statistica...revista română de statistică - supliment nr. 11 / 2015 sumar / contents 11/2015...

Revista Română de Statistică - Supliment nr. 11 / 2015

SUMAR / CONTENTS 11/2015REVISTA ROMÂNĂ DE STATISTICĂ SUPLIMENT

MODEL DE ANALIZĂ A OPTIMULUI ÎN CAZUL ASIGURĂRII DEDUCTIBILE 3OPTIMUM ANALYSIS MODEL IN THE CASE OF DEDUCTIBLE INSURANCE 9 Prof. univ. dr. Constantin ANGHELACHE Academia de Studii Economice, Bucureşti, Universitatea „Artifex” din Bucureşti Lector univ. dr. Mădălina Gabriela ANGHEL Universitatea „Artifex” din Bucureşti Drd. Cristina SACALĂ Academia de Studii Economice, Bucureşti

SELECŢIA ENTITĂŢILOR – O ABORDARE BUSINESS EVALUAREA ZONELOR URBANE POTENŢIAL FUNCŢIONALE DIN REGIUNEA NORD-EST 14EVALUATION OF FUNCTIONAL URBAN AREAS IN THE NORTH-EAST REGION 33 Cercetător științifi c gr. III Antonio TACHE, Cercetător științifi c Monica TACHE Institutul Național de Cercetare-Dezvoltare în Construcții, Urbanism și Dezvoltare Teritorială Durabilă URBAN-INCERC MODEL TEORETIC DE ANALIZĂ PRIVIND CONSUMUL DIN PIB 51ANALYSIS THEORETICAL MODEL OF THE CONSUMPTION FROM THE GDP 57 Prof. univ. dr. Constantin ANGHELACHE Drd. Marius POPOVICI Academia de Studii Economice

CONTRIBUŢII LA STUDIUL EREDITĂŢII HEMOFILIEI ÎN POPULAŢIILE ANIMALE ŞI VEGETALE PRIN METODE STATISTICE 63STATISTICAL METHODS FOR STUDYING THE HEREDITY OF HAEMOPHILIA IN ANIMAL AND PLANT POPULATIONS 72 C. ANGHEL, M. BOLDEA Universitatea de Ştiinţe Agricole şi Medicină Veterinară a Banatului Timişoara A. COJOCARIU, Ofelia SOFRAN Universitatea Tibiscus Timişoara

MODEL DE ANALIZĂ A CORELAŢIEI DINTRE PIB ŞI PRINCIPALII SĂI FACTORI DE INFLUENŢĂ 81THE ANALYSIS MODEL OF CORRELATION BETWEEN GDP AND ITS MAIN INFLUENCE FACTORS 87 Prof. univ. dr. Constantin ANGHELACHE Academia de Studii Economice, Bucureşti, Universitatea “Artifex” din Bucureşti Drd. Daniel DUMITRESCU, Drd. Diana Valentina SOARE Academia de Studii Economice, Bucureşti

DIN ISTORIA STATISTICII ROMÂNEŞTI STATISTICA URMĂRIRII EVOLUŢIEI PREŢURILOR 94 Dr. Vasile V. DUMITRESCU

www.revistadestatistica.ro/supliment

Romanian Statistical Review - Supplement nr. 11 / 20152

Revista Română de Statistică, editată de Institutul Naţional de Statistică, este unica publicaţie de specialitate din ţara noastră, în domeniul teoriei şi practicii statistice. Articolele publicate se adresează oamenilor de ştiinţă, cercetătorilor, precum şi utilizatorilor de date şi informaţii statistice interesaţi în lărgirea şi aprofundarea orizontului cunoaşterii prin asimilarea noţiunilor de specialitate, abordarea de noi lucrări şi studii de referinţă pe care să le aplice ulterior în domeniul în care îşi desfăşoară activitatea. Prin prezentarea unor lucrări ştiinţifi ce şi de promovare a culturii statistice, necesară în economia de piaţă funcţională, revista se doreşte a fi un spaţiu propice schimbului de idei şi, totodată, o provocare. Orice studiu sau opinie care poate contribui la dezvoltarea gradului de înţelegere a statisticii ca ştiinţă este binevenit.

The Romanian Statistical Review, issued by the National Institute of Statistics, is in our country specialising in the fi eld of statistical theory and practice. The articles published are addressed to the scientists, researchers and statistical data and information users interested in broadening and deepening their horizon of knowledge by acquiring specialised notions and coming into contact with new papers and reference studies they can later apply in their own fi eld. Through the presentation of papers that are scientifi c in nature and that promote statistical culture, which is necessary in a functional market economy, the Review aims to be a favourable space for exchange of ideas and a challenge at the same time. Any study or opinion that can contribute to the development of the degree understanding statistics as a science is welcome.

La Revue Roumaine de Statistique, éditée par l’Institut National de la Statistique, est la seule publication de spécialité de notre pays dans le domaine de la théorie et de la pratique statistique. Les articles y étant publiés s’adressent aux scientifi ques, aux chercheurs, ainsi qu’aux utilisateurs de données et d’informations statistiques, intéressés d’élargir leur horizon de connaissances avec des notions de spécialité et de nouveaux travaux et études de référence qu’ils peuvent appliquer ultérieurement dans leurs domaines d’activité. Par la présentation de certains ouvrages scientifi ques et de promotion de la culture statistique nécessaires dans l’économie de marché fonctionnelle, la Revue se veut être un espace propice à l’échange d’idées et en même temps une provocation. Toute étude et opinion qui pourraient contribuer au développement du degré de compréhension de la statistique en tant que science sont bienvenues.

Revista Română de Statistică - Supliment nr. 11 / 2015 3

Model de analiză a optimului în cazul asigurării deductibile

Prof. univ. dr. Constantin ANGHELACHE Academia de Studii Economice, Bucureşti Universitatea „Artifex” din Bucureşti Lector univ. dr. Mădălina Gabriela ANGHEL Universitatea „Artifex” din Bucureşti Drd. Cristina SACALĂ Academia de Studii Economice, Bucureşti

Abstract O poliţa de asigurare cu deductibilitate directă concentrează în mod efi cient efortul compensării daunelor doar la pierderi mari. Orice alt contract de asigurare va despăgubi mai mult nivelele de pierderi mai scăzute, reducând în mod necesar indemnizaţia de asigurare pentru pierderile mari. Nivelul optim al deductibilităţii directe subliniază relevanţă asigurării pentru riscurile mari. Riscurile mai mici, de exemplu riscurile al căror potenţial de pierdere maxim este mai mic decât deductibilitatea optimă, nu ar trebui să fi e asigurate. Acelaşi principiu se aplică la asigurarea pentru tipuri diferite de pierderi atunci când sunt acoperite sub poliţe diferite de asigurare. Cuvinte cheie: model, analiză, coasigurare, deductibilă, poliţă de asigurare, compensare, daune

Există cai diferite pentru deţinătorii de poliţe de asigurare de a reţine o parte din risc. Una dintre cele mai obişnuite este de a acceptă o deductibilitate directă, în care indemnizaţia de asigurare este fi e zero dacă pierderea este mai mică decât un nivel deductibil prespecifi cat fi e pierderea minus nivelul de deductibilitate în celelalte cazuri. Alternativ, contractul de asigurare poate conţine o regulă de coasigurare, caz în care indemnizaţia de asigurare este un procent prespecifi cat din pierdere, aşa cum am examinat anterioar. Alte forme contractuale ale indemnizaţiei de asigurare se pot lua şi ele în considerare, cum ar fi limitele superioare ale indemnizaţiilor de asigurare şi aşa numitele deductibilităţi care dispar. De exemplu, în domeniul asigurării de răspundere civilă, pierderile ar putea să nu fi e limitate de mărime. Astfel, găsim poliţe cu limite superioare – poliţe în care asigurătorul plăteşte asigurarea în totalitate dar cu un plafon pe indemnizaţia de asigurare maximă – destul de des întâlnite în acest tip de


asigurare. În plus, nu există nici un motiv să presupunem că tipurile de forme contractuale menţionate mai sus se exclud reciproc. De exemplu, în domeniul asigurărilor de sănătate, am putea găsi contracte care conţin o deductibilitate pentru fi ecare cerere de daune, un nivel de coasigurare peste deductibilitate şi o limita superioară care pune un plafon pe prima de asigurare agregată. Sub un set rezonabil de condiţii, contractul de asigurare optim ia întotdeauna formă unuia deductibil în mod direct. Orice contract de asigurare sub condiţia nedeductibil este dominat de un contract care devine deductibil direct cu aceeaşi valoare actuarială. Deductibilele furnizează cel mai bun compromis între voinţă de a acoperi riscul şi limitarea costului asigurării. 1Pentru a înţelege mai exact de ce sunt preferate poliţele deductibile, vom considera un model în care riscul de pierdere poate lua un număr fi nit de valori posibile.

Incertitudinea este reprezentată printr-un vector de probabilităţi

unde şi Fără a pierde din vedere caracterul general, să presupunem că

. Un contract este caracterizat de o prima de asigurare P şi un plan de indemnizaţie de asigurare I(·). Aceasta înseamnă că pentru fi ecare pierdere , contractul de asigurare stipulează indemnizaţia de asigurare , care va fi plătită de către asigurator în astfel de circumstanţe. Presupunem că prima de asigurare trebuie plătită ex ante de către deţinătorul poliţei de asigurare şi că este proporţională cu valoarea actuarială a poliţei: Avuţia fi nală a deţinătorului poliţei de asigurare după achiziţia poliţei ( este

, dacă are loc pierderea .

În sfârşit, presupunem în general că pe pieţele asigurărilor se furnizează poliţe cu planuri de indemnizaţii de asigurare care să nu scadă şi să nu fi e negative adică, pentru orice x. Cu alte cuvinte, contribuţiile ex post ale deţinătorului poliţei de asigurare sunt imposibile. Există o justifi care tehnică de a impune această constrângere. Într-adevăr, condiţia λ > 0 nu este realistă atunci când indemnizaţia de asigurare este negativă. În acest caz, contribuţia ex post a deţinătorului poliţei de asigurare ar reduce costurile tranzacţiei. Vom presupune că un deţinător de poliţă de asigurare cu aversiune la risc selectează un contract de asigurare (P, 1(·)) cu şi cu I (x) nedescrescător şi pentru orice x. În acest caz contractul optim conţine o deductibilitate directă D; adică I(x) = max(0 , x- D). Vom presupune în continuare, că avem o poliţă deductibilă ( P, I (·)), astfel încât pentru şi pentru . Vom


arăta că orice alt plan de indemnizaţie de asigurare face ca avuţia să fi e mai riscantă în sensul lui Rothschild şi Stiglitz, şi deci trebuie să nu fi e mai puţin cert pentru detinătorii de poliţe de asigurare. Să luam în calcul un contract de asigurare alternativ cu aceeaşi prima P. Prin ipoteza de mai sus de stabilire a preţului, ştim că , care este constant pentru un P fi x. Dacă mărim indemnizaţia de asigurare pentru un nivel de pierdere, trebuie să o scădem pentru altele, cu scopul de a încadra în indemnizaţia de asigurare medie. Să luăm în considerare o creştere a indemnizaţiei de asigurare pentru un nivel de pierdere cu suma , aşa încat . Mai întâi remarcăm că, deoarece indemnizaţia de asigurare trebuie să fi e nenegativă,

nu poate fi redusă pentru orice pierdere .Trebuie să scădem indemnizaţia de asigurare pentru unul sau mai multe niveluri de pierdere

cu sumele , unde . Aceasta va determina schimbări ale avuţiei fi nale.

La , cu

Pentru fi ecare ,

Noul plan de indemnizaţie de asigurare înseamnă o reducere a avuţiei în stările i unde avuţia este mică şi duce la o creştere a avuţiei. Aceasta înseamnă o creştere a riscului care menţine media. Înseamnă că orice plan de indemnizaţie de asigurare (.) va fi dominat de către planul de deductibilitate I (·) cu aceeaşi primă, deoarece putem argumenta similar pentru orice nivel al primei de asigurare P, aşa cum rezultă din reprezentările grafi ce următoare:


Ajungem la concluzia că o asigurare deductibilă domină coasigurarea. O modalitate de a modifi că o poliţa deductibilă fără a schimbă bugetul de asigurări pentru deţinătorul poliţei de asigurare este de a reduce indemnizaţia de asigurare atunci când pierderea depăşeşte deductibilitatea cu scopul de a o mari atunci când pierderea este mai mică decât deductibilitatea. Această modifi care reduce valoarea fi nală pentru nivele scăzute şi o măreşte la nivele mari. Asta duce la o împrăştiere a valorii fi nale care se încadrează în media. Observăm că acest rezultat este demonstrat pe baza faptului că deţinătorilor de poliţe de asigurare nu le plac împrăştierile care păstrază media valorii fi nale. Deci, această concluzie nu se bazează pe EU. Orice model în care agenţilor cu aversiune la risc nu le plac împrăştierile care păstrază media va conduce la aceeaşi concluzie că deductibilele sunt optime, chiar dacă nu invocăm ipoteza EU că baza pentru luarea deciziilor. Pentru a ilustra acest rezultat şi modul în care este demonstrat, să luăm în considerare cazul unei pierderi care primeşte valorile 0, 50 si 100, fi ecare cu probabilităţi egale. Presupunând că λ=0.2, un contract cu o rată de coasigurare pură de 50%, de ex cu I (x) = x/2, se poate achiziţiona cu prima P = 30. Alternativ, un contract cu o deductibilitate directă D = 37,5 ar avea o primă egală cu P = 30. Avuţia fi nală sub poliţa cu deductibilitate

este dată de relaţia . Acum să defi nim

. Remarcăm că . Valoarea fi nală sub politica de coasigurare poate fi scrisă ca:

Distribuţia valorii fi nale este ilustrată în reprezentarea grafi că de mai sus. Observaţi cum distribuţia valorii sub coasigurare arată cum se poate obţine adăugând termenul „zgomot” la cea mai joasă realizare a valorii aleatoare pentru poliţa deductibilă, . Deoarece zgomotul are o medie zero, distribuţia avuţiei sub coasigurare este mai riscantă în concepţia lui Rothschild şi Stiglitz. Concluzionăm că un contract cu o rată de coasigurare de 50% nu se va achiziţiona niciodată, căci este dominat de un contract cu o deductibilitate directă pentru aceeaşi primă. O poliţă de asigurare cu deductibilitate directă concentrează în mod efi cient efortul compensării daunelor doar la pierderi mari. Orice alt contract de asigurare va despăgubi mai mult nivelele de pierderi mai scăzute, reducând în mod necesar indemnizaţia de asigurare pentru pierderile mari.


Nivelul optim al deductibilităţii directe subliniază relevanţa asigurării pentru riscurile mari. Riscurile mai mici, de exemplu riscurile al căror potenţial de pierdere maxim este mai mic decât deductibilitatea optimă, nu ar trebui să fi e asigurate. Acelaţi principiu se aplică la asigurarea pentru tipuri diferite de pierderi atunci când sunt acoperite sub poliţe diferite de asigurare.

Concluzii

Există căi diferite pentru deţinătorii de poliţe de asigurare de a reţine o parte din risc. Una dintre cele mai obişnuite este de a accepta o deductibilitate directă, în care indemnizaţia de asigurare este fi e zero, dacă pierderea este mai mică decât un nivel deductibil prespecifi cat, fi e pierderea minus nivelul de deductibilitate în celelalte cazuri. Alternativ, contractul de asigurare poate conţine o regulă de coasigurare, caz în care indemnizaţia de asigurare este un procent prespecifi cat din pierdere, aşa cum am examinat anterior. Alte forme contractuale ale indemnizaţiei de asigurare se pot lua şi ele în considerare, cum ar fi limitele superioare ale indemnizaţiilor de asigurare şi aşa numitele deductibilităţi care dispar. Sub un set rezonabil de condiţii, contractul de asigurare optim ia întotdeauna forma unuia deductibil în mod direct. Orice contract de asigurare sub condiţia nedeductibil este dominat de un contract care devine deductibil direct cu aceeaşi valoare actuarială. Deductibilele furnizează cel mai bun compromis între voinţa de a acoperi riscul şi limitarea costului asigurării. O modalitate de a modifi ca o poliţă deductibilă fără a schimba bugetul de asigurări pentru deţinătorul poliţei de asigurare este de a reduce indemnizaţia de asigurare atunci când pierderea depăşeşte deductibilitatea cu scopul de a o mări atunci când pierderea este mai mică decât deductibilitatea. Această modifi care reduce valoarea fi nală pentru niveluri scăzute şi o măreşte la niveluri mari. Asta duce la o împrăştiere a valorii fi nale care se încadrează în media. Observăm că acest rezultat este demonstrat pe baza faptului că deţinătorilor de poliţe de asigurare nu le plac împrăştierile care păstrază media valorii fi nale. Deci, această concluzie nu se bazează pe EU. Orice model în care agenţilor cu aversiune la risc nu le plac împrăştierile care păstrază media va conduce la aceeaşi concluzie că deductibilele sunt optime, chiar dacă nu invocăm ipoteza EU ca bază pentru luarea deciziilor.


