regionale în cazul României, din perspectiva mai multor indicatori

ce sunt specifi ci ambelor domenii. Acest studiu a scos în evideţă atât efectele

pozitive ale globalizării asupra dezvoltării regionale, cât şi efectele negative.

Cuvinte cheie: dezvoltare regională, globalizare, România

Clasifi carea JEL: R10, F60, Y10

THE IMPACT OF GLOBALIZATION ON THE REGIONAL DEVELOPMENT IN

ROMANIA

Abstract

Regional development and globalization have major implications for

Romania, especially on the economy and society. On the one hand, the main

objective of regional development is to reduce the disparities between regions

or at least to reduce them, and on the other hand, globalization implies “open

borders”, continuous change and freedom of movement of goods, services,

capital and people, under conditions of increased competitiveness. The main


objective of this research was to quantify the impact of globalization on the

regional development in Romania, from the perspective of several indicators

that are specifi c to these topics. This study highlights the positive eff ects of

globalization on the regional development in Romania, as well as highlighting

the negative eff ects.

Key words: regional development, globalization, Romania

JEL Classifi cation: R10, F60, Y10

***

1. INTRODUCERE

Ţările din întreaga lume se confruntă cu probleme în dezvoltarea socio-economică echilibrată a teritoriului, indiferent de gradul acestora de dezvoltare. Disparităţile, inegalităţile, dezechilibrul dintre nivelurile de dezvoltare ale regiunilor unei ţări apar şi sunt întreţinute din cauza acţiunii unor factori precum: schimbarea condiţiilor socio-economice prin dezvoltarea accentuată a unor noi ramuri ale economiei sau intrarea celor vechi în declin; existenţa unor regiuni slab populate sau în care producţia provine din sectoarele primare; concentrarea creşterii economice doar în anumite regiuni; migraţia populaţiei către zonele puternic dezvoltate (Istudor, 2006). Regiunile reprezintă o dimensiune esențială a procesului de dezvoltare echitabilă şi armonioasă, nu doar în țările mai avansate, ci și în părțile mai puțin dezvoltate ale lumii (Scott & Storper, 2010). Obiectivul principal al strategiilor şi politicilor de dezvoltare regională este scăderea disparităţilor între regiuni sau cel puţin ameliorarea acestora prin diverse măsuri, precum aceea de a atragere investiţii în zonele mai puţin dezvoltate. Atragerea de investiţii reprezintă unul dintre principalii factori pentru dezvoltarea socio-economică în regiune şi poate asigura creşterea competitivităţii regionale (Renktova & Panevski, 2017). Globalizarea reprezintă un fenomen al lumii contemporane ce se caracterizează prin frontiere deschise, schimbări în continuu și libertate de circulație a mărfurilor, serviciilor, capitalului și oamenilor. Fiecare țară tinde să ofere o dezvoltare economică mai mare în economia internă și un nivel de viață mai ridicat pentru cetățenii săi (Jindrichovska, 2011). Cu toate acestea, globalizarea a fost acuzată că este sursa multor probleme (Molle, 2002). De exemplu, unele grupări multinaționale sunt acuzate de abuzuri de forță de muncă ieftină pe care o accesează pentru a produce bunuri ce sunt vândute scump (în raport cu costurile de producţie şi cu forţa de muncă) pentru consumatorii occidentali (Harumova, 2016). În situația economică globală actuală, caracterizată de procese din ce în ce mai mari de globalizare și nevoia crescândă de promovare a principiilor


durabilității în dezvoltarea economică, există opinii conform cărora factorii cheie în asigurarea pe termen lung termen economic creștere: inovație și capacitatea de a genera noi cunoștințe, antreprenoriat și promovarea tehnologiilor de vârf la frontiera tehnologică globală, capabile să genereze fenomene de „distrugere creativă”. Mai mult sau mai puțin paradoxal, multe studii arată că regiunile au un rol decisiv și devin mai importante în promovarea creșterii economice bazate pe inovație și antreprenoriat, prin interacțiunea și legăturile strânse care pot apărea între diferite părți interesate. Economiile regionale din România au cunoscut procese profunde de restructurare economică şi încă se confruntă cu problema identifi cării de noi căi și modele de dezvoltare economică efi ciente, vizând reducerea decalajului ce le separă de regiunile dezvoltate ale Uniunii Europene (Talmaciu, 2012). Globalizarea a distrus barierele economice, sociale, tehnologice, astfel încât mișcarea de oameni, bunuri şi informații a devenit mai ușoară și mai rapidă decât ne-am fi putut imagina la începutul anilor 1990 (Dan, 2011). În acest context, națiunile și regiunile se afl ă într-o concurență constantă pentru atragerea investițiilor străine directe, celor mai importanți producători, forței de muncă specializate, celor mai buni cercetători etc. România, fostă țară comunistă, are o poziție specială din cauza perioadei de tranziție de la sistemul socialist la sistemul vestic, bazat pe economia de piaţă, libera iniţiativă, tranferul de cunoaştere. Structura economică pe sectoare de activitate joacă un rol foarte important în dinamica decalajelor de dezvoltare la nivel național, deoarece infl uențează nivelul veniturilor și distribuția populaţiei în regiunile ţări (Iordan & Chilian, 2014). În perspectiva accentuării fenomenului de globalizare, a recuperării difi cile în urma crizelor economice și a disparităţilor persistente între regiuni, obiectivele politicii de coeziune din statele membre UE în viitoarea perioadă de programare, prevăd utilizarea efi cientă a resurselor umane, naturale și de capital pentru a crește nivelul de trai al tuturor cetățenilor și pentru a diminua dezechilibrele de dezvoltare. De asemenea, accentul este pus pe asigurarea dezvoltării durabile şi sustenabile a regiunilor. Unele economii regionale nu au reușit să benefi cieze de procesul globalizării și s-au mutat pe căi de creștere greșite. Cu toate acestea, globalizarea poate să nu fi e singura responsabilă pentru diferența de dezvoltare dintre ţări la nivel mondial, având în vedere complexitatea problemelor atunci când vine vorba de determinanții pe termen lung ai creșterii economice (Workie, 2006). Principalul obiectiv al acestei cercetări este acela de a cuantifi ca impactul globalizării asupra dezvoltării regionale în cazul României, din perspectiva mai multor indicatori ce sunt specifi ci ambelor domenii. Pentru a putea efectua această radiografi e a unui fenomen atât de complex cum este


globalizarea, obiectivul general al cercetării a fost împărţit în opt obiective specifi ce, pentru care au fost formulate ipoteze. O parte din întrebările cercetării sunt următoarele: În condiţiile în care produsul intern brut pe cap de locuitor crește, atunci va mai crește numărul imigranților defi nitiv în România? Din

ce țări provin imigranți și de ce aleg România? Care este ponderea capitalului strain în totalul investițiilor efectuate în România? Care este corelația dintre dinamica investițiilor nete și dinamica productivității medii a muncii? Toate obiectivele specifi ce, ipotezele, indicatorii analizaţi şi metodele de cercetare au fost centralizate în tabelul nr. 1.

