Analiza Statistica a Situatiei Economico Financiare din Romania

Introducere

Analiza statistică

Analiza statistică reprezintă o modalitate științifică de cercetare și studiere a indicatorilor statistici obținuți din colecții de date codificate, supuse prelucrării ce caracterizează anumite fenomene și procese economico-financiare, demografice, psihologice, lingvistice, etc.

Indicatorii statistici îndeplinesc o serie de funcții precum (Gaber C., 2007):

Funcția de măsurare a anumitor ipostaze a fenomenelor și proceselor analizate. Prin intermediul acestei funcții se obțin indicatori absoluți, exprimați în numere, cantități, valori.

Funcția de sinteză în cazul fenomenelor și proceselor ce se exprimă diferit în diverse unități. De regulă, indicatorii se obțin ca valori medii și au un sens doar dacă trec proba omogenității.

Funcția de comparare, care poate fi realizată prin intermediul diferenței la indicatorii absoluți care au aceleași unități de măsură sau prin intermediul raportului pentru diferite tipuri de indicatori.

Funcția de analiză ce se manifestă în cazul variabilelor complexe, care se pot descompune.

Funcția de estimare ce este utilizată în cazul în care datele sunt obținute în urma unui sondaj cu caracter reprezentativ.

Funcția de verificare a ipotezelor și de testare a semnificației indicatorilor calculați în eșantion ce evidențiază interpretarea probabilistică și are ca scop găsirea celui mai potrivit model și a celor mai potriviți indici.

În analiza statistică sunt utilizate mai multe tipuri de variabile care sunt clasificate după următoarele criterii (Suport de curs):

După modul de exprimare deosebim:

Variabile calitative sau nenumerice → care nu pot fi decât clasate, acestea sunt exprimate prin cuvinte și se clasifică în:

Variabile calitative nominale;

Variabile calitative ordinare.

Variabile cantitative sau numerice → care pot fi atât ordonat, cât și numărate, acestea sunt exprimate numeric și se clasifică în:

Variabile cantitative de interval;

Variabile cantitative de raport.

După numărul de elemente:

Variabile binare sau alternative → scala cărora e compusă din 2 valori antonime.

Variabile nealternative → variabile ce nu posedă proprietățile variabilelor alternative

După natura variației caracteristicii numerice:

Variabile continue → care pot lua orice valoare din scala lor de variație;

Variabile discrete → care nu pot lua decât anumite valori din scala lor de rotație, de regulă numere întregi.

Statistica descriptivă

Statistica descriptivă reprezintă o parte componentă a statisticii care se ocupă cu reprezentarea datelor, astfel permițând analizarea și înțelegerea acestora mult mai facil.

Statistica descriptivă poate fi analizată din perspectiva indicatorilor ce evidențiază:

Măsuri de tendință centrală;

Măsuri de dispersie;

Măsuri de localizare;

Măsuri de simetrie.

Măsuri de tendință centrală

Măsurile de tendință centrală sunt reprezentate de ansamblul elementelor ce sunt grupate în jurul elementului central, astfel reprezentativitatea acestora este evidențiată de nivelul de concentrare al elementelor respective în jurul elementului central. Măsurile ce caracterizează tendința centrală sunt:

Media aritmetică → reprezintă o serie statistică valoarea cărei este notată cu și este obținută ca raport al sumelor tuturor valorilor observațiilor și numărul de observații.

=

Mediana → reprezintă acea valoare xm ce împarte seria ordonată crescător { x1, x2, … , xn} în două părți egale , din punct de vedere al numărului elementelor existente de cele două părți.

=

Modul → reprezintă valoarea care se repetă de cele mai multe ori într-o serie, astfel datorită acestui fapt este cunoscută și sub denumirea de dominanta seriei.

M0 = x0+ h unde:

= limita inferioară a intervalului modal;

h = mărimea intervalului modal;

=diferența dintre frecvența intervalului modal și a celui precedent ;

= diferența dintre frecvența intervalului modal și a celui următor ;

= frecvența intervalului modal;

= frecvența intervalului precedent celui modal;

= frecvența intervalului următor celui modal.

Media geometrică → reprezintă acea valoare cu ajutorul căreia, dacă se înlocuiesc toți termenii seriei și se calculează produsul acestora, valoarea rezultată va fi egală cu produsul termenilor reali.

=

Media armonică ponderată → se utilizează doar în situații speciale, calculându-se ca inversa mediei aritmetice, ce se obține din valorile inverse ale termenilor aceeași serii.