Bibliografi e 1. Anghelache, C., Partachi I. 2011. Statistică actuarială, Editura Artifex, Bucureşti 2. Anghelache Constantin, Verejan, O., Partachi, I. 2008. Analiză actuarială în

asigurări, Editura Economică, Bucureşti, 2008. 3. Briys, E., G. Dionne, and L. Eeckhoudt. 1989. More on insurance as a Giffen good.

Journal of Risk and Uncertainty 2: 4 I 5-420. 4. Huberman, G., D. Mayers, and C. W. Smith. 1983. Optimal Indemnity Insurance

Policy schedules. The Bell Journal of Economics 14: 415-426. 5. Rothschild, M., Stiglitz, J. 1970. Increasing risk: I. A defi nition, Journal of

Economic Theory, 1970, vol. 2, issue 3, pages 225-243 6. Rothschild, M., Stiglitz, J. 1970. Increasing risk II: Its economic consequences,

Journal of Economic Theory, Elsevier, vol. 3(1), pages 66-84, March. 7. Spaeter, S. and P. Roger. 1997. The design of optimal insurance Contracts: a

topological approach. The Geneva Papers on Risk and Insurance Theory 22: 5-20.


OPTIMUM ANALYSIS MODEL IN THE CASE OF DEDUCTIBLE INSURANCE

Prof. Constantin ANGHELACHE PhD. Bucharest University of Economic Studies „Artifex” University of Bucharest Lecturer Mădălina Gabriela ANGHEL PhD. „Artifex” University of Bucharest Cristina SACALĂ PhD. Student Bucharest University of Economic Studies

Abstract An insurance policy deductibility effectively direct the effort focuses only compensation for damage to large losses. Any other contract of insurance will reimburse more levels lower losses, reducing necessarily in the insurance indemnity for losses. The optimal level of direct deductibility of insurance for large risks relevant highlights. Lower risks, ie risks whose potential maximum loss deduction is less than optimal, it should be ensured. The same applies to the insurance for different types of losses when coated under various insurance policies. Key words: model, analysis, coinsurance, deductible insurance policy, compensation, damages

There are different ways insurance policyholders to retain some of the risk. One of the most common is to accept a direct deductible, the insurance indemnity is either zero if the loss is smaller than a prespecifi ed level or loss minus the deductible deductibility in other cases. Alternatively, the insurance contract may contain a rule coinsurance, in which case the insurance indemnity is a prespecifi ed percentage of loss, as I reviewed previously. Other forms of contractual insurance benefi ts and they can be taken into account, such as the upper limits of insurance payments and so-called deductibility disappear. For example, in the area of liability insurance, the losses could not be limited in size. Thus, we fi nd policies with higher limits - the insurer pays insurance policies entirely but with a ceiling on the maximum indemnity insurance - quite common in this type of insurance. In addition, there is no reason to suppose that the types of contractual forms mentioned above are mutually exclusive. For example, in health insurance, we could fi nd contracts contain a deductible for each claim for damages, deductible levels and coinsurance than an upper limit that puts a ceiling on the aggregate insurance premium.


Under a reasonable set of conditions optimal insurance contract always take the form of one deductible directly. Any condition deductible insurance contract is a contract that is dominated by the same actuarial value directly deductible. Deductibilele provides the best compromise between the will to cover the cost of insurance and limiting risk. To understand exactly why are preferred deductible policies, we consider a model in which risk of loss can take a fi nite number of possible values.

Uncertainty is represented by a vector of probabilities where and unde and

Without losing sight of general suppose . A contract is characterized by Primada P insurance and indemnity insurance plan I (·). This means that for every loss , the insurance contract stipulates insurance payments that will be paid by the insurer in such circumstances. Suppose the insurance premium payable by the policyholder ex ante insurance and that is proportional to the actuarial value of the policy:

Wealth fi nal after the policyholder acquisition policies (P,I) is if loss occurs. Finally, we assume that markets in general insurance policies provide insurance indemnity plans which do not fall and not be negative is, for any x. In other words, ex-post contributions policyholder are impossible. There is a technical justifi cation to impose this constraint. Indeed, the condition λ> 0 is not realistic when the insurance benefi t is negative. In this case, the contribution of ex post policyholder would reduce transaction costs. We assume that a policyholder insurance risk averse select an insurance contract (P 1 (·)) with and I (x) nedescrescator for any x. in this case the optimal contract contains a direct deductibility D; that is I (x) = max (0, X-D). We assume further that we have a policy deductible (P, I (·)), so

for and for . We will show that any plan indemnity insurance makes wealth to be more risky in the sense of Rothschild and Stiglitz, and so must not be less certain for insurance policyholders. To consider an alternative insurance contract with the same fi rst hypothesis P. The above pricing, we know that that is constant for a fi xed P. If we increase level insurance indemnity for a loss, we have to subtract to others in order to fi t the average indemnity insurance. Consider an increase in insurance payme nts for a level of loss amount

, so . First note that since the insurance


indemnity must be non-negative , can not be reduced for any loss . We must lower insurance indemnity to one or more levels of loss amounts where . This will determine the fi nal wealth changes. When, with , with

For each one ,

The new indemnity insurance plan means a reduction and wealth in states where wealth is small and lead to an increase in wealth. This means an increased risk that maintains media. It means that any indemnity insurance plan (.) Will be dominated by the deductibility plan I (·) with the same fi rst because we can argue similarly for any level of insurance premium P, as shown in the following graphs:

We conclude that insurance deductible coinsurance dominate One way to change a policy without changing budget deductible insurance policy holder is to reduce the insurance benefi t when the loss exceeds the deduction aiming higher when it is smaller than the loss of deductibility. This change reduces the fi nal amount for low levels and increases at higher levels. This leads to a spreading of the fi nal value falling within the media. We note that this result is demonstrated on the basis that insurance policyholders who preserved not like spillage average fi nal value. So, this conclusion is not based on EU. Any model in which risk aversion agent spillage do not like that preserved the media will lead to the same conclusion as deductibilele are optimal, if not proceed on the assumption EU as a basis for decision making. To illustrate this result and how it is demonstrated to consider the case of a loss that gets the values 0, 50 and 100, each with equal probability. Assuming


λ = 0.2, a contract with a coinsurance rate of 50% pure, eg with I (x) = x / 2, you can purchase the fi rst P = 30. Alternatively, a contract with a direct deductibility D = 37.5 would have a premium equal to P = 30. Wealth fi nal sub deductibility policy is the relationship now defi ne .

. We note that . The fi nal value under

coinsurance policy can be written as:

The distribution of the fi nal value is shown in the graphic representation above. Notice how the value distribution under coinsurance show how to obtain adding the term “noise” to the lowest achieving random value for policy deductible . As the noise has an average zero, the distribution of wealth under coinsurance is more risky in Rothschild and Stiglitz’s view. We conclude a contract with a coinsurance rate of 50% will not buy ever, because it is dominated by a contract with the same fi rst direct deductibility. An insurance policy deductibility effectively direct the effort focuses only compensation for damage to large losses. Any other contract of insurance will reimburse more levels lower losses, reducing necessarily in the insurance indemnity for losses. The optimal level of direct deductibility of insurance for large risks relevant highlights. Lower risks, ie risks whose potential maximum loss deduction is less than optimal, it should be ensured. The same applies to the insurance for different types of losses when coated under various insurance policies.

Conclusions

There are different ways insurance policyholders to retain some of the risk. One of the most common is to accept a direct deductible, the insurance indemnity is either zero if the loss is smaller than a prespecifi ed level or loss minus the deductible deductibility in other cases. Alternatively, the insurance contract may contain a rule coinsurance, in which case the insurance indemnity is a prespecifi ed percentage of loss, as I reviewed previously. Other forms of contractual insurance benefi ts and they can be taken into account, such as the upper limits of insurance payments and so-called deductibility disappear. For example, in the area of liability insurance, the losses could not be limited in size. Thus, we fi nd policies with higher limits - the insurer pays insurance policies entirely but with a ceiling on the maximum indemnity insurance - quite common in this type of insurance.


Under a reasonable set of conditions optimal insurance contract always take the form of one deductible directly. Any condition deductible insurance contract is a contract that is dominated by the same actuarial value directly deductible. Deductibilele provides the best compromise between the will to cover the cost of insurance and limiting risk. One way to change a policy without changing budget deductible insurance policy holder is to reduce the insurance benefi t when the loss exceeds the deduction aiming higher when it is smaller than the loss of deductibility. This change reduces the fi nal amount for low levels and increases at higher levels. This leads to a spreading of the fi nal value falling within the media. We note that this result is demonstrated on the basis that insurance policyholders who preserved not like spillage average fi nal value. So, this conclusion is not based on EU. Any model in which risk aversion agent spillage do not like that preserved the media will lead to the same conclusion as deductibilele are optimal, if not proceed on the assumption EU as a basis for decision making.

Bibliografi e 1. Anghelache, C., Partachi I. 2011. Statistică actuarială, Editura Artifex, Bucureşti 2. Anghelache Constantin, Verejan, O., Partachi, I. 2008. Analiză actuarială în

asigurări, Editura Economică, Bucureşti, 2008. 3. Briys, E., G. Dionne, and L. Eeckhoudt. 1989. More on insurance as a Giffen good.

Journal of Risk and Uncertainty 2: 4 I 5-420. 4. Huberman, G., D. Mayers, and C. W. Smith. 1983. Optimal Indemnity Insurance

Policy schedules. The Bell Journal of Economics 14: 415-426. 5. Rothschild, M., Stiglitz, J. 1970. Increasing risk: I. A defi nition, Journal of

Economic Theory, 1970, vol. 2, issue 3, pages 225-243 6. Rothschild, M., Stiglitz, J. 1970. Increasing risk II: Its economic consequences,

Journal of Economic Theory, Elsevier, vol. 3(1), pages 66-84, March. 7. Spaeter, S. and P. Roger. 1997. The design of optimal insurance Contracts: a

topological approach. The Geneva Papers on Risk and Insurance Theory 22: 5-20.


Selecţia entităţilor – o abordare business Evaluarea zonelor urbane potenţial funcţionale

din regiunea nord-est Cercetător științifi c gr.III Antonio TACHE

Institutul Național de Cercetare-Dezvoltare în Construcții, Urbanism și Dezvoltare Teritorială Durabilă URBAN-INCERC,

e-mail: [email protected]ător științifi c Monica TACHE

Institutul Național de Cercetare-Dezvoltare în Construcții, Urbanism și Dezvoltare Teritorială Durabilă URBAN-INCERC

e-mail: [email protected]

Abstract Zonele metropolitane concentrează mare parte a populaţiei, producţiei şi consumului din ţările Uniunii Europene. Una dintre principalele probleme care apare atunci când se adoptă zonele metropolitane ca unităţi teritoriale de analiză şi elaborare de politici în ţările europene o constituie lipsa unor standarde general acceptate pentru identifi carea acestora.. Lucrarea şi-a propus o evaluare ştiinţifi că a ariilor funcţionale (inclusiv ariile metropolitane) a municipilor reşedinţă de judeţ din Regiunea Nord-Est. În acest scop a fost adaptată metodologia ESPON 1.1.1. privind evaluarea gradului de policentricitate la realităţile existente în România şi elaborarea unor analize economice în evoluţie pentru fi ecare zonă funcţională (zonă metropolitană) studiată. Studiul arată că zonele urbane funcţionale (inclusiv ariile metropolitane) sunt încă în stadiul incipient de organizare, neexistând un progres semnifi cativ în dezvoltarea economică a acestora. Cuvinte cheie: zone metropolitane; zone urbane funcţionale; metodologie ESPON; Regiunea Nord-EstJEL Classifi cation: R11, R12, R58

1. INTRODUCERE

1.1. Politica de coeziune teritorială Strategia Europa 2020, referitoare la Politica de coeziune a Uniunii Europene după anul 2013, se concentrează asupra creşterii inteligente, durabile şi favorabile incluziunii. Această iniţiativă de politică se bazează pe premisa că: - metropolele au o importanţă decisivă pentru competitivitatea

Europei;


- este de o importanţă crucială conectivitatea între locurile foarte dezvoltate şi cele specializate şi zonele metropolitane cu accesibilitate bună;

- reţelele la diferite scări geografi ce leagă pieţele la nivel mondial ; - buna guvernare şi cooperarea teritorială sunt elemente vitale pentru

punerea în aplicare a coeziunii economice şi sociale (Comisia Europeană, 2013).

Agenda teritorială a Uniunii Europene 2020 (Budapesta, 2011) ce are ca scop principal ”O Europă inteligentă, durabilă şi favorabilă incluziunii, compusă din regiuni diverse”, consideră că obiectivele Uniunii Europene defi nite în Strategia Europa 2020 pentru creştere inteligentă, durabilă şi favorabilă incluziunii pot fi îndeplinite doar dacă se ia în considerare dimensiunea teritorială a strategiei, întrucât oportunitățile de dezvoltare variază de la o regiune la alta (Comisia Europeană, 2011). Zonele urbane asociate cu regiunile rurale învecinate și sferele lor de infl uență au devenit din ce în ce mai complexe. Astfel, zonele urbane din ce în ce mai clusterizate într-o globalizare economică și schimbarea accesibilității prin moduri de transport foarte rapide, sunt noi factori care vor afecta peisajul cultural tradițional european (Antrop, 2004). În literatura de specialitate este refl ectată problematica procesului de metropolizare a marilor oraşe în concordanţă cu studiile de policentricitate. Policentricitatea este considerată la ora actuală un instrument de planifi care spaţială util pentru a spori competitivitatea oraşelor, coeziunea socială şi durabilitatea mediului (Davoudi, 2003). Zonele policentrice pot fi conceptualizate în funcţie de două abordări esenţiale: o abordare pur morfologică în care zonele policentrice pot fi privite ca un model de cale de mijloc de organizare spaţială între oraşele tradiţionale compacte şi expansiunea urbană, menţinând avantajele legate de oraşe compacte, cu respectarea tendinţelor spontane ale dispersiei (Camagni et al, 2002), iar pe de altă parte, adoptând o abordare atât funcţională cât şi morfologică în care zonele policentrice reprezintă alternativa pentru zonele monocentrice (Meijers și Sandberg, 2008), constând într-o integrare progresivă a centrelor urbane într-o singură zonă metropolitană. Elementele de bază ale policentricităţii sunt zonele urbane funcţionale (ZUF-uri). O Zonă Urbană Funcţională constă dintr-un nucleu urban şi spaţiul din jurul acesteia, care este integrat economic cu centru. Dezvoltarea policentrică a devenit o paradigmă larg răspândită în politicile de dezvoltare regională pe o varietate de scări spațiale (Davoudi, 2003). În mod evident, impactul zonelor urbane asupra populației și a mediului la nivel global este semnifi cativă, și va deveni și mai pronunțat în viitor (Mills, 2007). O serie de studii au demonstrat oportunitățile


orașelor policentrice privind dezvoltarea economică, în comparație cu orașele monocentrice. Ca urmare, aglomerarea urbană nu crește odată cu mărimea orașului (Gordon et al, 1989). Abordările policentrice facilitează obținerea de benefi cii pe mai multe niveluri teritoriale, iar experiențele diverselor politici europene trebuie promovate. (Ostrom, 2010). Zonele Urbane Funcționale sunt elementele de construcţie ale regiunii policentrice. Regiunile policentrice sunt stabilite prin două sau mai multe ZUF-uri care se susţin reciproc. Defi niţia clasică a policentrismului morfologic este că o regiune urbană este formată din mai mult de două oraşe care sunt învecinătate, au o relaţie funcţională şi sunt complementare (Riguelle, 2007). Un sistem policentric oferă două avantaje economice majore ale sistemelor urbane: prezența a numeroase companii, care conduce la creșterea veniturilor acestora, și un reducerea costurilor de transport (Tressera, 2012). Încă de la începutul anilor ‘80, Şcoala Engleză a elaborat o nouă viziune privind metropolele şi zonele metropolitane. Conform acestui punct de vedere, noua calitate de metropole şi zone metropolitane a fost legată de concentraţia de zone funcţionale, care a devenit tot mai importantă pentru crearea de reţele economice globale (Cheshire and Hay, 1989). Studiul francez “Les Villes européennes”, a fost unul dintre primele şi cele mai infl uente studii de oraşe şi zone metropolitane europene. Acest studiu a fost elaborat în 1989 de Roger Brunet, în numele DATAR, o autoritate franceză responsabilă cu amenajarea teritoriului. În cadrul studiului, 165 de zone metropolitane din Europa de Vest, cu mai mult de 200.000 de locuitori au fost investigate. Au fost analizaţi 16 indicatori din diverse domenii, cum ar fi populaţia, economia şi întreprinderile (multinaţionale), cercetarea, fi nanţele, nodurile de transport şi comunicaţii, instituţiile culturale etc. Pe baza acestor indicatori au fost defi nite specializările funcţionale ale zonelor metropolitane şi clasifi cate prin intermediul unui indice agregat (Brunet, 1989). În ciuda progreselor realizate, cercetarea regiunilor metropolitane este încă necesară. Acest lucru este valabil mai ales în ceea ce privește identifi carea fundalului teoretic al funcțiilor metropolitane și clasifi carea lor. Realizarea zonelor metropolitane la nivel european, pe baza unor criterii comune lipsește. (Institutul Federal de Cercetare pentru constructii afaceri urbane și Dezvoltare Teritorială, 2011). Totuși, dezvoltarea teritoriului actual al Uniunii Europene din punct de vedere economic poate fi caracterizată ca un proces de metropolizarea a potențialelor zone de dezvoltare economică cu capacități de inovare (Krátke, 2007). De asemenea, noua politică urbană va fi organizată diferit prin implicarea mult mai activă a populației. Va exista o schimbare privind guvernarea acestor zone metropolitane. (Andersen, 2003). Astfel, guvernarea locală în zonele metropolitane va fi puternic infl uențată și modelată de relația cu societatea civilă (Feiock, 2004). Noua viziune privind amenajarea teritoriului la nivel european, dar şi global o reprezintă dezvoltarea