Relaţia dintre obiectivele specifi ce cercetării şi ipotezele acestora, în

concordanţă cu metodele de cercetare şi indicatorii specifi ci relaţiei

obiectiv specifi c – ipoteză specifi că

Tabelul nr. 1

Obiectiv specifi c Ipoteza specifi că

O1 – Determinarea evoluţiei şi a impactului migraţiei şi imigraţiei asupra dezvoltării regiunilor din România în perioada 1990-2018

H1 – Dacă produsul intern brut nominal creşte de la o perioadă la cealaltă constant, atunci va creşte numărul imigranţilor defi nitv în România

O2 – Determinarea existenţei unei posibile corelaţii între produsul intern brut pe cap de locuitor şi diferenţa dintre imigranţi şi emigranţi defi nitiv în perioada 1992-2018

H2 – Există o corelaţie semnifi cativă între produsul intern brut nominal şi diferenţa dintre numărul imigranţilor defi nitiv şi numărul emigranţilor defi nitiv în perioada 1992-2018

O3 – Determinarea relaţiilor dintre valorile produsul intern brut nominal, numărul imigranţilor defi nitiv şi numărul emigranţilor defi nitiv, din perspectiva României. Identifi carea posibilelor motive ce stau la baza migraţiei din România şi imigraţiei către România

H3 – Majoritatea imigranţilor defi nitiv în România provin din ţări vecine, mai slab dezvoltate decât România. Majoritatea emigranţilor defi nitiv din ţara amintită anterior aleg ţări în care disparităţile teritoriale sunt mai mici decât în cazul România şi nivelul de trai al populaţiei este mai mare

O4 – Determinarea relaţiilor dintre rezultatele aplicării politicilor de dezvoltare regională la nivelul blocului comunitar şi distribuţia imigranţilor în statele membre ale Uniunii Europene

H4 – Există o corelaţie între distribuţia emigranţilor în blocul comunitar şi indicatorii ce exprimă rezultatul aplicării politiiclor de dezvoltare regională

O5 – Efectuarea unei analize asupra evoluţiei politicilor de dezvoltare naţionale în paralel cu rezultatele implementării acestora prin raportarea României la Uniunea Europeană şi la alte state relevante pentru studiu

H5 – Acordarea unei importanţe sporite cercetării-dezvoltării-inovării prin acordarea unui procent decent din produsul intern brut al unei ţări acestui domeniu determină rezultate pozitive asupra indicatori de rezultat al politicilor de dezvoltare


Obiectiv specifi c Ipoteza specifi că

O6 – Determinarea impactului şi evoluţiei investiţiilor nete asupra productivităţii medii a munci în cazul României

H6 – Există o corelaţie stabilă între dinamica investiţiilor nete în România şi dinamica productivităţii medii a muncii

O7 – Determinarea ponderii capitalului străin în totalul investiţiilor efectuate în România în perioada 2000 - 2017

H7 – Ponderea capitalului străin în totalul investiţiilor efectuate în România este aproape egală din punct de vedere procentual cu ponderea surselor proprii în totalul surselor de fi nanţare în perioada 2000 - 2017

O8 – Determinarea evoluţiilor şi relaţiilor dintre numărul sosirilor turiştilor străini în regiunile de dezvoltare ale României şi câştigurile salariale medii brute al populaţiei (pe regiuni de dezvoltare)

H8 – În regiunile dezvoltate ale României (unde salariul mediu este peste media României) şi regiunile cu specifi c turistic se înregistrează un număr mai mare al sosirilor turiştilor decât în zonele slab dezvoltate

Sursa: conceptualizare proprie

Aşadar, îndeplinirea tuturor celor 8 obiective specifi ce şi acceptarea sau respingerea ipotezelor specifi ce formulate contribuie la îndeplinirea obiectivului general al acestei cercetări, acela de a determina impactul globalizării asupra dezvoltării regionale în cazul României.

2. METODOLOGIA CERCETĂRII

Datele statistice sunt necesare pentru că fac posibilă desfăşurarea procesului de cercetare statistică, pentru a cuantifi ca rezultatele proceselor economico-sociale, pentru a formula metode alternative de acţiune într-un proces de luare a deciziilor etc. În acest context, datele sunt informaţii necesare pentru a asigura rigoare ştiinţifi că deciziilor şi rezultatelor cercetării. Procesul de cercetare statistică desfăşurat a presupus parcurgerea următoarelor etape, succesive şi distincte: culegerea şi înregistrarea datelor statistice; prelucrarea datelor culese cu ajutorul produselor software de specialitate; analiza şi interpretarea rezultatelor obţinute. Cea din urmă a presupus validarea sau respingerea ipotezelor specifi ce formulate şi a stat la baza formulării de concluzii pertinente pentru fi ecare serie de indicatori specifi ci analizaţi în cadrul cercetării statistice. Datele preluate şi utilizate în acest studiu au fost următoarele: - Emigranţi defi nitivi după ţara de destinaţie (Sursa: Institutul Naţional de Statistică România, codul indicatorului: POP309D)


- Imigranţi defi nitivi după ţara de provenienţă (Sursa: Institutul

Naţional de Statistică România, codul indicatorului: POP310D)

- Imigranţi defi nitivi (Sursa: Institutul Naţional de Statistică România,

codul indicatorului: POP310A)

- Investiţii nete (Sursa: Institutul Naţional de Statistică România,

codul indicatorului: INV101C şi INV101E)

- Investiţii nete realizate pe surse fi nanţare (Sursa: Institutul Naţional

de Statistică România, codul indicatorului: INV101F)