=

Media pătratică → se utilizează atunci când se dorește acordarea unei importanțe mai mari acelor caracteristici cu valori mai mari, cum ar fi în demografie, calculul abaterii standard, etc.

=

Măsuri de dispersie

Măsurile de dispersie sunt statistici descriptive care descriu cât de asemănătoare sunt mai multe seturi de elemente. Cu cât mai asemănătoare vor fi aceste elemente, cu atât dispersia va fi mai mică, în caz contrar dacă elementele respective nu vor mai avea atât de multe asemănări, atunci putem vorbi de o dispersie mai mare.

În general, cu atât mai mult este răspândită o distribuție cu atât mai mare va fi măsura de dispersie a acesteia. Măsurile de dispersie cele mai des utilizate sunt:

Minim → reprezintă elementul minim dintr-un set de date

Xmin = min {X1, X2, … , Xn}

Maxim → reprezintă elementul maxim dintr-un set de date

Xmax = max {X1, X2, … , Xn};

Amplitudinea → este definită ca fiind diferența dintre cel mai mare element al setului de date și elementul cel mai mic.

A = Xmax – Xmin unde:

A = amplitudinea;

Xmax = max {X1, X2, … , Xn};

Xmin = min {X1, X2, … , Xn};

Variația → se determină ca o medie aritmetică simplă sau ponderată a pătratelor abaterilor termenilor față de media lor.

= pentru o serie simplă

Abaterea standard → se determină ca o medie pătratică sau ponderată a abaterilor valorilor seriei față de media lor, respectiv rădăcina pătrată din dispersie.

= pentru o serie simplă

Abaterea medie liniară → reprezintă media aritmetică a abaterilor individuale față de medie în valoare absolută.

Măsuri de localizare

Măsurile cele mai cunoscute ce determină localizarea sunt:

Decile → reprezintă oricare dintre cele nouă valori care împart datele sortate în zece părți egale, astfel încât fiecare parte reprezintă 1/10 din eșantion sau populație.

D1 = x0 + h *

Percentile → reprezintă o măsură utilizată în statistică ce indică valoarea sub care un anumit procent de observații se încadrează într-un grup de observații.

Cvartile → reprezintă acele valori ale caracteristicii, care împart seria în patru părți egale.

Q1 = x0 + h *

Măsuri de simetrie

Cele mai cunoscute măsuri de simetrie sunt:

Asimetria → reprezintă indicile ce evidențiază cu cât media se apropie de mediană și cu cât curba de distribuție se deplasează de mijloc. Aceasta poate fi:

Pozitivă, atunci când media are valoare mai mare decât mediana, astfel observăm o distribuție a datelor spre stânga, iar indicele de asimetrie este pozitiv.

Asimetria =

Negativă, atunci când media are valoare mai mică decât mediana, astfel obervăm o distribuție a datelor spre dreapta, iar indicele de asimetrie este negativ.

Boltirea → reprezintă proprietatea curbei de a fi mai turtită sau mai ascuțită decât curba normală.

Boltirea = , unde:

m = media;

n = numărul de observații;

S = abaterea standard.

Covarianța

Covarianța reprezintă un indicator de măsurare a corelației dintre două sau mai multe seturi de variabile aleatoare. Covarianța indică modul în care sunt legate de două variabile. O covarianță pozitivă înseamnă că variabilele sunt legate pozitiv, în timp ce o covarianță negativă înseamnă că variabilele sunt invers proporționale. Covarianța dintre 2 variabile X și Y se notează cu cov(X,Y) și se determină ca o medie aritmetică a produselor abaterilor variabilelor față de medie:

cov(X,Y)= unde:

x → reprezintă variabila independentă;

y → reprezintă variabila dependentă;

n → numărul de puncte dat în eșantion;

→ media variabilelor independente;

→ media variabilelor dependente.

Direcția legăturii este dată de către semnul indicatorului (Gaber C., 2012):

+ → rezultă existența unei legături directe;

– → rezultă existența unei legături indirecte;

0 → rezultă absența unei legături între variabile.

Covarianța măsoară variabilele care au diferite unități de măsură. Folosind covarianța, putem stabili dacă unitățile măsurate au fost în creștere sau în scădere, dar este imposibil să determinăm gradul în care variabilele se pot muta împreună, deoarece covarianța nu utilizează o unitate de măsură standard.