oraşelor ca metropole inteligente. Termenul “inteligent” implică, în special, ambiţia implicită sau explicită a unui oraş de a îmbunătăţi standardele economice, sociale şi de mediu şi prin urmare, competitivitatea acestuia în competiţia urbană” (Giffi nger et al., 2010). Rețelele inter-municipalități în cadrul zonelor metropolitane va permite un transfer parțial de competențe pentru a facilita dezvoltarea policentrică (Deraëve, 2014). Promovarea unei dezvoltări teritoriale policentrice şi echilibrate are ca principală provocare delimitarea corectă a zonelor urbane funcţionale. Un rol important în cadrul zonelor urbane funcționale o reprezintă creșterea mobilității, ceea ce necesită o abordare integrată a politicilor de transport (Appert, M. (2004). Teritoriul acestor zone funcţionale trebuie ştiinţifi c delimitat ca o masă critică, astfel încât strategiile de dezvoltare să aibă sens şi să fi e efi ciente. 1.2. Modele de evaluare a zonelor urbane funcţionale Policentricitatea este considerată ca un instrument-cheie de promovare a coeziunii sociale (Meijers şi Sandberg, 2008), a competitivităţii economice (de la Haga şi Kirk, 2003) şi durabilităţii mediului (CSD, 1999). Conform programului ESPON 1.1.1. există 3 dimensiuni ale policentrismului care pot fi combinate într-un indicator comun: mărimea şi dotarea oraşelor (populaţie, activitate economică, capital uman, învăţământ superior, importanţă culturală, statut administrativ etc), distribuţia lor în spaţiu şi interacţiunea dintre oraşele care sunt de acelaşi rang şi cele care sunt de ranguri diferite în ierarhia urbană. Conceptele cheie referitoare la policentrism sunt aglomerările urbane (AU) şi Zonele Urbane Funcţionale (ZUF). Aglomerările Urbane (AU) se referă la zonele învecinate de centrul urban în care populaţia din Aglomerările Urbane reprezintă un factor important în analiză: se poate argumenta faptul că doar Aglomerările Urbane care depăşesc un anumit prag (de exemplu 20 000 locuitori în cazul României) pot fi etichetate ca fi ind zone urbanizate. Zone Urbane Funcţionale (ZUF) sunt reprezentate de aglomerările urbane şi zonele învecinate în care se face naveta (oraşe şi localităţi din proximitate). La nivel european, ZUF-urile nu au o defi niţie comună. Datele referitoare privind naveta pe nivelul LAU 2 sunt condiţii necesare pentru a defi ni Zonele Urbane Funcţionale. Numeroase studii europene delimitează Zonele Urbane Funcţionale (Zonele Metropolitane Funcţionale) pe baza datelor privind naveta la locul de muncă refl ectând pragul de 25% din numărul de navetişti către oraşul nucleu din populaţia activă economic. Unul din blocajele existente la nivelul României privind evaluarea dezvoltării policentrice a reţelei de localităţi îl constituie datele referitoare la volumul navetiştilor, date care nu sunt monitorizate statistic şi în consecinţă lipsesc din lista indicatorilor cunatifi caţi de Institutul Naţional de Statistică.


2. METODOLOGIE

2.1. Evaluarea Zonelor Urbane Funcţionale Metodologia de evaluare a zonelor urbane funcţionale se bazează pe studiul ESPON 1.1.1. Lipsa datelor privind fl uxul de navetişti din jurul marilor oraşe din România, determină necesitatea aproximării zonelor urbane funcţionale cu Orizonturile urbane strategice potenţiale (PUSH conform ESPON). În acest sens se calculează durata călătoriei cu automobilul din centrele oraşelor nucleu (centroide ZUF) până la fi ecare nod al reţelei rutiere şi, pe baza acestor timpi de călătorie se construiesc izocrone. Pentru scopul acestui studiu s-au construit izocrone de 30 de minute. Cum timpul de călătorie trebuie calculat pentru o reţea neîncărcată, adică fără a se lua în considerare fl uxurile de circulaţie, se presupune că pragul de timp de rulat cu autovehiculul de 30 de minute s-ar transpune în viaţa reală într-un timp de 45 până la 60 de minute care, în cazul teritoriului naţional, reprezintă echivalentul duratei medii a timpului de navetă. În consecinţă, rezultatele acestei etape sunt izocrone pentru fi ecare ZUF (Nordregio, 2004). În scopul analizei statistice şi pentru atribuirea localităţilor în ZUF, aceste izocrone se aproximează în a doua etapă în raport cu graniţele localităţii. Izocronele se suprapun cu graniţele localităţilor şi dacă se suprapun într-o anumită măsură, atunci localitatea este considerată ca făcând parte din Orizontul urban strategic potenţial (PUSH). Pentru evaluarea zonelor metropolitane existente, dar şi pentru evaluarea unor posibile zone metropolitane a fost creată o bază de date a tuturor Orizonturile Strategice Urbane Potenţiale (PUSH). Pentru fi ecare municipiu reşedinţă de judeţ din regiunea Nord-Est a fost proiectată o bază de date care conţine UAT-urile componente, conform rezultatelor evaluării PUSH, utilizând indicatorul populaţia în evoluţie (populaţie 2005, 2008, 2013) şi indicatorul numărul de salariaţi în evoluţie (salariaţi 2005, 2008, 2013). Pe baza acestor date putem evalua potenţialul de dezvoltare a zonelor ce corespund Orizonturile Strategice Urbane Potenţiale (PUSH) pentru fi ecare municipiu reşedinţă de judeţ din regiunea Nord-Est. La nivel naţional pot fi defi nite 4 tipuri de zone în funcţie de indicatorii în evoluţie studiaţi: zone urbane în plină dezvoltare socio-economică, zone stabilizate, zone în stagnare şi zone în declin din punct de vedere economic. 2.2. Structura metodologiei utilizate Metodologia de evaluare a Zonelor Urbane Funcţionale (ZUF) se bazează pe studiul ESPON 1.1.1. privind policentricitatea şi pe utilizarea Sistemelor Informatice Geografi ce (GIS). În prezent, tehnicile GIS bazate pe imagini aeriene sau satelitare au fost folosite pentru a identifi ca zonele metropolitane din întreaga lume (Brezzi, 2012). Metodele care combină


informațiile privind fl uxurile de navetiști și analizele statistice bazate pe GIS sunt cele mai bune alegeri pentru delimitarea zonelor metropolitane din întreaga lume. (Li și colab., 2010). Abordarea cantitativă și cartografi că facilitează rapid transmiterea rezultatelor către factorii de decizie politică. În plus, iterații succesive permit realizarea a numeroase scenarii alternative de planifi care (Marull et al., 2007). În prima etapă se calculează durata medie a călătoriei cu un vehicul din centrele Zonelor Urbane Funcţionale (centrele municipiilor reşedinţă de judeţe) până la fi ecare nod al reţelei rutiere şi, pe baza acestor timpi de călătorie se construiesc izocrone. În scopul acestui studiu s-au construit izocrone de 30 de minute. Baza de date spaţiale GIS necesită 3 straturi de bază: un strat cu intravilanele localităţilor (pentru calculul amplasamentul centroidelor acestora), un strat al reţelei rutiere detaliate cu limitele de viteză legală pentru calcularea timpilor de călătorie şi un strat cu limitele unităţilor administrativ teritoriale din România. În scopul analizei statistice şi pentru evaluarea Zonelor Urbane Funcţionale, aceste izocrone se aproximează în a doua etapă în raport cu graniţele unităţilor administrativ teritoriale. Izocronele ating într-un anumit procent suprafeţele unităţilor administrativ-teritoriale şi dacă se suprapun într-o anumită măsură, atunci aceste unităţi administrativ-teritoriale sunt considerate ca făcând parte din Orizontul urban strategic potenţial (PUSH) (Kloosterman R.C., S. Musterd, 2001). Pentru analizele studiului s-a considerat varianta în care izocronele construite acoperă cel puţin 50% din teritoriul unităţii administrativ-teritoriale (există o suprapunere mai mare de jumătate din suprafaţa LAU 2). În etapa a-III-a, pentru fi ecare municipiu reşedinţă de judeţ din regiunea Nord-Est şi unităţile administrativ teritoriale rezultate din etapa a-II-a, a fost elaborată o bază de date spaţiale ce conţine indicatori teritoriali în evoluţie.


Zone urbane funcționale potențiale în regiunea Nord-EstFig. 1

3. REZULTATE 3.1. Zone urbane funcţionale ale municipiilor reşedinţă de judeţe

din Regiunea Nord-Est conform metodologiei ESPON pentru delimitarea Orizonturilor Urbane Strategice Potenţiale

În regiunea Nord-Est există structuri metropolitane (în diferite stadii de organizare), reprezentând asocierea municipiului cu unități administrativ-teritoriale învecinate, unele stabilite ca Asociații de Dezvoltare Intercomunitară (ADI), având în vedere infl uența pe care centrul urban o are asupra lor. (Planul de Dezvoltare Regionala Nord-Est 2014-2020, 2013). Conform metodologiei prezentate, au fost identifi cate următoarele Zone Urbane Funcţionale pentru municipiile reşedinţă de judeţ din regiunea Nord-Est: Municipiul Bacău Unităţi administrativ-teritoriale componente: municipiul Bacău, Ardeoani, Bereşti-Bistriţa, Bereşti-Tazlău, Berzunţi, Blăgeşti, Buhoci, Buhuşi, Cleja, Coloneşti, Damieneşti, Faraoani, Filipeni, Filipeşti, Garleni, Gioseni, Helegiu, Hemeiuş, Horgeşti, Iteşti, Izvoru-Berheciului, Letea Veche, Livezi,


Luizi-Călugăra, Magireşti, Măgura, Mărgineni, Negri, Nicolae Bălcescu, Odobeşti, Onceşti, Palanca, Panceşti, Parava, Parincea, Pârjol, Plopana, Poduri, Prăjeşti, Răcăciuni, Racova, Roşiori, Sănduleni, Sărata, Sauceşti, Scorţeni, Secuieni, Solont, Strugari, Tămaşi, Traian, Ungureni. Unităţile administrativ teritoriale care constituie Zona Metropolitană Bacău, deja constituită: municipiul Bacău, Bereşti-Bistriţa, Buhoci, Faraoani, Filipeşti, Gioseni, Iteşti, Izvoru Berheciului, Letea Veche, Luizi-Călugăra, Măgura, Mărgineni, Nicolae Bălcescu, Odobeşti, Prăjeşti, Sărata, Săuceşti, Secuieni, Tamaşi şi Traian. Observaţii : Zona metropolitană Bacău este inclusă în Zona Urbană Funcţională estimată a municipiului Bacău.

Municipiul Botoşani Unităţi administrativ-teritoriale componente: municipiul Botoşani, Bă-luşeni, Blandeşti, Braeşti, Broscăuţi, Bucecea, Copalau, Cordăreni, Corlăţeni, Corni, Cosula, Cristeşti, Curteşti, Dangeni, Dimacheni, Frumuşica, Gorbăneşti, Leorda, Mihai Eminescu, Nicşeni, Rachiti, Roma, Săveni, Stăuceni, Ştiubeni, Suliţa, Truseşti, Tudora, Ungureni, Unteni, Văculeşti, Varfu Câmpului, Vlădeni, Vlăsineşti, Vorniceni, Vorona. Zona metropolitană Botoşani este constituită din municipiul Botoşani, Mihai Eminescu, Stăuceni, Răchiţi, Curteşti şi Roma, urmând a fi extinsă cu UAT-urile Bucecea, Vlădeni, Corni şi Vorona. Observaţii: Zona metropolitană Botoşani este destul de nou constituită, unităţile administrativ-teritoriale componente făcând parte din Zona Urbană Funcţională estimată a municipiului Botoşani.

Municipiul Iaşi Unităţi administrativ-teritoriale componente: municipiul Iaşi, Aroneanu, Barnova, Ciurea, Comarna, Costuleni, Dobrovăţ, Dolheşti, Dumeşti, Erbiceni, Golăieşti, Grajduri, Holboca, Horleşti, Ipatele, Leţcani, Mădârjac, Mironeasa, Miroslava, Mogoşeşti, Movileni, Podu Iloaiei, Popeşti, Popricani, Prisăcani, Probota, Rediu, Romaneşti, Scânteia, Scheia, Schitu Duca, Tibana, Ţigănaşi, Tomeşti, Tutora, Ungheni, Valea Lupului, Victoria, Voineşti. Unităţile administrativ teritoriale care constituie Zona Metropolitană Iaşi sunt: municipiul Iaşi, Aroneanu, Bârnova, Ciurea, Holboca, Leţcani, Miroslava, Popricani, Rediu, Schitu Duca, Tomeşti, Ungheni, Valea Lupului şi Victoria. Observaţii: Zona metropolitană Iaşi are o distribuţie spaţială echilibrată în teritoriu, bazată pe centrul urban şi arealul său de infl uenţă, acoperind astfel, funcţional, un teritoriu extins. Zona metropolitană Iaşi este inclusă în Zona Urbană Funcţională estimată a municipiului Iaşi conform metodologiei propuse.


Municipiul Piatra Neamţ Unităţi administrativ-teritoriale componente: municipiul Piatra Neamţ, Agapia, Alexandru cel Bun (Viişoara), Bahna, Baltateşti, Bărgăuani, Bicaz, Bodeşti, Borleşti, Candeşti, Costişa, Crăcăoani, Dobreni, Dochia, Dragomireşti, Dumbrava Roşie, Făurei, Garcina, Ghindăoani, Girov, Grumăzeşti, Hangu, Icuseşti, Mărgineni, Negreşti, Pangarati, Pastraveni, Petricani, Piatra Şoimului, Podoleni, Războieni, Rediu, Romani, Roznov, Ruginoasa, Săvineşti, Ştefan cel Mare, Tarcău, Tasca, Tazlău, Tibucani, Tupilaţi, Valea Ursului, Văleni, Zăneşti. Zona metropolitană Piatra Neamţ este constituită din municipiul Piatra Neamţ, Gârcina, Alexandru cel Bun, Dumbrava Roşie, Girov, Săvineşti, Roznov, Zăneşti şi Piatra Şoimului. Zona metropolitană Piatra-Neamţ este nou constituită (2013), unităţile administrativ-teritoriale componente făcând parte din Zona Urbană Funcţională estimată a municipiului Piatra Neamţ.

Municipiul Suceava Unităţi administrativ-teritoriale componente: municipiul Suceava, Adâncata, Arbore, Baia, Bălăceanca, Berchişeşti, Bosanci, Botoşana, Buneşti, Cacica, Cajvana, Calafi ndeşti, Capu Câmpului, Ciprian Porumbescu, Comăneşti, Cornu Luncii, Dărmăneşti, Dragoieşti, Dumbrăveni, Fălticeni, Grăniceşti, Hanteşti, Hârtop, Horodniceni, Iaslovăţ, Ilişeşti, Ipoteşti, Liteni, Milisăuţi, Mitocu Dragomirnei, Moara, Păltinoasa, Parteştii de Jos, Pătrăuţi, Poieni-Solca, Preuteşti, Rădăşeni, Salcea, Satu Mare, Scheia, Şerbăuţi, Siminicea, Stroieşti, Todireşti, Udeşti, Valea Moldovei, Vereşti, Volovăţ, Vultureşti, Zamostea, Zvoriştea. Zona metropolitană Suceava este constituită din municipiul Suceava, Adâncata, Bosanci, Dărmăneşti, Dumbrăveni, Hânteşti, Ipoteşti, Mitocu Dragomirnei, Moara, Pătrăuţi, Salcea, Siminicea, Stroieşti, Udeşti, Vereşti. Observaţii : Zona metropolitană Suceava este inclusă în Zona Urbană Funcţională estimată a municipiului Suceava.