- Sosiri ale turiştilor străini în structuri de primire turistică cu funcţiuni

de cazare turistică, pe regiuni de dezvoltare (Sursa: Institutul Naţional de

Statistică România, codul indicatorului: TUR104B)

- Productivitatea muncii, pe persoană ocupată (Sursa: Institutul

Naţional de Statistică România, codul indicatorului: CON110A)

- Câştigul salarial nominal mediu brut lunar pe regiuni de dezvoltare

(Sursa: Institutul Naţional de Statistică România, codul indicatorului:

FOM107E)

- Produsul intern brut nominal, exprimat în USD (Sursa: Banca

Mondială, codul indicatorului: NY.GDP.PCAP.CD)

- Numărul imigranţilor în statele membre ale Uniunii Europene

(Sursa: Eurostat, codul indicatorului: TPS00176)

- Procentul din produsul intern brut alocat cercetării-dezvoltării-

inovării (Sursa: Eurostat, codul indicatorului: T2020_20)

- Procentul populaţiei drastic defavorizate material din total populaţie

(Sursa: Eurostat, codul indicatorului: TESPM030)

Conform Institutului Naţional de Statistică, emigranţii defi nitivi

sunt persoanele de cetăţenie română care emigrează în străinătate. Emigraţia

reprezintă acţiunea prin care o persoană renunţă la domiciliul din România şi

îşi stabileşte domiciliul pe teritoriul altui stat. Imigraţia este acţiunea prin care o

persoană renunţă la domiciliul de pe teritoriul altui stat şi îşi stabileşte domiciliul

în România. Imigranţii defi nitivi sunt persoanele de cetăţenie română care

imigrează în România. Investiţiile nete reprezintă cheltuielile efectuate

pentru lucrări de construcţii, de instalaţii şi de montaj, pentru achiziţionarea

de utilaje, mijloace de transport, alte cheltuieli destinate creării de noi mijloace

fi xe, pentru dezvoltarea, modernizarea, reconstrucţia celor existente, precum

şi valoarea serviciilor legate de transferul de proprietate al mijloacelor fi xe

existente şi al terenurilor. Sosirile turiştilor străini în structuri de primire

turistică cu funcţiuni de cazare turistică reprezintă numărul străinilor care

călătoresc în afara localităţilor în care îşi au domiciliul stabil, pentru o perioadă

mai mică de 12 luni şi stau cel puţin o noapte într-o unitate de cazare turistică

în zone vizitate din România, motivul principal al călătoriei fi ind altul decât


acela de a desfăşura o activitate remunerată în locurile vizitate. Productivitatea muncii per persoană ocupată a fost calculată ca raport între valoarea adăugată brută şi numărul de persoane ocupate. Câştigul salarial nominal brut cuprinde salariile, respectiv drepturile în bani şi în natură cuvenite salariaţilor pentru munca efectiv prestată (inclusiv pentru timpul lucrat suplimentar), potrivit formei de salarizare aplicată, sporurile şi indemnizaţiile acordate ca procent din salariu sau în sume fi xe, alte adaosuri la salarii (potrivit legii), sumele plătite pentru timpul nelucrat (indemnizaţiile pentru concediile de odihnă şi studii, zile de sărbătoare şi alte zile libere, sumele plătite din fondul de salarii pentru concediile medicale), premiile, primele de vacanţă şi alte sume plătite din fondul de salarii, conform actelor normative sau contractelor colective de muncă, sumele platite din profi tul net şi alte fonduri (inclusiv contravaloarea biletelor de valoare). Produsul intern brut nominal, exprimat în USD – conform World Bank, reprezintă suma valorii adăugate brute de către toți producătorii rezidenți din economie, plus impozitele pe produse, minus orice subvenții ce nu sunt incluse în valoarea produselor. Se calculează fără a face deduceri pentru deprecierea activelor şi se raportează la populaţie. Conform Eurostat, populaţia drastic defavorizată material este populaţia caracterizată de condiţiile de viaţă constrânse de lipsa de resurse şi care se confruntă cu cel puţin patru dintre cele nouă probleme: nu îşi pot permite să plătească facturi de chirie sau de utilităţi, nu îşi permit material să menţină o temperatură corespunzătoare în casa, nu pot face face cheltuielilor neaşteptate, mănâncă carne, peste sau echivalentul proteic în fi ecare a doua zi, nu îşi permit o vacanţă de o săptămână departe de casă, nu îşi permit o maşină, maşină de spălat, nu îşi permit un televizor color sau îşi permit un telefon.

3. REZULTATELE CERCETĂRII

În vederea îndeplinirii primului obiectiv al cercetării şi validării/respingerii primei ipoteze specifi ce, a fost elaborat fi gura nr. 1, în care se urmăreşte, în cazul României (perioada 1990-2018), evoluţia următorilor indicatori socio-economici: produsul intern brut nominal (indicator speecifi c dezvoltării regionale), numărul imigranţilor şi emigranţilor defi nitiv (indicatori specifi ci globalizării).


Evoluţia produsului intern brut per locuitor, a numărului emigranţilor

şi imigranţi defi tiv, în cazul României, în perioada 1990-2018

Figura nr. 1

Sursa: conceptualizare proprie, pe baza datelor preluate de la Institutul Naţional de Statistică

şi Banca Mondială

Se remarcă un apogeu al emigranţilor defi nitiv din România atins în anul 1990: 96.929 emigranţi defi nitiv. De asemenea, în perioada 1990-1999 se remarcă cele mai mari valori ale emigranţilor defi nitiv, fapt ce poate să fi e justifi cat din mai multe privinţe: înlăturarea regimului comunist la fi nalului anului 1989, în concordanţă cu nevoia accentuată a oamenilor de a se muta în alte ţări (pentru a putea să fi e aproape de familie sau pentru un nevoi de trai mai bun). De asemenea, în fi gura nr. 1, se remarcă faptul că, în perioada 1999-2018, dinamica emigranţilor defi nitiv de la un an la celălalt este 9,89% în medie, în condiţiile în care, din punct de vedere absolut, se remarcă valori mari în 2017 (23.156) şi 2018 (27.229) – ceea ce seamănă cu situaţia anilor 1992-1996 (atunci când se identifi că, în medie 22.789 de emigranţi defi nitiv). Referitor la evoluţia produsul intern brut pe cap de locuitor şi cea a numărului imigranţilor defi nitiv în România, se remarcă faptul că a existat un val al imigranţilor în perioada 1997-2002 (56.541) şi se mai remarcă o altă tendinţă de creştere începând cu anul 2011 (15.538) şi atingând punctul


