PIB nominal (milioane [628534]

Anexe

Anexa 1 – PIB-ul real

PIB nominal* (milioane
lei) Deflator** (%) PIB real
(milioane lei)
Trimestrul I 2000 14708.70 149.90 9812.342
Trimestrul II 2000 18176.4 138.3 13142.73
Trimestrul III 2000 22867.1 140.9 16229.31
Trimestrul IV 2000 25523.1 144.9 17614.29
Trimestrul I 2001 21537.9 142.5 15114.32
Trimestrul II 2001 26994.2 142.7 18916.75
Trimestrul III 2001 33124.1 134.7 24591.02
Trimestrul IV 2001 36671 134.9 27183.84
Trimestrul I 2002 27574 123.6 22309.06
Trimestrul II 2002 35438 124 28579.03
Trimestrul III 2002 42440.5 121.6 34901.73
Trimestrul IV 2002 47177.5 121.9 38701.8
Trimestrul I 2003 36087.2 124.4 29009
Trimestrul II 2003 45272.1 121.7 37199.75
Trimestrul III 2003 55219.3 122.3 45150.7
Trimestrul IV 2003 62182.5 125.1 49706.24
Trimestrul I 2004 45225.4 118.2 38261.76
Trimestrul II 2004 56315.5 116.3 48422.61
Trimestrul III 2004 69219.9 114.5 60454.06
Trimestrul IV 2004 77986.8 114.3 68229.92
Trimestrul I 2005 54460.6 113.8 47856.41
Trimestrul II 2005 66300.4 112.4 58986.12
Trimestrul III 2005 79891.1 112.3 71140.78
Trimestrul IV 2005 89836.7 110.7 81153.3
Trimestrul I 2006 65302 111.4 58619.39
Trimestrul II 2006 79167.6 110.3 71774.8
Trimestrul III 2006 93662.4 108.3 86484.21
Trimestrul IV 2006 108872.3 112.3 96947.73
Trimestrul I 2007 78168.1 112.2 69668.54
Trimestrul II 2007 95567.1 113 84572.65
Trimestrul III 2007 112064.1 112.5 99612.53
Trimestrul IV 2007 132458.6 113.2 117012.9
Trimestrul I 2008 99042.4 116.1 85307.84
Trimestrul II 2008 121805.6 115.1 105825.9
Trimestrul III 2008 143875.8 116.1 123924
Trimestrul IV 2008 159664.9 115.2 138598
Trimestrul I 2009 98906.9 106.6 92783.21
Trimestrul II 2009 119631.6 107.1 111700.8
Trimestrul III 2009 136070.5 102.6 132622.3
Trimestrul IV 2009 155913.8 103.8 150206

Trimestrul I 2010 103791.6 106.7 97274.23
Trimestrul II 2010 125279.8 105 119314.1
Trimestrul III 2010 145033.7 108.1 134166.2
Trimestrul IV 2010 159776 102.6 155727.1
Trimestrul I 2011 110356.3 105.8 104306.5
Trimestrul II 2011 131176.9 104.4 125648.4
Trimestrul III 2011 156218.5 104.9 148921.4
Trimestrul IV 2011 167345.5 104.2 160600.3
Trimestrul I 2012 113796 102.9 110588.9
Trimestrul II 2012 140715.6 105.1 133887.3
Trimestrul III 2012 164408.8 105.8 155395.8
Trimestrul IV 2012 176446.9 104.6 168687.3
Trimestrul I 2013 121620.7 104.6 116272.2
Trimestrul II 2013 148256.7 103.7 142966.9
Trimestrul III 2013 176151.3 102.8 171353.4
Trimestrul IV 2013 191427.3 103 185851.7
Trimestrul I 2014 129418.2 102 126880.6
Trimestrul II 2014 156653.1 103.7 151063.7
Trimestrul III 2014 183963.6 101 182142.2
Trimestrul IV 2014 198108.7 100.6 196927.1
Trimestrul I 2015 139880.6 103.5 135150.3
Trimestrul II 2015 162569.3 100.2 162244.8
Trimestrul III 2015 197257.5 103.3 190956
Trimestrul IV 2015 211395.3 102.6 206038.3
Trimestrul I 2016 146165.5 100.2 145873.8
Trimestrul II 2016 178608 103.7 172235.3
Trimestrul III 2016 207313 100.8 205667.7
Trimestrul IV 2016 227141.1 102.6 221385.1
* – Produsul intern brut trimestrial – serie bruta CAEN Rev.2. pret uri curente, date preluate
de pe site-ul Institutului Național de Statistică.
** – Produsul intern brut tri mestrial – serie bruta CAEN Rev.2, indi ci de pret – % fata de
trimestrul corespunzator din anul precedent, date preluate de p e site-ul Institutului Național
de Statistică.

Seria PIB-ului real a fost obți nută prin împărțirea PIB-ului no minal la deflator.