Municipiul Vaslui UAT-uri componente PUSH: municipiul Vaslui, Albeşti, Alexandru Vlahuţă, Bălteni, Bogdana, Bogdăneşti, Bogdăniţa, Boteşti, Buneşti-Avereşti, Codăeşti, Costeşti, Cozmeşti, Creţeşti, Dăneşti, Deleni, Deleşti, Dragomireşti, Duda-Epureni, Fereşti, Ghergheşti, Hoceni, Huşi, Iana, Ibăneşti, Ivăneşti, Laza, Lipovăţ, Micleşti, Muntenii de Jos, Muntenii de Sus, Negreşti, Olteneşti, Oseşti, Poieneşti, Puieşti, Pungeşti, Puşcaşi, Rebricea, Roşieşti, Soleşti, Ştefan cel Mare, Tăcuta, Tanacu, Tătărani, Văleni, Voineşti, Vultureşti, Zapodeni.


Zona metropolitană Vaslui s-a constituit în 2014, fi ind formată din municipiul Vaslui şi comuna Muntenii de Sus, cu dorinţa de extindere către alte 10 comune.

3.2. Analiza economică a studiului Aşa cum a fost menţionat în metodologie, a fost creată pentru fi ecare municipiu reşedinţă de judeţ o bază de date spaţiale ce conţine unităţile administrativ-teritoriale ce fac parte din Zonele Urbane Funcţionale identifi cate şi indicatori privind populaţia în evoluţie (populaţie 2005, 2008, 2013) şi numărul de salariaţi în evoluţie (salariaţi 2005, 2008, 2013). Evaluarea indicatorilor în evoluţie, identifi că o evaluare minimală a zonelor urbane funcţionale identifi cate şi o clasare pe cele 4 tipuri de zone economice menţionate în metodologie. Tabelul nr.1 prezintă evaluarea zonei urbane funcționale (FUA) Bacău. Zona urbană funcţională Bacău are o scădere nesemnifi cativă a populaţie în perioada 2005-2008 şi o scădere uşoară a populaţiei în perioada 2009-2013. În schimb, municipiul Bacău a avut o scădere constantă a populaţiei în perioada 2005-2013, pierzând aproape 10000 de locutiori (5% din populaţie). Numărul de salariaţi a avut o creştere semnifi cativă în perioada 2005-2008, urmând apoi o scădere semnifi cativă în perioada 2008-2013. Municipiul Bacău a avut acelaşi trend ca şi ZUF Bacău, numărul de salariaţi din 2013 fi ind inferior numărului de salariaţi din anul 2005. În contextul situaţiei economice actuale PUSH Bacău nu este încă o zonă funcţională stabilă, putând fi catalogată ca o zonă în stagnare. Tabelul nr.2 prezintă evaluarea zonei urbane funcționale (FUA) Botoșani. Zona Funcţională Urbană Botoşani are o scădere constantă a populaţiei începând cu anul 2005, iar municipiul Botoşani are o scădere relativ lentă a populaţiei în perioada 2005-2013. Numărul de salariaţi, atât în ZUF Botoşani, cât şi în municipiul Botoşani, are o creştere foarte lentă în perioada 2005-2008 şi o scădere lentă în perioada 2008-2013. Observăm, un raport foarte scăzut dintre numărul de salariaţi şi numărul populaţiei, atât în ZUF Botoşani, cât şi în municipiul Botoşani. Acest lucru demonstrează existenţa unei regiuni destul de statice ce necesită investiţii pentru a deveni competitivă. Conform metodologiei ZUF Botoşani poate fi catalogată ca o zonă în stagnare. Tabelul nr.3 prezintă evaluarea zonei urbane funcționale (FUA) Iași. În ZUF Iaşi şi în municipiul Iaşi constatăm o creştere medie a populaţiei în perioada 2005-2008 şi o creştere mare a populaţiei în perioada 2008-2013. Această creştere a populaţiei este compensată în perioada 2005-2008 de o creştere rapidă a numărului de salariaţi. Însă, în perioada 2008-2013, creşterea populaţiei nu a condus şi la un număr mai mare de salariaţi, ba din contră


există o scădere medie a salariaţiilor în ZUF Iaşi şi o scădere mare a numărului de salariaţi în municipiul Iaşi. Putem concluziona, că nu există o economie puternică în municipiul Iaşi care să susţină dezvoltarea economică a ZUF Iaşi. Chiar dacă, evoluţia populaţiei a avut un trend pozitiv, din punct de vedere economic ZUF Iaşi poate fi catalogată ca o zonă în stagnare. Tabelul nr.4 prezintă evaluarea zonei urbane funcționale (FUA) Piatra Neamț. Pentru ZUF Piatra Neamţ şi municipiul Piatra Neamţ, constatăm o scădere uşoară a populaţiei în perioada de studiu 2005-2013. În cazul numărului de salariaţi constatăm o creştere nesemnifi cativă în perioada 2005-2008 şi o scădere uşoară în perioada 2008-2013, atât pentru municipiul Piatra Neamţ, cât şi pentru ZUF Piatra Neamţ. De asemenea, observăm un raport scăzut dintre numărul de salariaţi şi volumul populaţiei, ceea ce constituie un impediment în dezvoltarea zonei studiate. În concluzie, ZUF Piatra Neamţ poate fi considerată ca o zonă în stagnare. Tabelul nr. 5 prezintă evaluarea zonei urbane funcționale (FUA) Suceava. Situaţia în ZUF Suceava este asemănătoare cu cea a municipiului Suceava. Există o creştere uşoară a populaţiei în ZUF Suceava şi o populaţie relativ stabilă în municipiul Suceava. Numărul de salariaţi a crescut uşor pentru ZUF Suceava şi municipiul Suceava în perioada 2005-2008, după care a urmat o scădere sub nivelul de salariaţi din 2005 pentru anul 2013, atât pentru ZUF Suceava, cât şi pentru municipiul Suceava. Constatăm o fragilitate economică a zonei şi un raport scăzut a numărului de salariaţi per volumul populaţiei. ZUF Suceava poate fi considerată ca o zonă în stagnare. Tabelul nr. 6 prezintă evaluarea zonei urbane funcționale (FUA) Vaslui. ZUF Vaslui are o scădere constantă a populaţiei, în timp ce municipiul Vaslui are o evoluţie relativ scăzută în perioada 2005-2008, după care are o creştere uşoară până la nivelul anului 2013. Numărul de salariaţi a avut o creştere uşoară în zona ZUF Vaslui şi în municipiul Vaslui în perioada 2005-2008, după care a urmat o scădere moderată în perioada 2008-2013. Însă, marea problemă pentru realizarea unei zone urbane funcţionale Vaslui o constituie raportul foarte scăzut dintre numărul de salariaţi şi populaţia existentă. Din acest motiv ZUF Vaslui poate fi considerată o zonă de declin economic.

4. CONCLUZII

Oraşele reprezintă motoarele economiei regionale şi pot fi considerate drept agenţi de catalizare pentru creativitate şi inovare, la momentul actual. Metropolizarea marilor oraşe este un proces de atragere de noi activităţi specifi ce, locuri de muncă şi locuitori, bazându-se predominant pe competitivitate. Afi rmarea la nivel european a zonelor metropolitane


inteligente presupune o nouă strategie de maximizare a dezvoltării integrate a marilor oraşe din România. Modifi carea zonelor metropolitane în timp și spațiu refl ectă evoluția economiei și societății (Boix, 2012). În acest sens, este imperios necesar realizarea unei analize diagnostic care să redefi nească ariile urbane funcţionale reale ale municipiilor reşedinţă de judeţ, evidenţierea tipologiei socio-economice, specializarea funcţională a zonelor urbane funcţionale şi specializările funcţionale inteligente. Teritoriul acestor zone funcţionale trebuie ştiinţifi c delimitat ca o masă critică, astfel încât strategiile de dezvoltare să aibă sens şi să fi e efi ciente. Studiul realizat încearcă să contribuie la rezolvarea uneia dintre principalele probleme care apare atunci când se adoptă zone metropolitane ca unităţi de analiză şi politici în ţările europene, datorită lipsei unor standarde general acceptate pentru identifi carea acestora.

BIBLIOGRAFIE 1. Andersen, H. T., & Van Kempen, R. (2003), New trends in urban policies in

Europe: evidence from the Netherlands and Denmark. Cities, 20(2), 77-86. 2. Antrop, M. (2004), Landscape change and the urbanization process in Europe.

Landscape and urban planning, 67(1), 9-26. 3. Appert M. (2004), Métropolisation, mobilités quotidiennes urbaine et forms: le cas

de Londres. Géocarrefour, 79 (2 ), 109-118.) 4. Boix, R., Veneri, P. And Almenar, V. (2012), Polycentric metropolitan areas in

Europe: towards a unifi ed proposal of delimitation. In Defi ning the Spatial Scale in Modern Regional Analysis (pp. 45-70), Springer Berlin Heidelberg.

5. Brezzi M. and Piacentini, M. (2012), D. S. S. Defi ning and Measuring Metropolitan Areas, OECD, Paris

6. Brunet R. (1989), Les villes européennes. Rapport pour la DATAR, Délégation à l‘Aménagement du Territoire et à l‘Action Régionale – Paris.

7. Camagni R. (2002), ‘On the Concept of Territorial Competitiveness: Sound or Misleading?’, Urban Studies, 39(13): 2395-2411.

8. Cheshire P.C.; Hay, D.G., (1989), Urban problems in Western Europe. An economic analysis. – London 1989.

9. Committee on spatial development (CSD) (1999), European Spatial Development Perspective: Towards Balanced and Sustainable Development of the Territory of the EU. Offi ce for Offi cial Publications of the European Communities, Luxembourg.

10. Deraëve S. (2014), “Pôles métropolitains: the French approach towards inter-city networking.” Regional Studies, Regional Science 1.1 (2014): 43-50.

11. Davoudi S. (2003), Polycentricity in European spatial planning: from an analytical tool to a normative agenda, European Planning Studies, 11(8):979-999.

12. ESPON POLYCE (2012), POLYCE - Metropolisation and Polycentric Development in Central Europe.

13. European Commission (2011), Territorial Agenda of the European Union 2020 (TA2020): Towards an Inclusive, Smart and Sustainable Europe of Diverse Regions.

14. European Commission (2013), ESPON - Territorial Dimensions of the Europe 2020 Strategy, ISBN: 978-2-919777-36-5


15. Evers, G. H. M., Van der Veen, A. (1985), A Simultaneous Non-Linear Model for Labour Migration and Commuting, Regional Studies, 19(3): 217–229

16. Federal Institute for Research on Building Urban Affairs and Spatial Development (2011), Metropolitan Areas in Europe, Bonn, BBSR-Online-Publikation 1, ISSN 1868-0097.

17. Feiock, R. C. (2009), Metropolitan governance and institutional collective action. Urban Affairs Review, 44(3), 356-377.

18. Giffi nger R., Gudrun H. (2010), Smart cities ranking: an effective instrument for the positioning of the cities?. “ACE: Architecture, City and Environment”, 25 Febrer 2010, vol. 4, núm. 12, p. 7-26. 1886-4805.

19. Gordon, P., Kumar, A., & Richardson, H. W. (1989), The infl uence of metropolitan spatial structure on commuting time. Journal of urban economics, 26(2), 138-151.

20. Kloosterman R.C., Musterd S. (2001), The Polycentric Urban Region: Towards a Research Agenda, Urban Studies, 38:623-633.

21. Krätke S. (2007), “Metropolisation of the European economic territory as a consequence of increasing specialisation of urban agglomerations in the knowledge economy.” European Planning Studies 15.1 (2007): 1-27.

22. Hague C. and Kirk K. (2003), Polycentricity Scoping Study. Offi ce of the Deputy Prime Minister (ODPM), London.

23. National Institut of Statistics (2014), TEMPO-Online time series. 24. Li X., Zhang L., & Liang C. (2010), A GIS-based buffer gradient analysis on

spatiotemporal dynamics of urban expansion in Shanghai and its major satellite cities. Procedia Environmental Sciences, 2, 1139-1156.

25. Marull J., Pino J., Mallarach J. M., & Cordobilla M. J. (2007), A land suitability index for strategic environmental assessment in metropolitan areas. Landscape and urban planning, 81(3), 200-212.

26. Mills G. (2007), Cities as agents of global change. International Journal of Climatology, 27, 1849−1857.

27. Meijers E.J., K. Sandberg (2008), Reducing regional disparities by means of polycentric development: panacea or placebo? Scienze Regionali; Italian journal of regional science, 7(2), pp. 71-96.

28. Ostrom, E. (2010), Polycentric systems for coping with collective action and global environmental change. Global Environmental Change, 20(4), 550-557.

29. North-East Regional Development Agency (2013), North-East Regional Development Plan 2014-2020, http://www.nord-vest.ro/Document_Files/Planul-de-dezvoltare-regionala-2014-2020/00001614/hfvs3_PDR%202014-2020%20Transilvania%20Nord%20vers_febr_2014.pdf

30. Nordregio (2004), ESPON 1.1.1, (2005), Potentials for polycentric development in Europe (www.espon.eu/mmp/ online/website/content/projects/259/648/fi le_1174/fr-1 .1.1_revisedfull.pdf).

31. Riguelle F., Thomas I., Verhetsel A. (2007), Measuring Urban Polycentrism: a European Case Study and its Implications. Journal of Economic Geography 7, pp. 193-215, 2007

32. Romanian Government (2008), Government Decision no. 998/2008 for the designation of national growth poles in Romania.

33. Tresserra J. M., Cladera J.R. (2012), “Anàlisi retrospectiu del sistema metropolità de Barcelona i la seva infl uència en l’estructura urbana.” ACE: architecture, city and environment 18 (2012): 101-138


AnexăZona Urbană Funcţională Bacău

Tabel nr. 1Judeţ Nume UAT Salariaţi

2005Salariaţi

2008Salariaţi

2013Populaţie

2005Populaţie

2008Populaţie

2013Bacau MUN. BACAU 57773 63673 53342 181126 178135 172697Bacau ORAŞ BUHUSI 2796 2904 2491 20176 19853 19109Bacau ARDEOANI 204 458 178 2537 2505 2371Bacau BERESTI-BISTRITA 211 261 114 3446 2084 2178Bacau BERESTI-TAZLAU 355 319 236 5779 5794 5691Bacau BERZUNTI 105 178 127 5423 5390 5316Bacau BLAGESTI 160 165 547 7278 7336 7447Bacau BUHOCI 187 167 191 4964 4999 4943Bacau CLEJA 447 353 214 7050 7079 6978Bacau COLONESTI 67 72 55 2196 2249 2157Bacau DAMIENESTI 76 72 65 1938 1912 1831Bacau FARAOANI 231 273 192 5607 5555 5313Bacau FILIPENI 65 83 82 2359 2344 2225Bacau FILIPESTI 270 305 263 4645 4737 4768Bacau GIOSENI 75 86 94 6641 6779 6957Bacau GIRLENI 357 433 388 0 3643 3926Bacau HELEGIU 199 208 235 7367 7212 6921Bacau HEMEIUS 444 720 939 4114 4459 5230Bacau HORGESTI 104 154 127 4866 4864 5016Bacau ITESTI 44 79 91 0 1527 1684Bacau IZVORU BERHECIULUI 43 56 60 1710 1734 1714Bacau LETEA VECHE 331 503 561 5201 5751 7003Bacau LIVEZI 183 162 168 5321 5383 5333Bacau LUIZI-CALUGARA 159 179 158 5397 5318 5195Bacau MAGIRESTI 150 139 89 4566 4518 4444Bacau MAGURA 388 379 301 4298 4532 5134Bacau MARGINENI 692 773 601 8820 9224 10017Bacau NEGRI 91 200 193 2961 2930 2794Bacau NICOLAE BALCESCU 1124 1136 780 9262 9468 9546Bacau ODOBESTI 65 102 85 0 2432 2620Bacau ONCESTI 77 51 52 1841 1767 1667Bacau PALANCA 126 152 106 3660 3570 3386Bacau PARAVA 134 124 136 4396 4373 4361Bacau PARINCEA 157 188 203 3436 3462 3493Bacau PARJOL 170 188 196 3906 3888 3756Bacau PINCESTI 108 117 144 6871 6782 6561Bacau PLOPANA 93 96 110 3437 3434 3337Bacau PODURI 168 234 243 8121 8139 8189Bacau PRAJESTI 96 86 48 0 2639 2629Bacau RACACIUNI 389 654 499 8114 8303 8374Bacau RACOVA 272 370 172 3375 3479 3515Bacau ROSIORI 67 61 60 2256 2296 2280Bacau SANDULENI 115 126 118 4492 4503 4462Bacau SARATA 64 116 374 2181 2326 2600Bacau SAUCESTI 208 453 308 4528 4850 5590Bacau SCORTENI 107 114 96 3150 3144 3030Bacau SECUIENI 93 80 72 4530 2141 2130Bacau SOLONT 115 139 122 3921 3844 3625Bacau STRUGARI 63 61 59 2624 2591 2574Bacau TAMASI 159 163 255 6643 3256 3241Bacau TRAIAN 311 186 203 5548 2967 2917Bacau UNGURENI 104 174 98 3748 3916 3919