maxim în anul 2018, atunci când au imigrat defi nitiv 65.678 de persoane. Totodată, această creştere a numărului de imigranţi defi nitiv din ultima perioadă menţionată poate să fi e justifi cată de creşterea constată din 2016 până în 2018 de nivelul produsului intern brut pe cap de locuitor (se remarcă o creştere constată a dinamicii acestui indicator: 6,57% - 2016 faţă de 2015; 12,81% - 2017 faţă de 2016 şi 13,97% - 2018 raportat la 2017). Având în vedere analiza datelor statistice, prima ipoteză specifi că a cercetării a fost validată: dacă produsul intern brut nominal creşte de la o perioadă la cealaltă constant, atunci va creşte şi numărul imigranţilor în România. Cu toate acestea, numărul emigranţilor defi nitiv nu va creşte în aceeaşi măsură precum cel al imigranţilor.

Diferenţa dintre numărul imigranţilor şi numărul emigranţilor defi nitiv

în cazul României şi dinamica acestui indicator (exprimată procentual)

Figura nr. 2

Sursa: conceptualizare proprie, date preluate de la Institutul Naţional de Statistică

În perioada 1992-2000, în cazul României, au fost înregistraţi mai mulţi emigranţi decât imigranţi, ceea ce a determinat ca diferenţa dintre emigranţi şi imigranţi defi nitiv, să fi e, în medie -14.306 persoane în perioada menţionată anterior. În anul 2001 au fost înregistraţi 429 de imigranţi mai mulţi decât emigranţi defi ntiv. Perioada 2002-2006 este, de asemenea, o perioadă în care diferenţa imigranţi-emigranţi defi nitiv în cazul României înregistrează valori negative: -6,558 de persoane în medie (cu o dinamică medie de -19,55%). Totodată, se remarcă faptul că începând cu anul 2012 există o tendinţă de creştere a diferenţei imigranţi-emigranţi defi nitiv, în măsura în care media


acestui indicator este 16.046 în perioada 2012-2018 (media dinamicii: 85,04%). A fost înregistrată valoarea maximă (38.449 persoane) a diferenţei imigranţi-emigranţi defi nitiv în anul 2018, cu o dinamică de 42,18% faţă de anul 2017 (27.043 persoane). Referitor la existenţa corelaţiei dintre produsul intern brut nominal şi diferenţa dintre numărul imigranţilor defi nitiv şi numărul emigranţilor defi nitiv în perioada 1992-2018, în cazul României, se constată că aceasta este în proporţie de 78,32%, un procent semnifi cativ ce justifi că corelaţia puternică între cei doi indicatori menţionaţi anterior, astfel încât cea de a doua ipoteză specifi că a cercetării este validată. România a înregistrat în perioada 1994-2018 un număr de 231.413 imigranţi din Moldova, în condiţiile în care anul 2018 a fost marcat de cel mai mare număr de imigranţi din ţara menţionată anterior: 36.810 imigranţi. În lista primelor zece ţări în ceea ce priveşte originea imigranţilor, se regăsesc următoarele: Moldova, Ucraina, Italia, Germania, Statele Unite ale Americii, Franţa, Ungaria, Canada, Austria şi Israel (total imigranţi defi nitiv: 307.656). De ce există atât de mulţi imigranţi din Moldova? Cea din urmă înregistrează o valoare de $3.189,36 a produsul intern brut nominal în anul

2018, de aproape patru ori mai puţin decât România, ceea ce poate determina, într-o anumită măsură, ca o parte imigranţilor să aleagă România (care este mai bine dezvoltată decât Moldova, din perspectiva acestui indicator de efect al implementării politicilor de dezvoltare regională). De asemenea, România este stat vecin, ceea ce poate să reprezinte, de asemenea, o explicaţie în decizia imigranţilor de a alege România. România a înregistrat în perioada 1994-2018 un număr de 185.595 emigranţi în Germania, în condiţiile în care anul 2018 a fost marcat de cel mai mare număr de emigranţi către altă destinaţie: Spania (6.910 emigranţi defi nitiv). În lista primelor zece ţări în ceea ce priveşte destinaţia emigranţilor, se regăsesc următoarele ţări: Germania, Statele Unite ale Americii, Italia, Canada, Ungaria, Spania, Austria, Franţa (total emigranţi defi nitiv: 516.678). De ce există atât de mulţi emigranţi defi nitiv în Germania? Cea din urmă înregistrează o valoare de $48.195,58 a produsul intern brut nominal

în anul 2018, de aproape patru ori mai mult decât România, ceea ce poate

determina, într-o anumită măsură, ca o parte emigranţilor să aleagă Germania (care este mai bine dezvoltată decât România, din perspectiva acestui indicator de efect al implementării politicilor de dezvoltare regională). Referitor la dinamica produsului intern brut nominal (2018 raportat la 1990), se remarcă progresele mari ale României (632%).


Numărul emigranţilor şi imigranţilor defi nitiv în România în perioada 1990-2018, corelare cu produsul intern brut nominal

Tabelul nr. 2

Ţara de provenienţă

Total imigranţi defi nitiv (1994-2018)

Imigranţi defi nitiv (1994)

Imigranţi defi nitiv (2018)

PIB nominal (1990)

PIB nominal (2018)

Dinamică PIB

nominal 2018 vs

19901 MOLDOVA 231.413 62 36.810 $476,99 $3.189,36 569%

2 UCRAINA 22.015 60 204 $1.569,74 $3.095,17 97%

3 ITALIA 13.573 19 1.073 $20.757,09 $34.318,35 65%

4 GERMANA 10.326 229 815 $22.219,57 $48.195,58 117%

5 SUA 8.681 80 580 $23.888,60 $62.641,01 162%

6 FRANŢA 5.257 79 256 $21.793,84 $41.463,64 90%

7 UNGARIA 5.008 60 204 $3.349,77 $15.938,84 376%

8 CANADA 4.544 12 320 $21.448,36 $46.210,55 115%

9 AUSTRIA 3.631 121 171 $21.680,99 $51.512,91 138%

10 ISRAEL 3.208 31 140 $12.644,93 $41.614,00 229%

ROMÂNIA $1.680,71 $12.301,19 632%

Ţara de destinaţieEmigranţi defi nitiv

(1990-2018)