Coeficientul de corelație

Corelația este un alt mod de a determina modul în care sunt legate două variabile, indicând atât faptul dacă variabilele sunt legate pozitiv sau invers, cât și gradul în care variabilele tind să se mute împreună.

r = =

Corelația standardizează măsurarea interdependenței între două variabile și, în consecință, evidențiază cât de strânsă este legătura dintre cele două variabile. Măsurarea corelație, numit și coeficient de corelație, va avea întotdeauna pe o valoare cuprinsă între 1 și -1:

dacă coeficientul de corelare este 1, variabilele au o corelație pozitivă perfectă. Acest lucru înseamnă că, dacă o variabilă se deplasează cu o anumită valoare, a doua variabilă se va deplasa proporțional în aceeași direcție. Un coeficient de corelație pozitiv mai mic decât 1 indică o corelație pozitivă mai mică, cu puterea de corelare tot mai mare fiind apropiată de 1.

dacă coeficientul de corelare este 0, nu există o corelație între variabile. Dacă una dintre variabile se mișcă, nu se pot face predicții despre mișcarea celeilalte variabile; ele fiind necorelate.

dacă coeficientul de corelare este -1, variabilele sunt corelate negativ perfect (sau invers corelate), deplasându-se în opoziție unul față de celălalt. Dacă o variabilă crește, cealaltă variabilă scade proporțional. Un coeficient de corelație negativ mai mare decât -1 indică o corelație negativă mai mică, cu puterea de corelare tot mai mare fiind apropiată de -1.

Cu cât coeficientul de corelație are valori mai apropiate de 1 sau -1 , cu atât corelația rectilinie dintre variabilele x și y este mai puternică.

În practică putem vorbi că dacă r este cuprins între valorile (Baron T., 1996):

0 < r < 0,20 → nu există o legătură semnificativă;

0,20 < r < 0,50 → există o legatură slabă;

0,50 < r < 0,75 → există o legătură de intensitate medie;

0,75 < r < 0,95 → există o legătură puternică;

0,95 < r < 1,00 → putem vorbi de o legătură relativ deterministă (funcțională).

Modele de regresie

Modele de regresie reprezintă un ansamblu de instrumente statistice ce permit cercetarea relațiilor dintre variabile. Analiza de regresie este o tehnică statistică care permite descoperirea și modelarea relația dintre două sau mai multe variabile.

Regresia este un termen generic pentru toate metodele care încearcă să organizeze un model de date observat, în scopul de a cuantifica relația dintre cele două grupuri de variabile. Modelul montat poate fi apoi utilizat, fie pentru a descrie doar relația dintre cele două grupe de variabile, fie pentru a prezice valori noi.

Modelul simplu de regresie

Modelul simplu de regresie presupune existența unei variabile de răspuns Y și a unei variabile de prezicere X (Fig. 1). Cazul elementar de aplicare a metodei corelației îl constituie legătura dintre două variabile:

y=f(x)+

Fig.1 Regresie simplă liniară (Wikipedia, 2015)

În cazul dat o variabilă y depinde de o variabilă x și de o perturbare aleatoare neobservabilă . Funcția de modelare poate avea forme diferite, în cazul unei dependențe liniare, în care mediile condiționate se regăsesc pe o linie dreaptă, ecuația acestei funcții are forma (Moineagu C., 1976):

y=a+b*x unde:

y este media condiționată teoretic a lui y în raport cu x;

b denumit și coeficient de regresie reprezintă în sens geometric panta liniei drepte. În calculul corelației acesta ne arată cu cât se modifică variabila y când x se modifică cu o unitate. În cazul corelației directe parametrul b capătă valoare pozitivă, iar în cazul corelației inverse – valoare negativă;

a de regulă nu are nici o semnificație independentă, ci una de calcul putând avea sens negativ.

Cu ajutorul parametrilor ecuației de regresie se pot estima valorile variabilei dependente pentru valorile cunoscute ale variabilei sau variabilelor independente incluse în modelul de corelație.

Modele de regresie neliniare deterministe

Regresia neliniară este mult mai generală decât regresia liniară și se potrivește oricărui model sau ecuație ce analizează setul de datele. Regresia neliniară determină legătura dintre valorile acelor parametri ce generează curba care este cea mai apropiată de date. Modelele de regresie neliniară sunt:

Modelul exponențial → reprezintă procesul găsirii unei ecuații a funcției exponențiale care se potrivește cel mai bine pentru un set de date. Ca rezultat, se obține o ecuație de forma:

yi = a*, i= a,b

În cazul utilizării acestei funcții în situația unei ajustări trebuie făcută cu multă prudență întrucât variabila economică nu poate să crească exponențial decât pe o anumită perioadă.