TOTAL 70.592 78.525 66.641 415.826 415.416 412.194


Zona Urbană Funcţională BotoşaniTabel nr. 2

Judeţ Nume UAT Salariaţi 2005

Salariaţi 2008

Salariaţi 2013

Populaţie 2005

Populaţie 2008

Populaţie 2013

Botosani MUN BOTOSANI 33724 35639 31523 117563 116669 113766Botosani ORAS BUCECEA 417 405 321 5270 5197 5173Botosani ORAS SAVENI 961 1048 798 8322 8165 7763Botosani BALUSENI 109 106 112 5091 5009 4911Botosani BLANDESTI 44 57 41 2371 2375 2208Botosani BRAESTI 48 70 60 2168 2133 2048Botosani BROSCAUTI 61 80 85 3508 3447 3354Botosani COPALAU 115 143 90 4250 4232 4083Botosani CORDARENI 71 62 39 2145 2064 1880Botosani CORLATENI 54 68 65 2526 2460 2396Botosani CORNI 158 162 182 6689 6716 6734Botosani COSULA 55 77 62 3049 3005 2993Botosani CRISTESTI 121 151 109 4869 4857 4909Botosani CURTESTI 106 166 326 4518 4651 4849Botosani DIMACHENI 27 42 29 3152 3086 3023Botosani DANGENI 104 115 87 1506 1445 1365Botosani FRUMUSICA 166 214 182 6184 6137 5984Botosani GORBANESTI 100 121 92 3613 3518 3348Botosani LEORDA 158 176 109 2793 2682 2661Botosani MIHAI EMINESCU 513 1517 809 6610 6865 7435Botosani NICSENI 60 70 42 2858 2821 2680Botosani RACHITI 565 681 655 4668 4752 4925Botosani ROMA 152 147 185 3337 3370 3415Botosani STAUCENI 139 175 170 3408 3449 3504Botosani STIUBIENI 71 84 55 2927 2895 2745Botosani SULITA 165 179 173 3228 3165 3021Botosani TRUSESTI 432 466 395 5816 5769 5599Botosani TUDORA 147 150 118 5327 5276 5115Botosani UNGURENI 221 192 192 7248 7092 6865Botosani UNTENI 67 77 54 3019 2931 2797Botosani VACULESTI 65 67 58 2301 2243 2249Botosani VARFU CAMPULUI 312 253 128 4018 3867 3724Botosani VLADENI 130 149 113 5044 5024 4981Botosani VLASINESTI 189 269 252 3407 3328 3105Botosani VORNICENI 140 141 77 4601 4454 4306Botosani VORONA 355 436 383 8183 8088 7850TOTAL 40.322 43.955 38.171 265.587 263.237 257.764


Zona Urbană Funcţională IaşiTabel nr. 3

Judeţ Nume UAT Salariaţi 2005 Salariaţi 2008

Salariaţi 2013

Populaţie 2005

Populaţie 2008

Populaţie 2013

Iasi MUN. IASI 114290 128598 108397 307783 306561 321606Iasi ORAS PODU ILOAIEI 1112 889 531 9902 10264 10704Iasi ARONEANU 101 103 86 2870 3044 3578Iasi BARNOVA 370 475 376 4098 4540 5893Iasi CIUREA 553 368 499 10248 10954 13075Iasi COMARNA 109 129 84 4586 4706 4757Iasi COSTULENI 139 128 103 4894 4885 4637Iasi DOBROVAT 111 88 105 2522 2496 2413Iasi DOLHESTI 163 178 102 2957 2950 2800Iasi DUMESTI 119 120 105 4691 4741 4811Iasi ERBICENI 158 165 133 5718 5789 5796Iasi GOLAIESTI 88 95 118 3931 4023 4139Iasi GRAJDURI 268 392 256 3089 3190 3297Iasi HOLBOCA 1148 993 506 12204 12701 13882Iasi HORLESTI 110 125 118 2995 2870 2901Iasi IPATELE 66 91 60 2093 2064 1953Iasi LETCANI 421 580 521 6576 6866 7318Iasi MADIRJAC 84 72 67 1586 1530 1558Iasi MIRONEASA 148 158 123 4700 4763 4856Iasi MIROSLAVA 1438 1401 2720 8191 9561 13134Iasi MOGOSESTI 178 162 144 5182 5342 5390Iasi MOVILENI 226 162 86 3200 3205 3128Iasi POPESTI 130 135 94 4196 4266 4319Iasi POPRICANI 243 350 243 7113 7677 8310Iasi PRISACANI 144 115 100 3579 3498 3381Iasi PROBOTA 131 107 80 3704 3683 3656Iasi REDIU 346 694 127 3710 3955 5573Iasi ROMANESTI 68 87 70 1883 1837 1739Iasi SCHEIA 131 129 130 4465 4553 4788Iasi SCHITU DUCA 162 188 168 3334 3386 3421Iasi SCANTEIA 200 195 174 4483 4507 4485Iasi TIBANA 174 207 178 7451 7715 7972Iasi TIGANASI 427 435 443 4354 4472 4660Iasi TOMESTI 456 485 224 12096 12397 13007Iasi TUTORA 82 89 68 2001 2053 2030Iasi UNGHENI 105 163 137 4126 4285 4451Iasi VALEA LUPULUI 300 775 439 3408 4028 5370Iasi VICTORIA 257 265 203 4383 4427 4426Iasi VOINESTI 201 172 180 6633 6988 7533

TOTAL 124.957 140.063 118.298 494.935 500.772 530.747


Zona Urbană Funcţională Piatra NeamţTabel nr. 4

Judeţ Nume UAT Salariaţi 2005

Salariaţi 2008

Salariaţi 2013

Populaţie 2005

Populaţie 2008

Populaţie 2013

Neamt MUN. PIATRA NEAMT 35756 35868 31168 110288 108229 104595Neamt ORAS BICAZ 1499 1958 1242 8768 8650 8175Neamt ORAS ROZNOV 898 940 690 9230 9381 9870Neamt AGAPIA 227 258 220 4607 4707 4515Neamt ALEXANDRU CEL BUN 990 1076 1007 5278 5467 5898Neamt BAHNA 111 132 177 3683 3632 3516Neamt BALTATESTI 383 366 398 4475 4362 4212Neamt BARGAUANI 4162 4093 3902Neamt BODESTI 246 376 247 5188 5160 5047Neamt BORLESTI 425 242 255 9561 9531 9484Neamt CANDESTI 88 140 130 4319 4266 4085Neamt COSTISA 154 175 167 3701 3688 3615Neamt CRACAOANI 201 208 255 4598 4594 4552Neamt DOBRENI 149 89 140 3641 1726 1734Neamt DOCHIA 53 91 76 2518 2671 2843Neamt DRAGOMIRESTI 79 122 85 2479 2477 2354Neamt DUMBRAVA ROSIE 1883 2076 1864 7331 7782 8153Neamt FAUREI 69 63 70 2276 2199 2196Neamt GHINDAOANI 40 34 39 4587 4740 4861Neamt GARCINA 334 323 262 2225 2220 2069Neamt GIROV 625 947 399 5071 5190 5315Neamt GRUMAZESTI 268 349 316 5529 5494 5390Neamt HANGU 273 209 304 4170 4045 3788Neamt ICUSESTI 114 106 106 4694 4636 4597Neamt MARGINENI 123 126 134 4162 4113 3941Neamt NEGRESTI 24 81 92 0 1991 1965Neamt PASTRAVENI 143 152 318 5368 5413 5378Neamt PETRICANI 445 406 445 4005 3981 3958Neamt PIATRA SOIMULUI 228 294 302 5792 5915 6054Neamt PANGARATI 753 840 641 8550 8397 8231Neamt PODOLENI 408 314 230 5798 5708 5576Neamt RAZBOIENI 77 96 162 2293 2273 2269Neamt REDIU 152 186 188 5338 5266 5173Neamt ROMANI 121 117 93 4603 4479 4430Neamt RUGINOASA 92 63 110 2009 2080 2058Neamt SAVINESTI 2470 2508 2835 6575 6644 6621Neamt STEFAN CEL MARE 134 216 247 3283 3303 3290Neamt TARCAU 877 794 607 3503 3526 3513Neamt TASCA 716 621 253 2757 2707 2623Neamt TAZLAU 250 248 189 3035 2979 2906Neamt TIBUCANI 121 130 132 4601 4475 4317Neamt TUPILATI 140 161 125 2364 2315 2252Neamt VALEA URSULUI 99 107 83 4103 4174 4380Neamt VALENI 33 44 52 1714 1754 1732Neamt ZANESTI 294 295 368 6212 6202 6157

TOTAL 52565 53947 47223 308.444 306.635 301.590


Zona Urbană Funcţională SuceavaTabel nr. 5


Salariaţi 2013

Populaţie 2005

Populaţie 2008

Populaţie 2013

Suceava MUNICIPIUL SUCEAVA 44723 49638 43440 106831 107010 105091

Suceava MUN. FALTICENI 6452 5653 4357 30551 30061 29247Suceava ORAS CAJVANA 255 312 259 8198 8415 8889Suceava ORAS LITENI 289 383 315 10080 10196 10307Suceava ORAS MILISAUTI 175 296 230 5398 5377 5391Suceava ORAS SALCEA 344 421 375 9425 9790 10234Suceava ADANCATA 158 254 165 4230 4218 4167Suceava ARBORE 176 232 196 7069 7226 7478Suceava BAIA 197 276 252 7010 7150 7357Suceava BALACEANA 63 62 51 1665 1666 1629Suceava BERCHISESTI 35 79 89 0 2861 2908Suceava BOSANCI 286 290 246 7023 7047 7324Suceava BOTOSANA 147 167 125 2501 2440 2304Suceava BUNESTI 100 113 79 2721 2746 2722Suceava CACICA 439 450 360 4407 4322 4252Suceava CALAFINDESTI 113 187 135 2843 2814 2838Suceava CAPU CAMPULUI 85 80 73 2417 2438 2500Suceava CIPRIAN

PORUMBESCU 95 92 82 2182 2198 2092Suceava COMANESTI 77 113 75 2284 2252 2257Suceava CORNU LUNCII 496 614 530 7230 7232 7629Suceava DARMANESTI 187 248 218 5964 5979 5860Suceava DRAGOIESTI 138 109 81 5400 2542 2506Suceava DUMBRAVENI 312 271 258 8641 8960 9200Suceava FANTANA MARE 80 80 97 2649 2676 2813Suceava FANTANELE 118 135 116 4905 4915 4829Suceava GRANICESTI 131 173 129 5022 5019 5094Suceava HANTESTI 108 107 89 3848 3988 4044Suceava HARTOP 81 85 59 2475 2624 2851Suceava HORODNICENI 127 189 171 3711 3618 3504Suceava IASLOVAT 94 117 124 3542 3676 4025Suceava ILISESTI 121 155 108 2749 2718 2800Suceava IPOTESTI 258 321 289 5066 5436 6330Suceava MITOCU

DRAGOMIRNEI 151 227 193 4303 4546 4895Suceava MOARA 181 241 213 4466 4656 5114Suceava PALTINOASA 264 165 169 5872 5798 5873Suceava PATRAUTI 122 117 142 2997 2959 2774Suceava PARTESTII DE JOS 206 197 180 4639 4824 5201Suceava POIENI-SOLCA 0 58 60 0 2048 2101Suceava PREUTESTI 135 152 139 6810 6715 6656Suceava RADASENI 89 103 95 4407 4429 4268Suceava SATU MARE 96 105 91 4323 4350 4469Suceava SCHEIA 904 1393 1200 8101 8722 10344Suceava SERBAUTI 77 94 98 3266 3271 3213Suceava SIMINICEA 88 99 82 3112 3039 3030Suceava STROIESTI 87 106 91 3503 3436 3371Suceava TODIRESTI 303 294 241 5934 5908 5821Suceava UDESTI 165 182 140 7556 7668 7779Suceava VADU MOLDOVEI 176 162 198 3673 3792 4012Suceava VERESTI 251 459 400 7294 7257 7283Suceava VOLOVAT 84 104 106 4998 5133 5403Suceava VULTURESTI 104 119 110 3765 3716 3564Suceava ZAMOSTEA 108 96 89 3221 3161 3059Suceava ZVORISTEA 148 183 168 6190 6133 6167TOTAL 60.199 66.358 57.378 376.467 381.171 384.869


Zona Urbană Funcţională VasluiTabel nr. 6


Salariaţi 2013

Populaţie 2005

Populaţie 2008

Populaţie 2013

Vaslui MUNICIPIUL VASLUI 22996 24283 19267 72352 70841 72262Vaslui MUNICIPIUL HUSI 6418 6449 5448 30023 29656 28886Vaslui ORAS NEGRESTI 2334 2018 1163 10289 10185 10000Vaslui ALBESTI 125 135 141 3311 3312 3186Vaslui ALEXANDRU

VLAHUTA 63 95 94 1570 1492 1313Vaslui BALTENI 100 75 140 1572 1593 1525Vaslui BOGDANA 42 82 80 1827 1838 1714Vaslui BOGDANESTI 64 88 121 3547 3464 3378Vaslui BOGDANITA 43 70 72 1583 1561 1527Vaslui BOTESTI 57 84 79 2244 2188 2079Vaslui BUNESTI-AVERESTI 132 125 110 2948 2841 2602Vaslui CODAESTI 163 157 155 4886 4792 4597Vaslui COSTESTI 133 142 157 3287 3202 3126Vaslui COZMESTI 55 75 81 2489 2490 2471Vaslui CRETESTI 65 86 97 1824 1812 1838Vaslui DANESTI 55 75 100 2375 2304 2144Vaslui DELENI 77 95 91 2549 2514 2427Vaslui DELESTI 81 95 89 2617 2569 2319Vaslui DRAGOMIRESTI 127 146 168 4975 5044 5032Vaslui DUDA-EPURENI 88 112 121 5002 4886 4637Vaslui FERESTI 52 75 81 2174 2196 2183Vaslui GHERGHESTI 66 103 111 2838 2827 2775Vaslui HOCENI 69 99 110 3163 3057 2870Vaslui IANA 85 145 120 4154 4227 4148Vaslui IBANESTI 37 56 76 1471 1573 1539Vaslui IVANESTI 157 143 160 4991 4838 4572Vaslui LAZA 126 126 148 3293 3315 3109Vaslui LIPOVAT 119 157 176 4345 4360 4373Vaslui MICLESTI 75 96 101 2928 2937 2755Vaslui MUNTENII DE JOS 96 219 222 3812 3931 4132Vaslui MUNTENII DE SUS 98 112 113 3857 3940 4225Vaslui OLTENESTI 86 133 153 2988 2914 2767Vaslui OSESTI 72 99 109 3229 3288 3249Vaslui POIENESTI 65 97 103 3206 3201 3169Vaslui PUIESTI 155 172 177 4909 4907 4813Vaslui PUNGESTI 116 123 117 3522 3450 3365Vaslui PUSCASI 60 87 103 3524 3631 3865Vaslui REBRICEA 84 121 121 3719 3811 3768Vaslui ROSIESTI 122 97 194 3654 3621 3369Vaslui SOLESTI 82 99 115 3957 3938 3810Vaslui STEFAN CEL MARE 91 107 125 3366 3469 3468Vaslui TACUTA 87 109 118 3445 3404 3317Vaslui TANACU 79 75 94 2375 2313 2006Vaslui TATARANI 66 83 94 2579 2460 2296Vaslui VALENI 169 349 118 4757 4721 4717Vaslui VOINESTI 83 109 120 3959 3970 3943Vaslui VULTURESTI 77 130 117 2396 2435 2329Vaslui ZAPODENI 105 114 202 4130 4109 4003

TOTAL 35.797 37.922 31.372 258.011 255.427 251.998


EVALUATION OF FUNCTIONAL URBAN AREAS IN THE NORTH-EAST REGION

Main researcher 3 Antonio TACHE National Institute for Research and Development in Constructions,

Urbanism and Sustainable Spatial Development URBAN-INCERC Main researcher Monica TACHE National Institute for Research and Development in Constructions,

Urbanism and Sustainable Spatial Development URBAN-INCERC

Abstract

Metropolitan areas concentrate a large part of the population, production and consumption in the European Union countries. One of the main problems that arises when adopting metropolitan areas as territorial units of analysis and policy development in European countries is the lack of generally accepted standards for identifi cation purposes. This paper has proposed a scientifi c evaluation of the functional areas (including metropolitan areas) of county capital of North East Region. For this purpose it was used the ESPON 1.1.1 methodology regarding polycentric development adapted to the realities in Romania and then evolving development of economic analysis for each functional area (metropolitan area) studied. The study shows that functional urban areas (including metropolitan areas) are still in the early stage of organisation, with no signifi cant progress in their economic development. Key words: metropolitan areas; functional urban areas; ESPON methodology; North-East Region JEL Classifi cation: R11, R12, R58

1. Introduction

1.1. Territorial Cohesion Policy Europe 2020 Strategy on EU cohesion policy after 2013, focusing on smart, sustainable and inclusive growth. This policy initiative is based on the premise that: 1. Cities have a decisive importance for Europe’s competitiveness; 2. It is very important connectivity between highly developed and

specialized places and metropolitan areas with good accessibility; 3. Networks at different geographic scales link global markets;


4. Good governance and territorial cooperation are vital for the implementation of economic and social cohesion (European Commission, 2013).