Emigranţi defi nitiv (1990)

Emigranţi defi nitiv (2018)

PIB nominal (1990)

PIB nominal (2018)

Dinamică PIB

nominal 2018 vs

19901 GERMANIA 185.595 66.121 3.961 $22.219 $48.195 117%

2 SUA 56.656 4.924 1.243 $23.888 $62.641 162%

3 ITALIA 55.877 1.130 4.553 $20.757 $34.318 65%

4 CANADA 45.435 1.894 1.126 $21.448 $46.210 115%

5 UNGARIA 43.576 10.635 304 $3.349 $15.938 376%

6 SPANIA 40.662 lipsă date 6.910 $13.767 $30.523 122%

7 AUSTRIA 33.370 3.459 1.746 $21.680 $51.512 138%

8 FRANŢA 23.296 1.626 1.075 $21.793 $41.463 90%

9 ISRAEL 14.588 1.227 61 $12.644 $41.614 229%

10 SUEDIA 5.134 996 173 $30.196 $54.111 79%

ROMÂNIA $1.680 $12.301 632%

Sursa: conceptualizare proprie, pe baza datelor preluate de la Institutul Naţional de Statistică şi

de la Banca Mondială


Pentru a putea determina relaţiile dintre rezultatele aplicării politicilor de dezvoltare regională la nivelul blocului comunitar şi distribuţia imigranţilor în statele membre ale Uniunii Europene, s-a elaborat fi gura nr. 3, la nivelul celor 28 de ţări membre ale Uniunii Europene, ce surpinde valorile indicatorilor: produsul intern brut nominal (2018); procentul populaţiei drastic defavorizate material din totalul populaţiei drastic defavorizate, la nivelul Uniunii Europene (2018); procentul din produsul intern brut alocat cercetării-dezvoltării-inovării (2017) şi distribuţia imigranţilor (2017), în condiţiile în care nu există date aferente anului 2018 pentru ultimii doi indicatori menţionaţi (data ultimei accesări: 15 decembrie 2019).

Distribuţia imigranţilor în cele 28 de state membre UE, abordată din

perspectiva indicatorilor ce exprimă rezultatul politicilor de dezvoltare

regională

Figura nr. 3


Cea de a patra ipoteză specifi că a cercetării vizează existenţa unei corelaţii între distribuţia imigranţilor în blocul comunitar şi indicatorii din sfera dezvoltării regionale din fi gura nr. 6. În acest sens, au fost determinat faptul că există o corelaţie de 11,45% între distribuţia imigranţilor în cele 28 de ţări şi produsul intern brut nominal (corelaţie slabă), o corelaţie puternică între distribuţia imigranţilor şi procentul populaţiei drastic defavorizate material din totalul populaţiei drastic defavorizate la nivelul Uniunii Europene (68,01%). În fi nal, a fost determinată corelaţia slabă de 30,98% între distribuţia imigranţilor şi procentul din produsul intern brut alocat cercetării-dezvoltării-inovării. În urma acestor rezultate statistice, se pot


formula următoarele menţiuni: în cazul primei relaţii studiate – corelaţia mică (11,45) este cauzată de procentul imigranţilor înregistrat în ţări ce se remarcă prin produsul intern brut nominal mare (raportat la media Uniunii Europene), precum Luxemburg (0,55%), Irlanda (1,79%), Danemarca (1,56%), Finlanda

(0,72%) şi distribuţia medie de imigranţi în ţări precum Spania (12,10%),

Polonia (4,76%) şi România (4,04%), în condiţiile în care aceste ţări se afl ă

sub media Uniunii în ceea ce priveşte produsul intern brut nominal. Cea de a patra ipoteză a cercetării este validată doar de corelaţia de 68,01% dintre distribuţia imigranţilor şi procentul populaţiei drastic defavorizate material din totalul populaţiei drastic defavorizate la nivelul Uniunii Europene. În acest sens, se poate concluziona că ţările din Uniunea Europeană în care distribuţia imigranţilor este mare (Germania – 20,86%, UK – 14,65% şi Spania – 12,10%) şi procentul populaţiei drastic defavorizate material din totalul populaţiei drastic defavorizate la nivelul Uniunii este mare. Corelaţia slabă (30,98%) dintre distribuţia imigranţilor şi procentul din produsul intern brut alocat cercetării-dezvoltării-inovării nu validează ipoteza formulată şi este explicată de distribuţia mică de imigranţi (Danemcarca: 1,56%; Suedia: 3,29%; Austria: 2,54% şi Finlanda: 0,72%) în ţări care alocă valori mari din produsul intern brut către zona de cercetare-dezvoltare-inovare (Danemcarca: 3,05%; Suedia: 3,40%; Austria: 3,16% şi Finlanda: 2,76%) şi distribuţia mare de imigranţi (UK: 14,65%; Spania: 12,10%; Polonia: 4,76% şi România: 4,04%) în ţări care alocă valori mici din produsul intern brut către zona de cercetare-dezvoltare-inovare (UK: 1,66%; Spania: 1,20%; Polonia: 1,03% şi România: 0,50%). Obiectivul specifi c nr. 5 vizează efectuarea unei analize asupra evoluţiei politicilor de dezvoltare naţionale în paralel cu rezultatele implementării acestora prin raportarea României la Uniunea Europeană şi la alte state relevante pentru studiu. Vor fi abordaţi următorii indicatori: produsul intern brut nominal (indicator de rezultat al politicilor de dezvoltare regionale implementate), procentul din produsul intern brut alocat cercetării-dezvoltării-inovării (indicator ce are impact asupra politicilor de dezvoltare naţională) şi schimbările în dinamică a indicatorilor menţionaţi anterior. În fi gura nr. 4 au fost incluse următoarele ţări, din următoarele motive: România (deoarece are cel mai mic procent din produsul intern brut alocat cercetării-dezvoltării-inovării din Uniunea Europeană), Austria (motivul pentru care a fost selectată această ţară este opusul motivului pentru care a fost aleasă România), media Uniunii Europene (ca punct de reper) şi Coreea de Sud (deoarece are cel mai mare procent din produsul intern brut alocat cercetării-dezvoltării-inovării din baza de date Eurostat disponibilă). Conform ipotezi formulate, acordarea unei importanţe sporite


cercetării-dezvoltării-inovării prin acordarea unui procent decent din produsul intern brut al unei ţări acestui domeniu determină rezultate pozitive asupra

indicatori de rezultat al politicilor de dezvoltare. Această ipoteză este validată,

deoarece există o corelaţie puternică între produsul intern brut nominal

(indicator de rezultat al politicilor de dezvoltare regionale implementate)