Modelul hiperbolic → ajustarea se face prin hiperbolă se utilizează în cazurile în care punctele urmează traiectoria unei hiperbole, aceasta fiind definită cu ajutorul funcției analitice:

f(x)=a+ , unde a, b

Modelul parabolic → este folosit în situația în care ritmul de evoluție al caracteristii urmează o funcție liniară, cu coeficientul pantei egal cu constanta a. Funcția analitică fiind:

f(x)=, unde a,b,c

Modelul de regresie multiplă

Regresie multiplă este o metodă flexibilă de analiză a datelor care este adecvată ori de câte ori o variabilă cantitativă, denumită și variabila dependentă trebuie analizată în relație cu orice alți factori, denumiți și variabile independente.

Relațiile pot fi neliniare, variabilele independente pot fi cantitative sau calitative, și pot fi examinate efectele unei singure variabile sau a mai multor variabile, cu sau fără efectele altor variabile luate în considerare.

Principiile regresiei simple se utilizează și în cazul regresiei multiple:

y=f(x1, x2, … , xn) +

În cazul dat o variabilă endogenă y depinde de o serie de variabile exogene x1, x2, … , xn și de o perturbare aleatoare . Funcția cel mai des utilizată fiind de forma:

y=a+b1x1 + b2x2 + bnxn

Indicatori macroeconomici

Un indicator macroeconomic reprezintă o anumită statistică despre o activitate economică. Indicatorii macroeconomici permit analiza performanței economice și previziunile de performanță viitoare. O analiză a indicatorilor macroeconomici este studiul ciclurilor de afaceri, aceștia incluzând diverși indici, rapoarte ale câștigurilor și rapoarte economice.

Principalii indicatori macroeconomici se clasifică în funcție de următoarele criterii:

Indicatori ai potențialului economic → reprezintă ansamblul indicatorilor ce analizează aspectele primordiale ce descriu forța de muncă.

Exemple:

Populația activă = Populația ocupată + Șomeri;

Populația inactivă.

Indicatori de rezultate → reprezintă indicatorii ce descriu rezultatele finale ale activității macroeconomice, calculându-se în cadrul Sistemului de Conturi Naționale;

Exemple:

Produsul Intern Brut;

Produsul Intern Net;

Produsul Național Brut;

Produsul Național Net;

Venitul Național;

Venitul Național Disponibil.

Indicatori ai eficienței utilizării potențialului economic → repezintă ansamblul indicatorilor ce asigură comparabilitatea atât la nivel național, cât și la nivel internațional;

Exemple:

Produsul Intern Brut pe Locuitor;

Productivitatea Socială a Muncii;

Eficiența utilizării mijloacelor fixe sau imobilizărilor corporale;

Înzestrarea muncii cu mijloace fixe.

Indicatori ai nivelului de trai și nivelului vieții → reprezintă anasamblul indicatorilor ce caracterizează atât totalitatea condițiilor pe care societatea le creează membrilor săi, cât și calitatea acestora;

Exemple:

Indicatori punctuali sau sectoriali din care fac parte:

Indicatori veniturilor;

Indicatori ai consumului;

Indicatori ai sistemului sanitar;

Indicatori ai condițiilor de trai, etc.

Indicatori sintetici din care fac parte:

Indicile dezvoltării umane, calcularea căruia se face pe baza următorilor indicatori:

Speranța de viață la naștere;

Media anilor de școală;

Durata preconizată de școlarizare;

Venitul național brut pe locuitor.

Indicatori ai gradului de participație la circuitul de valori pe plan internațional → reprezintă ansamblul indicatorilor ce analizează poziția ocupată de către o anumită economie în economia globală, dar și gradul său de participare, depinzând de modul de organizare și conducere a fenomenelor economice, dar și de ansamblul resurselor utilizate în atingerea obiectivelor finale ;

Indicatori financiar-monetari → reprezintă ansamblul indicatorilor economici care analizează situația financiar-monetară atât la nivelul unei întreprinderi, cât și la nivelul țării.

Exemple:

Indicatori ai bugetului public;

Indicatori ai veniturilor bugetare;

Indicatori ai cheltuielilor bugetare;

Indicatori ai deficitului bugetar.