Territorial Agenda of the European Union 2020 (Budapest, 2011) aimed mainly “A smart, sustainable and inclusive of Diverse Regions”. The European Union considers that the objectives defi ned in the Europe 2020 strategy for smart, sustainable and inclusive growth can only be achieved if you consider the territorial dimension of the strategy, as development opportunities vary from one region to another. (European Commission, 2011). Thinking of urban places with their associated rural hinterland and spheres of infl uence has become complex. Clusters of urban places, their situation in a globalizing world and changing accessibility for fast transportation modes are some new factors that affect the change of traditional European cultural landscapes (Antrop, 2004). The literature is refl ected problems of big cities metropolisation process according to studies polycentric. Polycentric development is currently considered a useful tool for spatial planning to increase the competitiveness of cities, social cohesion and environmental sustainability (Davoudi, 2003). Polycentric areas can be conceptualized according to two basic approaches: a purely morphological the polycentric areas can be seen as a model of spatial organization middle ground between traditional compact cities and urban sprawl, preserving the advantages associated with compact cities, with respect trends spontaneous dispersion (Camagni, 2002), and on the other hand, adopting an approach both functional and morphological the polycentric areas represent alternative monocentric areas (Meijers and Sandberg, 2008), consisting of a progressive integration urban centers into a single metropolitan area. Basic elements of Polycentric development are functional urban areas (FUAs). A functional urban area consists of an urban core and the area around it, which is economically integrated with the center. Polycentric development rapidly has become a widely spread paradigm in regional development policies on a variety of spatial scales (Davoudi, 2003). Clearly, the impact of urban areas on the human population and the global environment is signifi cant, and will become even more pronounced in the future (Mills, 2007). For example, a series of papers have shown that polycentric cities offer opportunities for substantial commuting economies, and that work-trip savings compared with a monocentric city are larger outside the central city than inside. As a result, congestion does not increase with city size (Gordon et al, 1989). Polycentric approaches facilitate achieving benefi ts at multiple scales as well as experimentation and learning from experience with diverse policies. (Ostrom, 2010). Functional urban


areas are the building blocks of a polycentric region. Polycentric regions are established by two or more functional urban areas mutually reinforcing. Using a traditional morphologic approach, an urban area can be defi ned polycentric if its employment is not concentrated in a single centre, but it is distributed in two or more centers (Riguelle, 2007). A perfect polycentric system would offers the two major economic advantages of urban systems: the presence of agglomeration economies, which result in increasing returns for companies, and a potential reduction of transport costs (including time) (Tressera, 2012). Since the early 80s, English School has developed a new vision for cities and metropolitan areas. According to this view, as new cities and metropolitan areas was related to the concentration of functional areas, which has become increasingly important for global economic networking. (Cheshire and Hay, 1989). French Study “Les Villes européennes” was one of the earliest and most infl uential studies of European cities and metropolitan areas. This study was developed in 1989 by Roger Brunet, on behalf of the DATAR, a French authority responsible for spatial planning. In the study, 165 metropolitan areas in Western Europe, with more than 200,000 inhabitants, were investigated. 16 indicators in various areas were analysed such as population, economy and companies (multinational), research, fi nance, transport and communications nodes, cultural institutions etc. Based on these indicators were defi ned functional specializations of metropolitan areas and classifi ed by an aggregate index (Brunet, 1989). Despite good progress, research on metropolitan regions is still necessary. This is especially true in terms of identifying the theoretical background of metropolitan functions and classifying them systematically, updating their empirical bases, analyzing the places investigated on a European wide basis and selecting them more carefully. In addition, a European wide regionalization, based on common criteria, is still missing. (Federal Institute for Research on Building Urban Affairs and Spatial Development, 2011). The development of Europe’s economic territory today can be characterized as a process of metropolisation of economic development potentials and innovation capacities (Krätke, 2007). First, the new urban policy is organized differently: it now involves partners other than public authorities, often including (parts of) the population of the areas in question. There seems to be a shift from government to governance. (Andersen, 2003). Local governance in metropolitan areas is strongly defi ned and shaped by its relationship to civil society (Feiock, 2004). The new vision of spatial planning at European level, but also at globally level, is development of cities as intelligent metropolitan areas. The term “intelligent” implies, in particular, implicit or explicit ambition of a city to improve standards of economic, social and environmental conditions and therefore its competitiveness in urban competition (Giffi nger


et al., 2010). Inter-city networking is considered the way forward to address metropolisation by allowing a partial transfer of competences to facilitate polycentricity (Deraëve, 2014). Promote polycentric and balanced territorial development the main challenge is correct delineation of functional urban areas. An important role in functional urban areas is to increase mobility, which requires an integrated approach to transport policy (Appert, 2004). The territory of these functional urban areas should be scientifi cally defi ned as a critical mass so that development strategies to make sense and be effective.

1.2. Models for assessing functional urban areas Polycentric development is regarded as a key tool for promoting social cohesion (Meijers and Sandberg, 2008), economic competitiveness (Hague and Kirk, 2003) and environmental sustainability (Committee on Spatial Development, 1999). According to the program ESPON 1.1.1., there are 3 dimensions of polycentrism that can be combined in a common indicator: the size and equipment of cities (population, economic activity, human capital, higher education, cultural importance, administrative status, etc.); their distribution in space and the interaction between cities that are same rank and those that are of different rank in the hierarchy of urban. Key concepts related to polycentrism are urban agglomerations (UA) and functional urban areas (FUA). Urban agglomerations (UA) refers to the urban center adjacent areas where the population in urban environments is an important factor in the analysis; it can be argued that only agglomerations above a certain threshold (eg. 20 000 population in Romania) can be labeled as urban areas. Functional urban areas (FUA) are represented by the urban and surrounding areas where commuting (cities and towns in the vicinity). At European level, Functional Urban Area don’t have a common defi nition. Data commute on LAU 2 are prerequisites to defi ne functional urban areas. Several European studies defi nes Functional Urban Areas (Functional Metropolitan Areas) based on the commute to work refl ecting the level of 25% of commuters to the city core of the economically active population, Evers for instance, argued that commuting can be considered as a substitute to migration if work and residence are geographically separated, but that they can be also considered as a complement if a person chooses to move away from their workplace locality, and then commutes to work on a daily basis. (Evers, 1985). One of the bottlenecks in Romania on the assessment of polycentric development of the settlements network is the data on the volume of commuters, data not statistically monitored and consequently missing from the list of quantifi able indicators of National Institute of Statistics.


2. Methodology

2.1. Evaluation of Functional Urban Areas Assessment methodology is based on functional urban areas ESPON 1.1.1 study. Lack of data on commuter fl ow around large cities in Romania, determines the need for approximation functional urban areas with Potential Urban Strategic Horizons (PUSH according ESPON). In this regard calculate travel time by car from core city centers (centroids FUA) to each node of the network traffi c and travel times based on these isochronous constructed. For purposes of this study were built isochronous 30 minutes. How travel time should be calculated for an unloaded network, ie without taking into account traffi c fl ows, it is assumed that the threshold for the vehicle ran 30 minutes would translate into real life in a time of 45 to 60 minutes. For the case of the national territory is equivalent to the average length of time commuting. Consequently, the results of this step are isochronous for each FUA. (Nordregio, 2004) Statistical analysis purposes and for assigning FUA localities, such isochronous approximates the second step to the borders of the village. Isochronous overlap with municipalities borders and if overlap to some extent, the Territorial Administrative Unit is considered part of Potential Urban Strategic Horizon (PUSH). To evaluate the existing metropolitan areas, but also for evaluation of possible metropolitan areas has created a database of all Potential Urban Strategic Horizons (PUSH). For each county capital of North-East Region was designed a database that contains the Administrative Territorial Units components according PUSH evaluation results, using indicator evolving population (population 2005, 2008, 2013) and the number of employees in progress indicator (employees in 2005, 2008, 2013). Based on these data we can evaluate the potential for developing of Strategic Urban Areas corresponding PUSH methodology for each county capital of North-East Region. At the national level can be defi ned four types of zones according to evolving indicators studied: growing urban socio-economic areas, stabilized areas, stagnant areas and areas in economic decline. 2.2. Structure methodology Methodology for assessing functional urban areas (FUA) draws on the polycentric methodology (ESPON 1.1.1.) and the use platform of Geographic Information Systems (GIS). Currently GIS techniques based on aerial or satellite imagery have been used to identify metropolitan areas worldwide (Brezzi, 2012). The methods that combine commuting fl ow between information and statistical analysis based on GIS are the best choices for the delimitation of metropolitan areas worldwide. (Li et al., 2010).


The quantitative and cartographic approach facilitates rapid conveying the results to policy makers. In addition, successive iterations to check the impact related to different alternative planning scenarios can be quickly performed. (Marull et al., 2007). The fi rst step is to calculate the average duration of the trip with a vehicle of Functional Urban Centers (centers county capital) to each node of the network traffi c and based on these travel times are built isochronous. For the purposes of this study were constructed isochronous 30 minutes. GIS spatial database requires three basic layers: a layer of build able localities (to calculate the location of their centroids), a layer of detailed road network with legal speed limits to calculate travel times and a layer of administrative territorial limits of Romania. In order to evaluate the statistical analysis and functional urban areas, such isochronous approximates the second step to the boundaries of territorial administrative units. Izochronous reach a certain percentage of administrative-territorial units and areas where overlap to some extent, these administrative units are considered as part of potential urban strategic horizon (PUSH) (Kloosterman, 2001). For analysis study, it considered variant when izochronous built cover at least 50% of the administrative-territorial unit - there is overlap more than half of the LAU 2 (Fig.1). In stage III, for each county capital of North-East Region and administrative territorial units from stage II, has developed a spatial database containing evolving territorial indicators.

Potential functional urban areas in the Northeast RegionFig. 1


3. Results

3.1. Functional urban areas of the county capital from North-East according the ESPON methodology for delimitation Potential Urban Strategic Horizons (PUSH)

In the North-East region included some metropolitan structures (in various stages of organization), representing the association of a municipality with neighboring territorial administrative units, some established as IDAs (ADI), considering the infl uence that the urban center has on them. (North-East Regional Development Plan 2014-2020, 2013). According to this methodology, we identifi ed the following functional urban areas for the county capitals of North-Est region:

Bacău municipality Administrative-territorial units components: Bacău, Ardeoani, Bereşti-Bistriţa, Bereşti-Tazlău, Berzunţi, Blăgeşti, Buhoci, Buhuşi, Cleja, Coloneşti, Damieneşti, Faraoani, Filipeni, Filipeşti, Garleni, Gioseni, Helegiu, Hemeiuş, Horgeşti, Iteşti, Izvoru-Berheciului, Letea Veche, Livezi, Luizi-Călugăra, Magireşti, Măgura, Mărgineni, Negri, Nicolae Bălcescu, Odobeşti, Onceşti, Palanca, Panceşti, Parava, Parincea, Pârjol, Plopana, Poduri, Prăjeşti, Răcăciuni, Racova, Roşiori, Sănduleni, Sărata, Sauceşti, Scorţeni, Secuieni, Solont, Strugari, Tămaşi, Traian, Ungureni. Administrative-territorial units already established for Bacău Metropolitan Area: Bacău, Bereşti-Bistriţa, Buhoci, Faraoani, Filipeşti, Gioseni, Iteşti, Izvoru Berheciului, Letea Veche, Luizi-Călugăra, Măgura, Mărgineni, Nicolae Bălcescu, Odobeşti, Prăjeşti, Sărata, Săuceşti, Secuieni, Tamaşi şi Traian. Notes: Bacău metropolitan area is included in the estimated functional urban area Bacău.

Botoșani municipality Administrative-territorial units components: Administrative-territorial units components: Botoşani, Băluşeni, Blandeşti, Braeşti, Broscăuţi, Bucecea, Copalau, Cordăreni, Corlăţeni, Corni, Cosula, Cristeşti, Curteşti, Dangeni, Dimacheni, Frumuşica, Gorbăneşti, Leorda, Mihai Eminescu, Nicşeni, Rachiti, Roma, Săveni, Stăuceni, Ştiubeni, Suliţa, Truseşti, Tudora, Ungureni, Unteni, Văculeşti, Varfu Câmpului, Vlădeni, Vlăsineşti, Vorniceni, Vorona. The metropolitan area consists of Botoșani municipality, Mihai Eminescu, Stăuceni, Răchiţi, Curteşti şi Roma, to be extended UAT-urile Bucecea, Vlădeni, Corni şi Vorona.


Notes: Botoşani metropolitan area is fairly new established, administrative units component being part of the estimated functional urban area Botoşani.

Iaşi municipality Administrative-territorial units components: Iaşi, Aroneanu, Barnova, Ciurea, Comarna, Costuleni, Dobrovăţ, Dolheşti, Dumeşti, Erbiceni, Golăieşti, Grajduri, Holboca, Horleşti, Ipatele, Leţcani, Mădârjac, Mironeasa, Miroslava, Mogoşeşti, Movileni, Podu Iloaiei, Popeşti, Popricani, Prisăcani, Probota, Rediu, Romaneşti, Scânteia, Scheia, Schitu Duca, Tibana, Ţigănaşi, Tomeşti, Tutora, Ungheni, Valea Lupului, Victoria, Voineşti. Territorial administrative units constituting Iaşi Metropolitan Area are: Zona Metropolitană Iaşi are: municipiul Iaşi, Aroneanu, Bârnova, Ciurea, Holboca, Leţcani, Miroslava, Popricani, Rediu, Schitu Duca, Tomeşti, Ungheni, Valea Lupului şi Victoria. Notes: Iaşi metropolitan area has a balanced spatial distribution territory, based urban center and its area of infl uence, covering functional, a large territory. Iaşi metropolitan area is included in the estimated functional urban area Iaşi.

Piatra Neamt municipality Administrative-territorial units components: Piatra Neamţ, Agapia, Alexandru cel Bun (Viişoara), Bahna, Baltateşti, Bărgăuani, Bicaz, Bodeşti, Borleşti, Candeşti, Costişa, Crăcăoani, Dobreni, Dochia, Dragomireşti, Dumbrava Roşie, Făurei, Garcina, Ghindăoani, Girov, Grumăzeşti, Hangu, Icuseşti, Mărgineni, Negreşti, Pangarati, Pastraveni, Petricani, Piatra Şoimului, Podoleni, Războieni, Rediu, Romani, Roznov, Ruginoasa, Săvineşti, Ştefan cel Mare, Tarcău, Tasca, Tazlău, Tibucani, Tupilaţi, Valea Ursului, Văleni, Zăneşti. The metropolitan area consists of Piatra Neamţ municipality, Gârcina, Alexandru cel Bun, Dumbrava Roşie, Girov, Săvineşti, Roznov, Zăneşti şi Piatra Şoimului. Notes: Metropolitan area Piatra Neamţ is newly established (2013) and the administrative-territorial component is part of estimated functional urban area Piatra Neamţ.

Vaslui municipality Administrative-territorial units components: Vaslui, Albeşti, Alexandru Vlahuţă, Bălteni, Bogdana, Bogdăneşti, Bogdăniţa, Boteşti, Buneşti-Avereşti, Codăeşti, Costeşti, Cozmeşti, Creţeşti, Dăneşti, Deleni, Deleşti, Dragomireşti,


Duda-Epureni, Fereşti, Ghergheşti, Hoceni, Huşi, Iana, Ibăneşti, Ivăneşti, Laza, Lipovăţ, Micleşti, Muntenii de Jos, Muntenii de Sus, Negreşti, Olteneşti, Oseşti, Poieneşti, Puieşti, Pungeşti, Puşcaşi, Rebricea, Roşieşti, Soleşti, Ştefan cel Mare, Tăcuta, Tanacu, Tătărani, Văleni, Voineşti, Vultureşti, Zapodeni. Vaslui metropolitan area was formed in 2014, consisting of Vaslui and Muntenii de Sus, with the desire to extend to other 10 communes.