şi procentul din produsul intern brut alocat cercetării-dezvoltării-inovării

(indicator ce are impact asupra politicilor de dezvoltare naţională) la nivelul

mediei UE (corelaţie de 61,29%), României (71,75%), Austriei (81,82%) şi

Coreei de Sud (95,07%) – în condiţiile în care perioada de analiză este 2000-

2017. Aşadar, creşterea procentului din produsul intern brut alocat cercetării-

dezvoltării-invovării poate să determine produsul intern brut nominal.

Evoluţia produsul intern brut nominal în relaţie cu procentul din

produsul intern brut alocat cercetării-dezvoltării-inovării

Figura nr. 4


Referitor la dinamica indicatorilor analizaţi anterior, România a avut

cea mai mare scădere în dinamica indicatorului procentul din produsul intern

brut alocat cercetării-dezvoltării-inovării în anul 2009 (scădere de 20 de puncte

procentuale), în condiţiile în care în acelaşi an a scăzut şi produsul intern brut

nominal (cu 18 puncte procentuale în cazul României şi 11 în cazul mediei

Uniunii Europene, pe fondul crizei economice). Tot în cazul României a fost

înregistrată cea mai mare creştere în dinamica procentului din produsul intern

brut alocat cercetării-dezvoltării-inovării, în anul 2015, atunci când creşterea

a fost de aproape 29 de puncte procentuale – dar chiar şi în acest context,


valoarea indicatorului este cu mult sub media Uniunii Europene (0,5% din

produsul intern brut alocat cercetării-dezvoltării-inovării în România, faţă de 2,06% - media Uniunii Europene, de patru ori mai mare faţă de valoarea înregistrată de România). În perioada 2000-2017, media procentului din produsul intern brut alocat cercetării-dezvoltării-inovării la nivelul Uniunii Europene a fost de 1,89% (de 1,74 de ori mai mică decât cea a Coreei de Sud). Impactul globalizării asupra dezvoltării regionale vizează şi investiţiile (cu precădere cele străine) efectuate în toate regiunile de dezvoltare ale României. În acest sens, al şaselea obiectiv specifi c al cerceătrii presupune determinarea impactului şi evoluţiei investiţiilor nete asupra productivităţii medii a munci în cazul României, în condiţiile în care ipoteza formulată aferentă acestui obiectiv este aceea că există o corelaţie stabilă între dinamica investiţiilor nete în România şi dinamica productivităţii medii a muncii.

Nivelul investiţiilor nete efectuate în România în perioada 2001-2017.

Dinamica productivităţii medii a muncii şi dinamica investiţiilor nete

(exprimate în milioane lei) în România

Figura nr. 5

Sursa: conceptualizare proprie, date preluate de la Institul Naţional de Statistică

În concordanţă cu datele preluate şi prelucrate din baza de data ofi cială pusă la dispoziţie pe pagina web a Institutului Naţional de Statistică,


se valideză ipoteză menţionată anterior, deoarece există o corelaţie puternică (78,28%) între dinamica investiţiilor nete efectuate în România în perioada 2001-2017 şi dinamica productivităţii medii a muncii. Anul 2001 a marcat anul în care au fost înregistrate cele mai bune valori ale dinamicii în cazul celor doi indicatori: 63,37% în cazul investiţiilor nete efectuate în România şi 47,40% în cazul productivităţii medii a muncii. Pe fondul resimţirii efectelor crizei economice, anul 2009 marchează cea mai slabă valoare în dinamică investiţiilor nete efectuate în România, deoarece există o scădere de 24,7 puncte procentuale. Anul 2010 marchează o dinamică a productivităţii medii a muncii de doar 0,93 puncte procentuale, cea mai mică valoare înregistrată de acest indicator în perioad 2001-2017. Se remarcă o stagnare a volumului investiţiilor nete efectuate în România în perioada 2011-2017, deoarece media este de 900.020 milioane de lei (deviaţia standard: 56.334 milioane lei), în condiţiile în care media dinamicii acestui indicator este 3,85%. Această valoare mică raportată la perioada 2001-2008, atunci când media dinamicii aceluiaşi indicator a fost de 30,47%, de aproape 10 ori mai mare. Acest fapt este justifi cat de deschiderea pe care România a avut-o atunci când regimul comunist a fost înlăturat (anul 1989) şi s-a instalat un nou regim democratic, ce a permis ca globalizarea să se accentueze şi să permită efectuarea de investiţii în România, unul dintre vectorii dezvoltării regionale.