Produsul Intern Brut

Produsul Intern Brut reprezintă o măsură standard a valorii bunurilor și serviciilor finale produse de o anumită țară pe parcursul unei perioade minus valoarea importurilor. Produsul intern brut este indicatorul cel mai important pentru a capta aceste activități economice, aceasta însă nu este o măsură bună de determinare a bunăstării societăților, ci doar o măsură limitată de standardele materiale de viață ale oamenilor.

În funcție de modul de determinarea a produsului intern brut, acesta poate fi evaluat prin 3 metode distincte, precum:

Metoda producției, ce presupune însumarea valorii adăugate brute dintr-o anumită activitate desfașurată.

PIB = , unde:

VAN = valoarea adăugată brută din activitatea “i”;

PIB = produsul intern brut.

VAN = PBi – CIi , unde:

PBi = producția brută din activitatea “i”;

CIi = consumul intermediar din activitatea “i”.

Astfel putem concluziona că produsul intern brut poate fi determinat din diferența sumelor producției brute din activitatea “i” și a consumului intermediar din activitatea “i”.

PIB = –

Determinând în așa mod produsul intern brut, acesta va fi obținut la prețul factorilor. Pentru a fi obținut la prețul pieții sunt adăugate și impozitele indirecte nete, care sunt obținute ca diferență dintre impozitele indirecte și variația stocurilor, astfel vom obține:

PIBpp = PIBpf + IIN , unde:

PIBpp = produsul intern brut la prețul pieței;

PIBpf = produsul intern brut la prețul factorilor;

IIN = impozite indirecte nete.

Metoda cheltuielilor, ce presupune însumarea tuturor cheltuielilor efectuate de populație, autorități publice, firme, dar și rezidenți străini:

PIBpp = Cpb + Cpv + FBC + Expnet , unde:

Cpb = consumul public;

Cpv = consumul privat;

FBC = formarea brută de capital;

Expnet = exporturile nete.

Metoda veniturilor, ce presupune însumarea tuturor veniturilor obținute într-un anumit an din ansamblul de activități economice.

PIBpp = Rm + Vpr + Vîntr + A + IIN , unde:

Rm = remunerarea muncii prin venituri;

Vpr = venituri din proprietatea privată;

Vîntr venituri de întreprinzător;

A= amortizarea

IIN = impozite indirecte nete.

Populația ocupată

Populația ocupată reprezintă totalitatea persoanelor ce dispun de un anumit loc de muncă, prin intermediul căruia desfășoară anumite activități economico-sociale, ce sunt aducătoare de venit. Populația ocupată alături de șomeri fac parte din populația activă, sau altfel zis populația în vârstă de muncă.

Categoriile persoanelor ce fac parte din populația ocupată sunt:

Salariați;

Patroni;

Lucrători pe cont propriu;

Lucrători familiali neremunerați;

Membri ai unor cooperative agricole sau neagricole.

O categorie specială a populației ocupate o constituie populația ocupată civilă care cuprinde totalitatea persoanelor ce exercită a activitate aducătoare de venit în una din activitățile economiei naționale, cu excepția personalului din sectoarele speciale, a personalului din organizațiile politice, obștești, deținuți.

POC = S + P + Lcp + Lfn , unde:

POC → populația ocupată civilă;

S → salariați, ce reprezintă totalitatea persoanelor angajate în una din activitățile economiei naționale, care își desfășoară activitatea în schimbul unei remunerări, numită salariu, ce poate fi în bani sau în natură;

P → patroni, ce reprezintă totalitatea persoanelor care își desfășoară activitatea în propria organizație, având în subordine unul sau mai mulți angajați;

Lcp → lucrători pe cont propriu, ce reprezintă totalitatea persoanelor care își desfățoară activitatea fie în propria organizație, fie într-o altă instituție fără a fi angajată;

Lfn → lucrători familiali neremunerați, ce reprezintă totalitatea persoanelor care îți desfășoară activitatea într-o anumită întreprindere condusă de un anumit membru al familiei, ce nu primește în schimbul muncii sale o remunerare sub formă de salariu.

Generalități privind Excel

Microsoft Excel este un program de calcul tabelar, care permite introducerea unor valori sau date numerice în rândurile sau coloanele foii de calcul, utilizând aceste intrări numerice pentru calcule, realizarea unor grafice, dar și analiza statistică.