3.2. Economic analysis of the study As mentioned in the methodology was created for each county capital a spatial database containing administrative units belonging to the estimated functional urban areas. Each functional estimated urban area contains indicators related to evolving population (population 2005, 2008, 2013) and evolving number of employees (employees in 2005, 2008, 2013). Evaluation indicators ensure minimal research functional urban areas estimated and ranked on the four types of economic zones mentioned in the methodology. Table 1 presents the evaluation of functional urban areas (FUA) Bacău. Bacau functional urban area has a population insignifi cant decrease in period 2005-2008 and a population slight decrease in period 2009-2013. Instead, Bacău municipalities had a steady population decline during 2005-2013, losing almost 10,000 inhabitants (5% of the population). The number of employees increased signifi cantly in period 2005-2008, followed by a signifi cant decrease in 2008-2013 period. Bacău had the same trend as FUA Bacău, the number of employees in 2013 was lower than the number of employees in 2005. In the current economic situation PUSH Bacău is not still a stable functional area and can be cataloged as a stagnant area. Table 2 presents the evaluation of functional urban areas (FUA) Botoșani. Urban Functional Area Botoşani has a steady decline in population since 2005 and Botoşani municipalities has a relatively slow population decrease during 2005-2013 period. Number of employees, both in Botoşani FUA and Botoşani municipality, has a very slow growth in 2005-2008 period and a slight decrease in 2008-2013 period. We observe a very low ratio between number of employees and the total population, both in Botoşani FUA and Botoşani municipalities. This demonstrates a fairly static areas that require investment to become competitive. According to the methodology Botosani FUA can be categorized as a stagnant zone. Table 3 presents the evaluation of functional urban areas (FUA) Iași. In FUA Iaşi and Iaşi municipalities fi nd an average population growth in 2005-2008 period and a large population increase during 2008-2013 period. The population growth is offset in 2005-2008 period by a rapid increase of the number of employees. But in 2008-2013 period, there was a growing


population in the both areas and an average decrease of employees in FUA Iaşi and a decrease of employees in Iaşi municipalities. Even if the evolution of the population had a positive trend, from the economic point of view FUA Iaşi can be categorized as a stagnant zone. Table 4 presents the evaluation of functional urban areas (FUA) Piatra Neamţ. For FUA Piatra Neamţ and Piatra Neamţ municipalities, we fi nd a slight population decrease during the study period 2005-2013. For the number of employees notice insignifi cant increase in 2005-2008 period and a slight decrease in 2008-2013, both FUA Piatra Neamţ and for Piatra Neamţ municipalities. Also, we note a low ratio between the number of employees and the total population, which constitutes an impediment to the development of the study area. In conclusion, FUA Piatra Neamţ can be seen as a stagnant area. Table 5 presents the evaluation of functional urban areas (FUA) Suceava. The situation in FUA Suceava is similar in Suceava municipalities. There is a slight population increase in FUA Suceava and a relatively stable population in Suceava municipalities. The number of employees increased slightly to FUA Suceava and Suceava municipalities 2005-2008 period, followed by a decrease of number of employees in 2013 lower than 2005, both FUA Suceava and for Suceava municipalities. We ascertain a economic fragility of the FUA Suceava and a low ratio between the number of employees and total population. FUA Suceava can be seen as a stagnant area. Table 6 presents the evaluation of functional urban areas (FUA) Vaslui. FUA Vaslui has a steady decline in population, while Vaslui municipalities has a slight population decrease in 2005-2008 period, after which a slight increase in 2008-2013 period. The number of employees had a slight increase in the FUA Vaslui and Vaslui municipalities in 2005-2008 period, followed by a moderate decline in 2008-2013 period. But the big problem for achieving a functional urban areas Vaslui is the very low ratio between number of employees and the total population. For this reason FUA Vaslui can be considered as an area of economic decline.

4. Conclusions

Cities are the engines of regional economy and can be considered catalyzing agent for creativity and innovation today. Metropolisation big cities is a process of attracting new specifi c activities, jobs and people, relying predominantly on competitiveness. Asserting smart metropolitan areas in Europe requires a new strategy to maximize integrated development of big romanian cities. Metropolitan area change over space and time, refl ecting the evolution of


economy and society (Boix, 2012). In this regard, it is imperative to achieve a diagnosis that redefi ne real functional urban areas of the county municipalities and highlighting socio-economic typology, functional specializations and intelligent functional specializations of functional urban areas. The territory of these functional areas must be scientifi cally defi ned as a critical mass so that development strategies to make sense and be effective. Due to lack of generally accepted standards for the identifi cation of functional urban areas, this study seeks to contribute to solving one of the main problems that arises when adopting metropolitan areas as units of analysis and policy in European countries.

REFERENCES

1. Andersen, H. T., & Van Kempen, R. (2003), New trends in urban policies in Europe: evidence from the Netherlands and Denmark. Cities, 20(2), 77-86.

2. Antrop, M. (2004), Landscape change and the urbanization process in Europe. Landscape and urban planning, 67(1), 9-26.

3. Appert M. (2004), Métropolisation, mobilités quotidiennes urbaine et forms: le cas de Londres. Géocarrefour, 79 (2 ), 109-118.)

4. Boix, R., Veneri, P. And Almenar, V. (2012), Polycentric metropolitan areas in Europe: towards a unifi ed proposal of delimitation. In Defi ning the Spatial Scale in Modern Regional Analysis (pp. 45-70), Springer Berlin Heidelberg.

5. Brezzi M. and Piacentini, M. (2012), D. S. S. Defi ning and Measuring Metropolitan Areas, OECD, Paris

6. Brunet R. (1989), Les villes européennes. Rapport pour la DATAR, Délégation à l‘Aménagement du Territoire et à l‘Action Régionale – Paris.

7. Camagni R. (2002), ‘On the Concept of Territorial Competitiveness: Sound or Misleading?’, Urban Studies, 39(13): 2395-2411.

8. Cheshire P.C.; Hay, D.G., (1989), Urban problems in Western Europe. An economic analysis. – London 1989.

9. Committee on spatial development (CSD) (1999), European Spatial Development Perspective: Towards Balanced and Sustainable Development of the Territory of the EU. Offi ce for Offi cial Publications of the European Communities, Luxembourg.

10. Deraëve S. (2014), “Pôles métropolitains: the French approach towards inter-city networking.” Regional Studies, Regional Science 1.1 (2014): 43-50.

11. Davoudi S. (2003), Polycentricity in European spatial planning: from an analytical tool to a normative agenda, European Planning Studies, 11(8):979-999.

12. ESPON POLYCE (2012), POLYCE - Metropolisation and Polycentric Development in Central Europe.

13. European Commission (2011), Territorial Agenda of the European Union 2020 (TA2020): Towards an Inclusive, Smart and Sustainable Europe of Diverse Regions.

14. European Commission (2013), ESPON - Territorial Dimensions of the Europe 2020 Strategy, ISBN: 978-2-919777-36-5

15. Evers, G. H. M., Van der Veen, A. (1985), A Simultaneous Non-Linear Model for Labour Migration and Commuting, Regional Studies, 19(3): 217–229


16. Federal Institute for Research on Building Urban Affairs and Spatial Development (2011), Metropolitan Areas in Europe, Bonn, BBSR-Online-Publikation 1, ISSN 1868-0097.

17. Feiock, R. C. (2009), Metropolitan governance and institutional collective action. Urban Affairs Review, 44(3), 356-377.

18. Giffi nger R., Gudrun H. (2010), Smart cities ranking: an effective instrument for the positioning of the cities?. “ACE: Architecture, City and Environment”, 25 Febrer 2010, vol. 4, núm. 12, p. 7-26. 1886-4805.

19. Gordon, P., Kumar, A., & Richardson, H. W. (1989), The infl uence of metropolitan spatial structure on commuting time. Journal of urban economics, 26(2), 138-151.

20. Kloosterman R.C., Musterd S. (2001), The Polycentric Urban Region: Towards a Research Agenda, Urban Studies, 38:623-633.

21. Krätke S. (2007), “Metropolisation of the European economic territory as a consequence of increasing specialisation of urban agglomerations in the knowledge economy.” European Planning Studies 15.1 (2007): 1-27.

22. Hague C. and Kirk K. (2003), Polycentricity Scoping Study. Offi ce of the Deputy Prime Minister (ODPM), London.

23. National Institut of Statistics (2014), TEMPO-Online time series. 24. Li X., Zhang L., & Liang C. (2010), A GIS-based buffer gradient analysis on

spatiotemporal dynamics of urban expansion in Shanghai and its major satellite cities. Procedia Environmental Sciences, 2, 1139-1156.

25. Marull J., Pino J., Mallarach J. M., & Cordobilla M. J. (2007), A land suitability index for strategic environmental assessment in metropolitan areas. Landscape and urban planning, 81(3), 200-212.

26. Mills G. (2007), Cities as agents of global change. International Journal of Climatology, 27, 1849−1857.

27. Meijers E.J., K. Sandberg (2008), Reducing regional disparities by means of polycentric development: panacea or placebo? Scienze Regionali; Italian journal of regional science, 7(2), pp. 71-96.

28. Ostrom, E. (2010), Polycentric systems for coping with collective action and global environmental change. Global Environmental Change, 20(4), 550-557.

29. North-East Regional Development Agency (2013), North-East Regional Development Plan 2014-2020, http://www.nord-vest.ro/Document_Files/Planul-de-dezvoltare-regionala-2014-2020/00001614/hfvs3_PDR%202014-2020%20Transilvania%20Nord%20vers_febr_2014.pdf

30. Nordregio (2004), ESPON 1.1.1, (2005), Potentials for polycentric development in Europe (www.espon.eu/mmp/ online/website/content/projects/259/648/fi le_1174/fr-1 .1.1_revisedfull.pdf).

31. Riguelle F., Thomas I., Verhetsel A. (2007), Measuring Urban Polycentrism: a European Case Study and its Implications. Journal of Economic Geography 7, pp. 193-215, 2007

32. Romanian Government (2008), Government Decision no. 998/2008 for the designation of national growth poles in Romania.

33. Tresserra J. M., Cladera J.R. (2012), “Anàlisi retrospectiu del sistema metropolità de Barcelona i la seva infl uència en l’estructura urbana.” ACE: architecture, city and environment 18 (2012): 101-138

Annexes


Evaluation of functional urban areas (FUA) BacăuTable 1

County UAT Name Employees 2005

Employees2008

Employees2013

Population2005

Population2008

Population2013

Bacau BACAU Municipalities 57773 63673 53342 181126 178135 172697

Bacau BUHUŞI City 2796 2904 2491 20176 19853 19109Bacau ARDEOANI 204 458 178 2537 2505 2371Bacau BERESTI-BISTRITA 211 261 114 3446 2084 2178Bacau BERESTI-TAZLAU 355 319 236 5779 5794 5691Bacau BERZUNTI 105 178 127 5423 5390 5316Bacau BLAGESTI 160 165 547 7278 7336 7447Bacau BUHOCI 187 167 191 4964 4999 4943Bacau CLEJA 447 353 214 7050 7079 6978Bacau COLONESTI 67 72 55 2196 2249 2157Bacau DAMIENESTI 76 72 65 1938 1912 1831Bacau FARAOANI 231 273 192 5607 5555 5313Bacau FILIPENI 65 83 82 2359 2344 2225Bacau FILIPESTI 270 305 263 4645 4737 4768Bacau GIOSENI 75 86 94 6641 6779 6957Bacau GIRLENI 357 433 388 0 3643 3926Bacau HELEGIU 199 208 235 7367 7212 6921Bacau HEMEIUS 444 720 939 4114 4459 5230Bacau HORGESTI 104 154 127 4866 4864 5016Bacau ITESTI 44 79 91 0 1527 1684Bacau IZVORU BERHECIULUI 43 56 60 1710 1734 1714Bacau LETEA VECHE 331 503 561 5201 5751 7003Bacau LIVEZI 183 162 168 5321 5383 5333Bacau LUIZI-CALUGARA 159 179 158 5397 5318 5195Bacau MAGIRESTI 150 139 89 4566 4518 4444Bacau MAGURA 388 379 301 4298 4532 5134Bacau MARGINENI 692 773 601 8820 9224 10017Bacau NEGRI 91 200 193 2961 2930 2794Bacau NICOLAE BALCESCU 1124 1136 780 9262 9468 9546Bacau ODOBESTI 65 102 85 0 2432 2620Bacau ONCESTI 77 51 52 1841 1767 1667Bacau PALANCA 126 152 106 3660 3570 3386Bacau PARAVA 134 124 136 4396 4373 4361Bacau PARINCEA 157 188 203 3436 3462 3493Bacau PARJOL 170 188 196 3906 3888 3756Bacau PINCESTI 108 117 144 6871 6782 6561Bacau PLOPANA 93 96 110 3437 3434 3337Bacau PODURI 168 234 243 8121 8139 8189Bacau PRAJESTI 96 86 48 0 2639 2629Bacau RACACIUNI 389 654 499 8114 8303 8374Bacau RACOVA 272 370 172 3375 3479 3515Bacau ROSIORI 67 61 60 2256 2296 2280Bacau SANDULENI 115 126 118 4492 4503 4462Bacau SARATA 64 116 374 2181 2326 2600Bacau SAUCESTI 208 453 308 4528 4850 5590Bacau SCORTENI 107 114 96 3150 3144 3030Bacau SECUIENI 93 80 72 4530 2141 2130Bacau SOLONT 115 139 122 3921 3844 3625Bacau STRUGARI 63 61 59 2624 2591 2574Bacau TAMASI 159 163 255 6643 3256 3241Bacau TRAIAN 311 186 203 5548 2967 2917Bacau UNGURENI 104 174 98 3748 3916 3919

TOTAL 70.592 78.525 66.641 415.826 415.416 412.194


Evaluation of functional urban areas (FUA) BotoșaniTable 2

County UAT Name Employees2005

Employees2008

Employees2013

Population2005

Population 2008

Population 2013

Botosani BOTOŞANIMunicipalities 33724 35639 31523 117563 116669 113766

Botosani BUCECEA City 417 405 321 5270 5197 5173Botosani SĂVENI City 961 1048 798 8322 8165 7763Botosani BALUSENI 109 106 112 5091 5009 4911Botosani BLANDESTI 44 57 41 2371 2375 2208Botosani BRAESTI 48 70 60 2168 2133 2048Botosani BROSCAUTI 61 80 85 3508 3447 3354Botosani COPALAU 115 143 90 4250 4232 4083Botosani CORDARENI 71 62 39 2145 2064 1880Botosani CORLATENI 54 68 65 2526 2460 2396Botosani CORNI 158 162 182 6689 6716 6734Botosani COSULA 55 77 62 3049 3005 2993Botosani CRISTESTI 121 151 109 4869 4857 4909Botosani CURTESTI 106 166 326 4518 4651 4849Botosani DIMACHENI 27 42 29 3152 3086 3023Botosani DANGENI 104 115 87 1506 1445 1365Botosani FRUMUSICA 166 214 182 6184 6137 5984Botosani GORBANESTI 100 121 92 3613 3518 3348Botosani LEORDA 158 176 109 2793 2682 2661Botosani MIHAI

EMINESCU 513 1517 809 6610 6865 7435Botosani NICSENI 60 70 42 2858 2821 2680Botosani RACHITI 565 681 655 4668 4752 4925Botosani ROMA 152 147 185 3337 3370 3415Botosani STAUCENI 139 175 170 3408 3449 3504Botosani STIUBIENI 71 84 55 2927 2895 2745Botosani SULITA 165 179 173 3228 3165 3021Botosani TRUSESTI 432 466 395 5816 5769 5599Botosani TUDORA 147 150 118 5327 5276 5115Botosani UNGURENI 221 192 192 7248 7092 6865Botosani UNTENI 67 77 54 3019 2931 2797Botosani VACULESTI 65 67 58 2301 2243 2249Botosani VARFU

CAMPULUI 312 253 128 4018 3867 3724Botosani VLADENI 130 149 113 5044 5024 4981Botosani VLASINESTI 189 269 252 3407 3328 3105Botosani VORNICENI 140 141 77 4601 4454 4306Botosani VORONA 355 436 383 8183 8088 7850TOTAL 40.322 43.955 38.171 265.587 263.237 257.764


Evaluation of functional urban areas (FUA) IașiTable 3

County UAT NameEmployees

2005Employees

2008Employees

2013Population

2005Population

2008Population

2013

Iasi IAŞIMunicipalities 114290 128598 108397 307783 306561 321606

Iasi PODU ILOAIEI City 1112 889 531 9902 10264 10704

Iasi ARONEANU 101 103 86 2870 3044 3578Iasi BARNOVA 370 475 376 4098 4540 5893Iasi CIUREA 553 368 499 10248 10954 13075Iasi COMARNA 109 129 84 4586 4706 4757Iasi COSTULENI 139 128 103 4894 4885 4637Iasi DOBROVAT 111 88 105 2522 2496 2413Iasi DOLHESTI 163 178 102 2957 2950 2800Iasi DUMESTI 119 120 105 4691 4741 4811Iasi ERBICENI 158 165 133 5718 5789 5796Iasi GOLAIESTI 88 95 118 3931 4023 4139Iasi GRAJDURI 268 392 256 3089 3190 3297Iasi HOLBOCA 1148 993 506 12204 12701 13882Iasi HORLESTI 110 125 118 2995 2870 2901Iasi IPATELE 66 91 60 2093 2064 1953Iasi LETCANI 421 580 521 6576 6866 7318Iasi MADIRJAC 84 72 67 1586 1530 1558Iasi MIRONEASA 148 158 123 4700 4763 4856Iasi MIROSLAVA 1438 1401 2720 8191 9561 13134Iasi MOGOSESTI 178 162 144 5182 5342 5390Iasi MOVILENI 226 162 86 3200 3205 3128Iasi POPESTI 130 135 94 4196 4266 4319Iasi POPRICANI 243 350 243 7113 7677 8310Iasi PRISACANI 144 115 100 3579 3498 3381Iasi PROBOTA 131 107 80 3704 3683 3656Iasi REDIU 346 694 127 3710 3955 5573Iasi ROMANESTI 68 87 70 1883 1837 1739Iasi SCHEIA 131 129 130 4465 4553 4788Iasi SCHITU DUCA 162 188 168 3334 3386 3421Iasi SCANTEIA 200 195 174 4483 4507 4485Iasi TIBANA 174 207 178 7451 7715 7972Iasi TIGANASI 427 435 443 4354 4472 4660Iasi TOMESTI 456 485 224 12096 12397 13007Iasi TUTORA 82 89 68 2001 2053 2030Iasi UNGHENI 105 163 137 4126 4285 4451