Evoluţia ponderii capitatului străin în totalul investiţiilor nete, ponderii

surselor proprii în totalul investiţiilor nete şi ponderii altor surse în

totalul investiţiilor nete efectuate în România

Figura nr. 6



Determinarea ponderii capitalului străin în totalul investiţiilor efectuate în România în perioada 2000 – 2017 (obiectivul specifi c nr. 7 al cercetării) a fost efectuată tot cu ajutor datelor. Datele preluate de la Institutul Naţional de Statistică infi rmă ipoteza formulată, conform căreia ponderea capitalului străin în totalul investiţiilor nete efectuate în România este aproape egală din punct de vedere procentual cu ponderea surselor proprii în totalul surselor de fi nanţare în perioada 2000 – 2017. Există o diferenţă semnifi cativă între cele două ponderi, deoarece, în medie, în perioada 2000-2017, ponderea capitalului străin în totalul investiţiilor nete efectuate în România este cu 69,85% mai mică decât ponderea surselor proprii în totalul surselor de fi nanţare, în condiţiile în care dinamica ultimului indicator menţionat este mică în medie: 0,3%. Ponderea capitalului străin în totalul investiţiilor nete efectuate în România în anul 2015 înregistrează o valoare maximă: 5% (49.340 milioane lei), dar scade la 1,1% (10.101 milioane lei) în anul 2014 şi la 0,6% (5.153 milioane lei) în anul 2017. Aceste valori sunt mici faţă de potenţialul României în toate domeniile de activitate. Atragerea de capital străin în investiţiile nete este un aspect des considerat în strategiile de dezvoltare regionale ca fi ind dezirabil. De asemenea, efectuarea de investiţii nete din capital străin reprezintă o formă de manifestare a globalizării pe teritoriul României. Ultimul obiectiv specifi c al cercetării presupune determinarea evoluţiilor şi relaţiilor dintre numărul sosirilor turiştilor străini în regiunile de dezvoltare ale României şi câştigurile salariale medii brute al populaţiei (pe regiuni de dezvoltare). Una dintre limitele acestei cercetări este faptul că, în cazul de faţă, analiza se efectuează la nivel de regiune şi nu la nivel de judeţ, iar discrepanţele dintre judeţele unei singure regiuni pot să fi e mai mari decât discrepanţele dintre regiunile de dezvoltare ale României.

Câştigul salarial nominal mediu brut lunar pe regiuni de dezvoltare

Figura nr. 7



Regiunea Bucureşti – Ilfov înregistrează cele mai mari valori ale câştigului salarial nominal mediu brut dintre toate regiunile de dezvoltare ale României, punctul maxim fi ind atins în anul 2018 când valoarea acestui

indicator a fost de 5.884 de lei, cu 1.712 lei (41,03%) mai mult decât media la

nivelul tuturor regiunilor de dezvoltare şi de 1,58 ori mai mult decât câştigul mediul nominal brut înregistrat în regiunea în care acest indicator înregistrează cea mai mică valoare, respectiv regiunea Sud – Est (3.719 lei).

Numărul de sosiri ale turiştilor străini în structuri de primire turistică

cu funcţiuni de cazare turistică pe regiuni de dezvoltare

Figura nr. 7


De asemenea, tot regiunea Bucureşti – Ilfov, cea mai dezvoltată dintre cele 8 regiuni ale României, se situează pe primul loc în topul numărului de sosiri ale turiştilor străini în structuri de primire turistică cu funcţiuni de cazare turistică. În anul 2018, celelalte 7 regiuni înregistrat, în total, un număr de 1.506.032 sosiri, cu doar 215.442 (16,69%) mai multe decât cele înregistrate

în regiunea Bucureşti – Ilfov. Referitor la ultima ipoteză specifi că formulată este validată. Conform acesteia, în regiunile dezvoltate ale României (unde salariul mediu este peste media României) şi regiunile cu specifi c turistic se înregistrează un număr mai mare al sosirilor turiştilor decât în zonele slab dezvoltate. Principalele considerente care stau la baza acestei decizii sunt următoarele: ► În regiunea Bucureşti – Ilfov se înregistrează cel mai mare nivel

al câştigului salarial mediu brut în perioada 2008 – 2018, perioadă în care se înregistrează, de asemenea, şi cel mai mare număr al sosirilor turiştilor străini în structuri de primire turistică cu


funcţiuni de cazare turistică. ► Regiunea Centru înregistrează al doilea cel mai mare număr de

sosiri ale turiştilor străini în structuri de primire turistică cu funcţiuni de cazare turistică (552.545 sosiri în anul 2018) – fapt datorat de potenţialul turistic pe care această regiune reuşeşte să îl valorifi ce, în condiţiile în care câştigul nominal mediu brut înregistrat în această regiune se situează în jurul mediei celor 8 regiuni de dezvoltare (4.047 lei, cu 125 de lei mai puţin decât media regiunilor de dezvoltare).

Regiunea Sud – Vest Oltenia este regiunea cea mai puţin atractivă pentru turiştii străini, deoarece, în anul 2018, numărul de sosiri ale turiştilor străini în structuri de primire turistică cu funcţiuni de cazare turistică (48.143) este de 7,26 de ori mai mic decât media sosirilor de turişti străini în regiunile de dezvoltare ale României. De asemenea, tot această regiune se situează pe antepenultimul loc în ceea ce priveşte câştigurile salariale nominale brute. Valoarea acestui indicator este cu 218 lei mai mică decât media înregistrată la nivelul tuturor celor 8 regiuni de dezvoltare din România, respectiv cu 5,69 puncte procentuale mai mică faţă de medie. Referitor la dinamica acestor indicatori – este important de menţionat faptul că anul 2018 marchează cele mai mari schimbari în dinamica indicatorului câştiguri salariale nominale

brute (la media regiunilor de dezvoltare, dinamică este de 35,15%, faţă de anul 2017 – situaţie favorabilă) şi o scădere a dinamicii indicatorului numărul

de de sosiri ale turiştilor străini în structuri de primire turistică cu funcţiuni

de cazare turistică – situaţie nefavorabilă României (făcând referire la media celor opt regiuni de dezvoltare; de la 11,90% la 1,32% - în cazul raportării 2017 la 2016, respectiv în cazul raportării 2018 la 2017).

4. CONCLUZII

Globalizarea reprezintă un fenomen amplu şi continuu al lumii moderne, caracterizat prin frontiere deschise, schimbări permanente și libertate de circulație a mărfurilor, serviciilor, capitalului și oamenilor. Aceasta a distrus bariere economice, sociale, tehnologice. În perspectiva accentuării fenomenului de globalizare și a existenţei disparităţilor persistente între regiuni, obiectivele politicii de coeziune din statele membre Uniunii Europene prevăd utilizarea efi cientă a resurselor pentru a crește nivelul de trai al tuturor cetățenilor și pentru a diminua dezechilibrele de dezvoltare regională (Rentkova şi Panevski, 2017). Dezvoltarea regională echilibrată este una dintre priorităţile oricărei ţări şi presupune un proces complex de dezvoltare armonioasă a tuturor zonelor prin aplicarea unor politici de uniformizare relativă între nivelurile de dezvoltare socio-economică a diferitelor zone,


respectând gestionarea durabilă a resurselor naturale şi protecţia capitalului natural (Stanickova, 2014). Principalul obiectiv al acestei cercetări, acela de a cuantifi ca impactul globalizării asupra dezvoltării regionale în cazul României, din perspectiva mai multor indicatori ce sunt specifi ci ambelor domenii a fost îndeplinit prin divizarea obiectivului general al cercetării în opt obiective specifi ce, pentru care au fost formulate ipoteze, conform tabelului nr. 3.