Microsoft Excel este o aplicație dezvoltată pentru Microsoft Windows, Mac OS X, și iOS, făcând parte din pachetul Microsoft Office. Acesta fiind aplicat pe scară largă începând mai ales cu versiunea 5 din anul 1993, ce a înlocuit aplicația Lotus 1-2-3, reprezentând un nou standard în industria foi de calcul. Primul program software similar cu Excel a fost lansat în 1982 și a fost numit Multiplan.

Principalul avantaj al aplicației Excel constă în flexibilitate și funcționalitate atunci când se elaborează orice tip de model, astfel cu Excel putem genera foi de calcul pentru calcularea și proiectarea structurilor civile, gestionarea și controlul instrumentelor unei companie, gestionarea și controlul stocurilor a unui anumit depozit sau, putem efectua modelări matematice, managementul bazelor de date, genera facturi, planifica proiecte, etc.

Utilitățile aplicației Excel

Foile de calcul, precum Microsoft Excel sunt foarte utile pentru activitățile studențești interactive, prelegeri dar și utilizarea acestora de către învățători pentru elaborarea materialelor educative.

Exemplele aspectelor utilității foi de calcul Excel, ce sunt relevante pentru educația științifică sunt:

Folosirea aplicației Excel ca calculator pentru a explora ce ecuații matematice ne pot descrie modul în care funcționează lumea reală pentru condiții specifice de intrare sau pentru o serie de valori posibile.

Afișarea din punct de vedere grafic a unor ecuații (modele analitice) și date reale.

Obținerea unor soluții numerice pentru modele matematice mai complexe.

Compararea grafică a rezultatelor unui model și aobservațiilor.

Realizarea unor analize statistice inclusiv medie, deviația standard, liniile de eroare pe grafice, analiza multivariată, etc.

Realizarea unor analize spectrale (transformările rapide a lui Fourier).

Afișarea unor histograme de rezultate a unor sondaje de opinie, etc.

Componența meniului Excel

Aplicația Excel are un spațiu de lucru de bază numit interfața cu utilizatorul. O interfață de utilizator este o combinație de ecrane, meniuri, și pictograme care pot fi utilizate pentru a interacționa cu o aplicație.

În Excel, interfața cu utilizatorul este compusă în principal din meniu Panglică, registre de lucru, și foile de lucru. Panglica este numele dat rândului de file și butoane care sunt poziționate în partea de sus a aplicației Excel. Filele și butoane panglică poziționează comenzile preferate în câmp deschis, arătând mai multe comenzi grupate după anumite categorii.

FILE

Prima componentă a meniului aplicației Excel o reprezintă FILE, fiind utilizată în special pentru efectuarea operațiilor de bază asupra fișierilor cum ar fi crearea unei noi foi de calcul, deschiderea unor fișiere deja existente, salvarea fișierilor în o mulțime de moduri, printare, dar și o serie de operațiuni ce pot fi efectuate asupra întregii aplicații, cum ar fi adăugarea unor componente ale aplicației Excel, care nu se regăsesc în meniu, personalizarea meniului, etc.

Fig. 2 Meniul FILE

HOME

Acest meniu perminte realizarea unui set de operațiuni asupra foilor de calcul cum ar fi formatarea, adică posibilitatea schimbării fontului și stilul textului în tabel, dimensiunii, culorii, alinierea, organizarea; copierea; lipirea; înserarea, dar și ștergerea de coloane sau rânduri.

Fig. 3 Meniul HOME

INSERT

Acest meniu permite introducerea unor imagini, obiecte, simboluri, ecuații, tabele, creare unor diagrame, dar și diferite forme în foaia de calcul.

Fig. 4 Meniul INSERT

PAGE LAYOUT

Acest meniu deține toate comenzile necesare, ce permit determinarea modului în care va arăta foaia de calcul, atât pe ecran, cât și la imprimare. Aceste comenzi permit controlarea opțiunilor cum ar fi culorile tematice, marginile paginii, zona de tipărire, etc.

Fig. 5 Meniul PAGE LAYOUT

FORMULAS

Acest meniu deține toate comenzile necesare pentru controlul, definirea, dar și auditul formulelor din Excel.

Fig. 6 Meniul FORMULAS

DATA

Acest meniu conține comenzile necesare ce permit accesul la date externe, precum și funcțiile necesare gestionării datelor din foaia de calcul, ca sortarea, filtarea, validarea datelor, etc.

Fig. 7 Meniul DATA

REVIEW

Acest conține o serie de comenzi precum Protect Sheet, Protect Workbook, etc., ce asigură integritatea datelor în foaia de calcul.