Aneza 2 – Desezonalitatea seriei de timp a PIB-ului real

Grafic 1- PIB-ul real reprezentate pe trimestre
Din graficul de mai sus se poate observă că media fiecărui trim estru este diferită,
lucru ce indică prezența sezona lității în date. Pentru a putea prelucra datele, sezonalitatea
seriei trebuie înlăturată.
Pentru ajustarea seriei de date s -a folosit metoda TRAMO/SEATS din programul
Eviews. Această metodă estimează efectul sezonier al seriei ce cuprinde:
– evenimentele care au loc în același moment, cu aceași magnitud ine și direcție în
fiecare an, precum: anotimpurile, vacanțele;
– Numărul de zile lucrătoare di ferit de la o lună la alta;
– Efectul calendarului ce cuprinde aspecte precum: Paștele ortodo x, anul bisect, și
alte sărbători naționale.
În urma estimării făcute metoda T RAMO/SEATS identifică și corec tează valorile
extreme și interpolează valorile lipsă. Seria ajustată sezonier s-a obținut prin înlăturarea
sezonalității din seria brută, c u ajutorul unor coeficienți de corecție. Acești oeficienți se
stabilesc în funcție de modelul de regresie folosit (aditiv sau multiplicativ). Modelul de
regresie folosit este detectat automat de programul EViews.
Deoarece ajustarea sezonieră es te efectuată printr-o metodă dir ectă, vor fi prezente
diferențe statistice între PIB-ul ajustat sezonier și suma comp onentelor sale ajustate sezonier
în mod individual.

Anexa 3 – Descompunerea Beveridge-Nelson
Pentru a putea aplica această me todă au fost parcurși următorii pași:
1) Staționarizarea seriei de date
Întrucât seria de date analizată este nestaționară, asupra aces teia s-a aplicat diferența de
ordinul întâi. În urma aplicării di ferenței de ord inul întâi s- a observat că seria este staționară.

Figură 1- testul ADF pentru testarea stationarității seriei dif erențiate de ordinul întai
Ipotezele testului Augmented Dic key-Fuller pentru rădăcină unit ară sunt:
H଴ – seria are rădăcină unitar ă și este nestaționară
Hଵ – seria este staționară
Dacă |tୡୟ୪ୡ୳୪ୟ୲|൐|tୡ୰୧୲୧ୡ| atunci respingem ipoteza H଴ și acceptăm că seria este
staționară.
Dacă |tୡୟ୪ୡ୳୪ୟ୲|൏|tୡ୰୧୲୧ୡ| atunci se acceptă ipoteza că seria este nestaționară.
În cazul nostru:
|െ7.702221 |൐|െ4.103198 |
|െ7.702221 |൐|െ3.479367 |
|െ7.702221 |൐|െ3.167404 |
Cu alte cuvinte |tୡୟ୪ୡ୳୪ୟ୲| este mai mare decât oricare dintre valorile lui |tୡ୰୧୲୧ୡ|, deci
putem respinge ipoteza H଴, și acceptăm că seria PIB-ului real este staționară în prima
diferență.

Grafic 2- PIB-ul real ajustat sezonier și staționarizat

2) Estimarea celui mai potrivit model ARIMA(p,1,q)
Pentru determinarea rangurilor AR si MA a fost parcursă metodol ogia Box – Jenkins. Cel
mai bun model ARIMA (p,1,q) s-a a les în urma minimizării criter iilor informaționale Akaike
și Schwartz și maximizării lui Rଶ, ținându-se seamă și de nivelul de semnificație al
coeficienților.

Conform acestor criterii cele mai bune valori sunt cele ale mod elului ARMA(5,5),
3) Testarea modelului ales
S-a testat autocorelarea reziduur ilor cu ajutorul corelogramei Q-statistics, din care a
rezultat următoarea corelogramă:
Model R2 C r i t e r i u l
Akaike Criteriul
Schwartz
ARMA(5,5) 0.188622 17.64827 17.75119
ARMA(4,5) 0.144917 17.69422 17.79627
ARMA(4,4) 0.173556 17.66015 17.76221
ARMA(5,4) 0.169930 17.67104 17.77397

Figură 2 – Corelograma Q- statistics a reziduurilor
Atât coeficienții de corelație, c ât și cei de aut ocorelație sun t nesemnificativi la toate
lag-urile. Acest lucru ne sugerea ză faptul că nu există autocor elație a erorilo r. Pentru a ne
asigura de acest lucru ne vom folo si și de testul Breusch-Godfr ey.

Figură 3 – Testul LM
Ipotezele testului LM:
H଴ – erorile nu sunt corelate
Hଵ – erorile sunt corelate

Întrucat probablitatea F este mai mare de 5%, se va accepta ipo teza nulă că erorile nu
sunt autocorelate.

Cu ajutorul corelogramei pătrat elor reziduurilor și a testului Arch Lm se va testa
ipoteza de homoscedasticitate/h eteroscedasticitate a reziduuril or.

Figură 4 – Corelograma pătratelor reziduurilor

Figură 5 – Testul ARCH

Ipotezele testului ARCH:
H଴ – erorile sunt homoscedastice
Hଵ – erorile sunt heteroscedastice
Întrucât probabilita tea F=0.091 ( < 5%) , lucru ce ne indică fa ptul că reziduurile sunt
heteroscedastice. Acest lucru s e poate observa și din corelogra ma pătratelor reziduurilor.

Figură 6 – distibuția reziduurilor
Ipotezele testul ui Jarque-Bera:
H଴ – erorile sunt normal distribuite
Hଵ – erorile nu sunt normal distribuite
Întrucât probabi litatea testului Jarque- Bera tinde la 0, se va accepta ipoteza Hଵ care
sugerează că erorile nu sunt normal distribuite.