Relaţia dintre obiectivele specifi ce, ipotezele formulate şi rezoluţia

acestora. Observaţii

Tabelul nr. 3

Obiectiv

specifi cIpoteză specifi că

Validare /

RespingereObservaţii

O1

Dacă produsul intern brut nominal creşte de la o perioadă la cealaltă constant, atunci va creşte numărul imigranţilor defi nitv în România Ipoteză

validată

54% reprezintă procentul în care numărul imigranţilor defi nitiv în România (indicator de efect al globalizării) este explicat de către produsul intern brut nominal (indicator de efect al implementării politicilor de dezvoltare regională)

O2

Există o corelaţie semnifi cativă

între produsul intern brut nominal şi

diferenţa dintre numărul imigranţilor

defi nitiv şi numărul emigranţilor

defi nitiv în perioada 1992-2018

O3

Majoritatea imigranţilor defi nitiv

în România provin din ţări vecine,

mai slab dezvoltate decât România.

Majoritatea emigranţilor defi nitiv

din ţara amintită anterior aleg ţări

în care disparităţile teritoriale sunt

mai mici decât în cazul România şi

nivelul de trai al populaţiei este mai

mare

Ipoteză

validată

Moldova, o ţară subdezvoltată

în raport cu România, se afl ă

în topul ţărilor de provenienţă

a imigranţilor. Germania, o

ţară mai bine dezvoltată decât

România, se afl ă în topul ţărilor

de destinaţie a emigranţilor.

O4

Există o corelaţie între distribuţia

emigranţilor în blocul comunitar

şi indicatorii ce exprimă rezultatul

aplicării politiiclor de dezvoltare

regională

Ipoteză

validată

Există o corelaţie de 68,01%

între distribuţia imigranţilor

şi procentul populaţiei drastic

defavorizate material din totalul

populaţiei drastic defavorizate la

nivelul Uniunii Europene

O5

Acordarea unei importanţe sporite

cercetării-dezvoltării-inovării prin

acordarea unui procent decent din

produsul intern brut al unei ţări

acestui domeniu determină rezultate

pozitive asupra indicatori de rezultat

al politicilor de dezvoltare

Ipoteză

validată

Creşterea procentului din

produsul intern brut alocat

cercetării-dezvoltării-invovării

poate să determine produsul

intern brut nominal (exemplu:

Coreea de Sud)


Obiectiv

specifi cIpoteză specifi că

Validare /

RespingereObservaţii

O6

Există o corelaţie stabilă între

dinamica investiţiilor nete în

România şi dinamica productivităţii

medii a muncii

Ipoteză

validată

Există o corelaţie puternică între

indicatorii menţionaţi (78,28%).

O7

Ponderea capitalului străin în totalul

investiţiilor efectuate în România

este aproape egală din punct de

vedere procentual cu ponderea

surselor proprii în totalul surselor de

fi nanţare în perioada 2000 - 2017

Ipoteză respinsă

Există o diferenţă semnifi cativă între cele două ponderi, deoarece, în medie, în perioada 2000-2017, ponderea capitalului străin în totalul investiţiilor nete efectuate în România este cu 69,85% mai mică decât ponderea surselor proprii în totalul surselor de fi nanţare.

O8

În regiunile dezvoltate ale României (unde salariul mediu este peste media României) şi regiunile cu specifi c turistic se înregistrează un număr mai mare al sosirilor turiştilor decât în zonele slab dezvoltate

Ipoteză validată

În regiunea Bucureşti – Ilfov se înregistrează cel mai mare nivel al câştigului salarial mediu brut în perioada 2008 – 2018, perioadă în care se înregistrează, de asemenea, şi cel mai mare număr al sosirilor turiştilor străini în structuri de primire turistică cu funcţiuni de cazare turistică.


Limitele cercetării de faţă includ numărul relativ mic de indicatori specifi ci analizaţi, în contextul în care globalizarea şi dezvoltarea regională sunt mecanisme foarte complexe, cu ramifi caţii în mult mai multe domenii decât cele abordate în cadrul acestei cercetări.

Bibliografi e

1. Dan, M.C. (2011). Competitiveness, Regional Development and Clusters in

the Romanian Context. In: Proceedings of the 6th International Conference on

Business Excellence. pp.165–168. 2. Gheorghiţă, M. and Pătărlăgeanu, S.R. (2006). Econometrie. Editura ASE. 3. Harumova, A. (2016). The Development of Unemployment in Slovakia in

the Conditions of Globalization. In: Globalization and Its Socio-Economic

Consequences. pp.611–619. 4. Iordan, M. and Chilian, M.N. (2014). The sectoral structures in Romania, its

regions and the EU countries - key features of economic and social cohesion. In:

Procedia Economics and Finance. 5. Istudor, N. (2006). Dezvoltarea rurală şi regională a României în perspectiva

integrării în Uniunea Europeană. Editura ASE.


6. Jindrichovska, I. (2011). Globalisation, Competition and Innovation-Recent

Development. 7. Molle, W. (2002). Globalization, regionalism and labour markets: Should we

recast the foundations of the EU regime in matters of regional (rural and urban)

development? In: Regional Studies. pp.161–172. 8. Rentkova, K. and Panevski, D. (2017). Analysis of Foreign Direct Investment as

a Tool of Regional Development. In: Economic and Social Development. pp.326–334.

9. Scott, A.J. and Storper, M. (2010). Regions, globalization, development. In: Regional Studies. pp.579–593.

10. Stanickova, M. (2014). Competitiveness Factors in Regional Growth: the

Case of Central and Eastern European Countries. In: Proceedings of the 2nd

International Conference on European Integration 2014. pp.634–643. 11. Talmaciu, M. (2012). Considerations regarding the development of Romanian

regional economies through innovation and entrepreneurship. In: Procedia

Economics and Finance. 12. Workie, M.T. (2006). The process of globalization and growth disparities across

world’s regional economies. In: Ekonomicky Casopis. pp.18–35.

sumar / contents 2/2020 - institutul național de statistică

Documents