Fig. 8 Meniul REVIEW

VIEW

Acest meniu este proiectat pentru a ajuta la controlul modului în care să aibă loc interacțiunea vizuală cu foaia de calcul.

Fig. 9 Meniul VIEW

DEVELOPER

Acest meniu nu este afișat în mod implic, dar poate fi adăugat la panglică atunci când se dorește scrierea unor macrocomenzi, utilizarea comenzilor XML, crearea de noi forme și șabloane în Microsoft Visio,etc.

Fig. 10 Meniul DEVELOPER

Load Test

Acest meniu permite localizarea blocajelor, identificarea erorilor, dar și măsurarea îmbunătățirilor în aplicație.

Fig. 11 Meniul Load Test

POWERPIVOT

Acest meniu permite efectuarea unor analize puternice a datelor, precum analiza indicatorilor cheie de performanță.

Fig. 12 Meniul POWERPIVOT

TEAM

Acest meniu permite realizarea unor proiecte de echipă, crearea unor rapoarte noi, dar și crearea unei legături la internet.

Fig. 13 Meniul TEAM

Aplicație practică. Analiza statistică a situației economico-financiare din România.

Culegerea datelor statistice

Înainte de colectarea datelor pentru o analiză statistică sunt necesare parcurgerea următoarelor etape, precum:

Elaborarea unui raport concis și clar a scopului, ce trebuie îndeplinit;

Dezvoltarea unui set de obiective specifice problemei ce urmează a fi analizată;

Determinarea tipului analizei necesare;

Stabilirea datelor necesare pentru realizarea analizei.

Pentru realizarea analizei statistice pe care mi-am propus, am colectat atât datele privind situația Produsului Intern Brut acestea fiind prezentate în Anexa 1, cât datele privind situația populației ocupate fiind prezentate în Anexa 2, în perioada anilor 1997-2012 de pe site-ul Institutului Național de Statistică.

Datele pe care le-am ales sunt clasificate în funcției de 2 activități ale economiei naționale, cuprinse atât în nomenclatorul CAEN (Clasificarea Activităților din Economia Națională), cât și în CAEN Revizuit 2 începând cu 1 ianuarie 2008, și anume:

Construcții;

Intermedieri Financiare.

De asemenea trebuie de menționat că datele sunt clasificate și în funcție de cele 4 macroregiuni și cele 8 regiuni ale României, astfel mi-am propus să analizez existența legăturii dintre populația ocupată și produsul intern brut pentru fiecare regiune și macroregiune ale celor 2 activități ale economiei naționale și să determin existența corelațiilor dintre acești 2 indicatori.

Analiza descriptivă

În cadrul analizei descriptive am analizat principalele caracteristici ale colecțiilor de date, atât a populației ocupate, cât și a produsului intern brut pentru cele 2 activități ale economiei naționale, adică construcții și intermedieri financiare.

Analiza Produsului Intern Brut în cadrul construcțiilor

Prima etapă a analizei a constat în selectarea variabilelor atât a regiunilor: Regiunea Nord -Vest, Regiunea Centru, Regiunea Nord – Est, Regiunea Sud – Est, Regiunea București – Ilfov, Regiunea Sud – Muntenia, Regiunea Sud – Vest – Oltenia și Regiunea Vest; a macroregiunilor: Macroregiunea Unu, Macroregiunea Doi, Macroregiunea Trei, Macroregiunea Patru, cât și a totalului. Am selectat Data – Data Analysis – Descriptive Statistics.

Fig. 14 Data Analysis – PIB din construcții

În urma selectării opțiunii Descriptive Statistics, apare o nouă fereastră prin intermediul căreia selectăm opțiunile ce ne sunt necesare în cazul analizei.

Fig. 15 Descriptive Statistics – PIB din construcții

Input Range → reprezintă fereastra în care se va introduce referința celulelor pentru intervalul de date, care urmează a fi analizat. Referința trebuie să conțină 2 sau mai multe intervale adiacente de date aranjate după coloane sau dupa rânduri.

Fig. 16 Input Range – PIB din construcții

Grouped By → indică modul în care sunt aranjate datele de intrare, după coloane sau după rânduri.

Labels in first column → în cazul în care primul rând/coloană ale datelor de intrare conține etichete, e necesară bifarea acestei opțiuni, în caz contrar Microsoft Excel va genera etichete apropiate datelor pentru datele de ieșire.

Output options → va indica locul în care vor fi aranjate datele de ieșire:

Output Range → acest intrument produce 2 coloane de informații pentru fiecare set de date. Coloana din stânga va conține etichetele statistice, iar coloana din dreapta va conține statisticile.

New Worksheet Ply → permite înserarea unei foi de calcul în registrul de lucru, datele de ieșire vor fi înserate începând cu A1, iar în dreptul acestui instrument poate fi înserat numele noii foi de calcul.

New Workbook → permite crearea unui nou registru de lucru, în care vor fi înserate datele de ieșire.

Summary statistics → selectând această opțiune vor fi generate ca date de ieșire media, modul, variația, minim, maxim, amplitudinea, numărul de observații, etc.

Confidence Level for Mean → selectând această opțiune vom putea determina nivelul de încredere a mediei. În caseta din dreapta putem introduce nivelul de încredere pe care dorim să-l utilizăm.

Exemplu: o valoare de 95% calculează nivelul de încredere a mediei la o semnificație de 5%.

Kth Largest → permite introducerea unoi nou rând în tabela a datelor de ieșire pentru valoarea k mai mare pentru fiecare serie de date.

Kth Smallest → permite introducerea unoi nou rând în tabela a datelor de ieșire pentru valoarea k mai mică pentru fiecare serie de date.

Bibliografie

Gaber Cornelia, “Statistică”, Editura Universității Petrol-Gaze din Ploiești, 2007.

Suport de curs, “Variabile statistice”, disponibil la http://www.usm.md/crras/CRRAS/manualepdf/metstat/4-Variabile%20statistice.pdf

[accesat la 13 iulie 2015]

Tudorel Andrei, Stancu Stelian , “Statistica”, Editura ALL, București, 1995.

Gaber Cornelia, „Statistică”, Editura Universității Petrol-Gaze Ploiești, 2012.

Sykes O. Alan, “An Introduction to Regression Analysis”, disponibil la http://www.law.uchicago.edu/files/files/20.Sykes_.Regression.pdf [accesat la 16 iulie 2015]

Moineagu C., Negură I., Urseanu V., “Statistica”, Editura Științifică și Enciclopedică, București, 1976

Baron T., Biji E., Tovissi L., Wagner P., Isaic-Maniu Al., Korka M., Porojan D., „Statistică Teoretică și Economică”, Editura Didactică și Pedagogică –R.A., București, 1996

Suport de curs, “Statistical Sampling and Regression”, disponibil la http://ci.columbia.edu/ci/premba_test/c0331/s7/s7_5.html [accesat la 16 iunie 2015]

Wikipedia, “Linear regression”, disponibil la https://en.wikipedia.org/wiki/Linear_regression [accesat la 17 iunie 2015]

Voineagu Virgil, Mitrut Constantin, Maniu-Isaic Alexandru, “Statistica 1”, disponibil la http://www.biblioteca-digitala.ase.ro/biblioteca/carte2.asp?id=33&idb=9 [accesat la 18 iunie 2015]

Lilea Eugenia, Vatui Mihaela, Boldeanu Doina, Goschin Zizi, „Statistica”, disponibil la http://www.biblioteca-digitala.ase.ro/biblioteca/carte2.asp?id=95&idb=6 [accesat la 18 iunie 2015]

Pecican Ștefan Eugen, “Econometria pentru … economiști”, Editura Economică, București, 2003.

Begu Liviu Stelian, Tusa Erika, „Statistica teoretică și economică”, disponibil la http://www.biblioteca-digitala.ase.ro/biblioteca/carte2.asp?id=92&idb= [accesat la 18 iunie 2015]

Maniu- Isaic Alexandru, Mitrut Constantin, Voineagu Virgil “Statistica afacerilor”, disponibil la http://www.biblioteca-digitala.ase.ro/biblioteca/carte2.asp?id=57&idb [accesat la 18 iunie 2015]

Pecican Ș. Eugen, “Macroeconometrie. Politici economice, guvernamentale și econometrie”, Editura Economică, București, 1996

Curtis D.Frye, “Microsoft Excel 2013. Step by Step.”, Editura Online Training Solutions, 2013, disponibil la https://ptgmedia.pearsoncmg.com/images/9780735681019/samplepages/9780735681019.pdf , [accesat la 19 iunie 2015]

Suport de curs, “Excel Basics: Microsoft Office 2013”, 2014, disponibil la http://library.unc.edu/wp-content/uploads/2014/01/Excel_Basics2013.pdf [accesat la 19 iunie 2015]

Anexa 1.