Iasi VALEA LUPULUI 300 775 439 3408 4028 5370

Iasi VICTORIA 257 265 203 4383 4427 4426Iasi VOINESTI 201 172 180 6633 6988 7533

TOTAL 124.957 140.063 118.298 494.935 500.772 530.747


Evaluation of functional urban areas (FUA) Piatra NeamţTable 4

County UAT NameEmployees

2005Employees

2008Employees

2013Population

2005Population

2008Population

2013

Neamt PIATRA NEAMT municipalities 35756 35868 31168 110288 108229 104595

Neamt BICAZ City 1499 1958 1242 8768 8650 8175Neamt ROZNOV City 898 940 690 9230 9381 9870Neamt AGAPIA 227 258 220 4607 4707 4515Neamt ALEXANDRU

CEL BUN 990 1076 1007 5278 5467 5898Neamt BAHNA 111 132 177 3683 3632 3516Neamt BALTATESTI 383 366 398 4475 4362 4212Neamt BARGAUANI 4162 4093 3902Neamt BODESTI 246 376 247 5188 5160 5047Neamt BORLESTI 425 242 255 9561 9531 9484Neamt CANDESTI 88 140 130 4319 4266 4085Neamt COSTISA 154 175 167 3701 3688 3615Neamt CRACAOANI 201 208 255 4598 4594 4552Neamt DOBRENI 149 89 140 3641 1726 1734Neamt DOCHIA 53 91 76 2518 2671 2843Neamt DRAGOMIRESTI 79 122 85 2479 2477 2354Neamt DUMBRAVA

ROSIE 1883 2076 1864 7331 7782 8153Neamt FAUREI 69 63 70 2276 2199 2196Neamt GHINDAOANI 40 34 39 4587 4740 4861Neamt GARCINA 334 323 262 2225 2220 2069Neamt GIROV 625 947 399 5071 5190 5315Neamt GRUMAZESTI 268 349 316 5529 5494 5390Neamt HANGU 273 209 304 4170 4045 3788Neamt ICUSESTI 114 106 106 4694 4636 4597Neamt MARGINENI 123 126 134 4162 4113 3941Neamt NEGRESTI 24 81 92 0 1991 1965Neamt PASTRAVENI 143 152 318 5368 5413 5378Neamt PETRICANI 445 406 445 4005 3981 3958Neamt PIATRA

SOIMULUI 228 294 302 5792 5915 6054Neamt PANGARATI 753 840 641 8550 8397 8231Neamt PODOLENI 408 314 230 5798 5708 5576Neamt RAZBOIENI 77 96 162 2293 2273 2269Neamt REDIU 152 186 188 5338 5266 5173Neamt ROMANI 121 117 93 4603 4479 4430Neamt RUGINOASA 92 63 110 2009 2080 2058Neamt SAVINESTI 2470 2508 2835 6575 6644 6621Neamt STEFAN CEL

MARE 134 216 247 3283 3303 3290Neamt TARCAU 877 794 607 3503 3526 3513Neamt TASCA 716 621 253 2757 2707 2623Neamt TAZLAU 250 248 189 3035 2979 2906Neamt TIBUCANI 121 130 132 4601 4475 4317Neamt TUPILATI 140 161 125 2364 2315 2252Neamt VALEA URSULUI 99 107 83 4103 4174 4380Neamt VALENI 33 44 52 1714 1754 1732Neamt ZANESTI 294 295 368 6212 6202 6157

TOTAL 52565 53947 47223 308.444 306.635 301.590


Evaluation of functional urban areas (FUA) SuceavaTable 5


Employees2008

Employees2013

Population2005

Population 2008

Population 2013

Suceava SUCEAVA municipalities 44723 49638 43440 106831 107010 105091

Suceava FALTICENI municipalities 6452 5653 4357 30551 30061 29247

Suceava CAJVANA City 255 312 259 8198 8415 8889Suceava LITENI City 289 383 315 10080 10196 10307Suceava MILISAUTI City 175 296 230 5398 5377 5391Suceava SALCEA City 344 421 375 9425 9790 10234Suceava ADANCATA 158 254 165 4230 4218 4167Suceava ARBORE 176 232 196 7069 7226 7478Suceava BAIA 197 276 252 7010 7150 7357Suceava BALACEANA 63 62 51 1665 1666 1629Suceava BERCHISESTI 35 79 89 0 2861 2908Suceava BOSANCI 286 290 246 7023 7047 7324Suceava BOTOSANA 147 167 125 2501 2440 2304Suceava BUNESTI 100 113 79 2721 2746 2722Suceava CACICA 439 450 360 4407 4322 4252Suceava CALAFINDESTI 113 187 135 2843 2814 2838Suceava CAPU CAMPULUI 85 80 73 2417 2438 2500Suceava CIPRIAN

PORUMBESCU 95 92 82 2182 2198 2092Suceava COMANESTI 77 113 75 2284 2252 2257Suceava CORNU LUNCII 496 614 530 7230 7232 7629Suceava DARMANESTI 187 248 218 5964 5979 5860Suceava DRAGOIESTI 138 109 81 5400 2542 2506Suceava DUMBRAVENI 312 271 258 8641 8960 9200Suceava FANTANA MARE 80 80 97 2649 2676 2813Suceava FANTANELE 118 135 116 4905 4915 4829Suceava GRANICESTI 131 173 129 5022 5019 5094Suceava HANTESTI 108 107 89 3848 3988 4044Suceava HARTOP 81 85 59 2475 2624 2851Suceava HORODNICENI 127 189 171 3711 3618 3504Suceava IASLOVAT 94 117 124 3542 3676 4025Suceava ILISESTI 121 155 108 2749 2718 2800Suceava IPOTESTI 258 321 289 5066 5436 6330Suceava MITOCU

DRAGOMIRNEI 151 227 193 4303 4546 4895Suceava MOARA 181 241 213 4466 4656 5114Suceava PALTINOASA 264 165 169 5872 5798 5873Suceava PATRAUTI 122 117 142 2997 2959 2774Suceava PARTESTII DE JOS 206 197 180 4639 4824 5201Suceava POIENI-SOLCA 0 58 60 0 2048 2101Suceava PREUTESTI 135 152 139 6810 6715 6656Suceava RADASENI 89 103 95 4407 4429 4268Suceava SATU MARE 96 105 91 4323 4350 4469Suceava SCHEIA 904 1393 1200 8101 8722 10344Suceava SERBAUTI 77 94 98 3266 3271 3213Suceava SIMINICEA 88 99 82 3112 3039 3030Suceava STROIESTI 87 106 91 3503 3436 3371Suceava TODIRESTI 303 294 241 5934 5908 5821Suceava UDESTI 165 182 140 7556 7668 7779Suceava VADU MOLDOVEI 176 162 198 3673 3792 4012Suceava VERESTI 251 459 400 7294 7257 7283Suceava VOLOVAT 84 104 106 4998 5133 5403Suceava VULTURESTI 104 119 110 3765 3716 3564Suceava ZAMOSTEA 108 96 89 3221 3161 3059Suceava ZVORISTEA 148 183 168 6190 6133 6167TOTAL 60.199 66.358 57.378 376.467 381.171 384.869


Evaluation of functional urban areas (FUA) VasluiTable 6


Employees2008

Employees2013

Population2005

Population 2008

Population 2013

Vaslui VASLUI Municipalities 22996 24283 19267 72352 70841 72262

Vaslui HUSI Municipalities 6418 6449 5448 30023 29656 28886

Vaslui NEGRESTI City 2334 2018 1163 10289 10185 10000Vaslui ALBESTI 125 135 141 3311 3312 3186Vaslui ALEXANDRU

VLAHUTA 63 95 94 1570 1492 1313Vaslui BALTENI 100 75 140 1572 1593 1525Vaslui BOGDANA 42 82 80 1827 1838 1714Vaslui BOGDANESTI 64 88 121 3547 3464 3378Vaslui BOGDANITA 43 70 72 1583 1561 1527Vaslui BOTESTI 57 84 79 2244 2188 2079Vaslui BUNESTI-

AVERESTI 132 125 110 2948 2841 2602Vaslui CODAESTI 163 157 155 4886 4792 4597Vaslui COSTESTI 133 142 157 3287 3202 3126Vaslui COZMESTI 55 75 81 2489 2490 2471Vaslui CRETESTI 65 86 97 1824 1812 1838Vaslui DANESTI 55 75 100 2375 2304 2144Vaslui DELENI 77 95 91 2549 2514 2427Vaslui DELESTI 81 95 89 2617 2569 2319Vaslui DRAGOMIRESTI 127 146 168 4975 5044 5032Vaslui DUDA-EPURENI 88 112 121 5002 4886 4637Vaslui FERESTI 52 75 81 2174 2196 2183Vaslui GHERGHESTI 66 103 111 2838 2827 2775Vaslui HOCENI 69 99 110 3163 3057 2870Vaslui IANA 85 145 120 4154 4227 4148Vaslui IBANESTI 37 56 76 1471 1573 1539Vaslui IVANESTI 157 143 160 4991 4838 4572Vaslui LAZA 126 126 148 3293 3315 3109Vaslui LIPOVAT 119 157 176 4345 4360 4373Vaslui MICLESTI 75 96 101 2928 2937 2755Vaslui MUNTENII DE JOS 96 219 222 3812 3931 4132Vaslui MUNTENII DE SUS 98 112 113 3857 3940 4225Vaslui OLTENESTI 86 133 153 2988 2914 2767Vaslui OSESTI 72 99 109 3229 3288 3249Vaslui POIENESTI 65 97 103 3206 3201 3169Vaslui PUIESTI 155 172 177 4909 4907 4813Vaslui PUNGESTI 116 123 117 3522 3450 3365Vaslui PUSCASI 60 87 103 3524 3631 3865Vaslui REBRICEA 84 121 121 3719 3811 3768Vaslui ROSIESTI 122 97 194 3654 3621 3369Vaslui SOLESTI 82 99 115 3957 3938 3810Vaslui STEFAN CEL

MARE 91 107 125 3366 3469 3468Vaslui TACUTA 87 109 118 3445 3404 3317Vaslui TANACU 79 75 94 2375 2313 2006Vaslui TATARANI 66 83 94 2579 2460 2296Vaslui VALENI 169 349 118 4757 4721 4717Vaslui VOINESTI 83 109 120 3959 3970 3943Vaslui VULTURESTI 77 130 117 2396 2435 2329Vaslui ZAPODENI 105 114 202 4130 4109 4003

TOTAL 35.797 37.922 31.372 258.011 255.427 251.998


Model teoretic de analiză privind consumul din PIB

Prof. univ. dr. Constantin ANGHELACHE Drd. Marius POPOVICI Academia de Studii Economice

Abstract Analiza şi predicţia din consumul fi nal reprezintă aspecte importante din punct de vedere macroeconomic. Rezultatele acestor abordări vor ajuta structurarea politicilor macroeconomice realiste. Cu scopul de a produce modele solide de consumul fi nal, funcția de regresie liniară simplă, precum și funcția de regresie multiplă au fost utilizate, cu concluzia că funcția de regresie multiplă are nici un risc și productivitatea sa este destul de ridicată. Indicatorii utilizaţi au o infl uență semnifi cativă pe dezvoltarea produsului intern brut cu efectul unei corelații între acestea și PIB. Prin stimularea oricărui dintre e PIB-ul va crește. Ca o concluzie, funcția de regresie multiplă reprezintă un instrument teoretic și metodologic valoros. Cuvinte cheie: indicator, macroeconomie, consum, PIB, cheltuieli, econometrie, funcţia de regresie.

Introducere Analiza și prognoza consumului fi nal în context macroeconomic reprezintă un domeniu de cercetare fundamental cu impact direct asupra structurării strategiilor socio-economice. Ca proces macro-economic, consumul este strâns legat de cererea agregată și de creșterea economică, ceea ce îl plasează în centrul oricărui efort de analiză macroeconomică. Considerăm că analiza consumului în contextul problematicii PIB poate aduce clarifi cări în legătură cu aspecte importante ale efi cienței măsurilor economice și nevoilor sociale.

Principalele aspecte privind măsurarea rezultatelor la nivel macroeconomic

Sistemul Conturilor Naționale reprezintă o valoroasă sursă de date privind macroeconomia românească. Sistemul centralizează și gestionează o bază de date impresionantă și are ca scop reprezentarea cantitativă agregată, simplifi cată, completă și coerentă a activității macroeconomice realizată în decursul unui an calendaristic.


Consumul din PIB necesită un tratament conceptual aparte, motiv pentru care indicatorii considerați în formă brută sau netă, precum produsul intern brut, produsul național, venitul național, venit disponibil sau venit personal al populației reprezintă sursa sintezei terminologice, conceptuale, metodologice și de modelare la nivel macroeconomic. Este necesar să precizăm faptul că noțiunea de brut asociată unui indicator are în vedere includerea consumului de capital fi x, așadar, amortizarea, în calculul producției fi nale, iar caracteristica ”net” a indicatorului se utilizează atunci când se elimină consumul de capital fi x din calcului producției fi nale. Implicarea produsului sau venitului creat de agenții economici în conceptul național condiționează calcularea indicatorilor corespunzători nivelului ”intern”, așadar, ”național”.

Metode și modele de analiză a consumului Evidențierea consumului populației în contextul analitic propus de noi presupune analiza evoluției cheltuielilor totale de consum ale gospodăriilor din țara noastră, în perioada 2010-2014. Produsul intern brut măsoară valoarea brută de piață a producției de bunuri și servicii fi nale produse în cursul perioadei de calcul de subiectele economice care își desfășoară activitatea economică în interior. La nivel macroeconomic, PIB rezultă ca diferență între produsul global brut şi consumul intermediar, acesta din urmă fi ind valoarea intrărilor în producţie care se regăsesc în valoarea produselor fi nale de piață. Mărimea PIB, precum și a celorlalți indicatori macroeconomici de rezultate se poate calcula prin trei metode diferite care conduc în fi nal la acelaşi rezultat. Pentru exemplifi care, vom folosi una dintre aceste metode: metoda de producţie, care presupune cumularea VABi a subiectelor economice interne şi în fi nal agregarea acesteia pe sectoare şi în întreaga economie. Valoarea adăugată brută este soldul contului de producţie şi reprezintă valoarea nou creată în procesul de producţie. VABi este rezultatul net al producţiei, corespunzător unei ramuri din economia națională. VABi exprimă diferența dintre PGi şi consumul intermediar Ci1. Prin însumarea valorii adăugate brute create în ramurile economiei se obține valoarea adăugată brută pe total economie.

PIBpp se realizează utilizând relaţia: PIBpp=

i= 1

n

VABi pf+ Ip+TV – SP

Dinamica cererii de consum a populației nu se poate realiza decât pe baza datelor furnizate de către Ancheta Bugetelor de Familie. Se realizează astfel o analiză a cererii solvabile în cazul principalelor categorii de gospodării, a structurii cheltuielilor de consum ale acestora în funcție de natura și dimensiunea veniturilor și a principalelor tendințe și modifi cări survenite în structura cererii, ceea ce evidențiază tocmai relațiile dintre consum și venituri și modul în care este infl uențat volumul consumului de către venituri și prețuri.


Utilizarea modelelor econometrice în analizele macroeconomice Pentru realizarea analizei și prognozei consumului utilizarea regresiei liniare simple a părut salutară. Astfel, am realizat o primă corelație între Produsul Intern Brut și consumul fi nal prin folosirea datelor cu frecvență anuală pentru perioada 1990-2014. A fost necesară defl atarea celor doi indicatori macroeconomici în vederea asigurării comparabilității datelor. În acest sens am folosit indicele prețurilor de consum și am utilizat un program informatic, EViews 7.2, care are implementată metoda celor mai mici pătrate ca instrument de estimare a parametrilor acestui model, obținând o legatură liniară directă și de intensitate mare între cele două variabile studiate. În același mod am analizat și corelația între Produsul Intern Brut și consumul public. Modelul unifactorial de regresie utilizat pentru a determina infl uența consumului privat asupra consumului fi nal, precum și infl uența consumului public asupra consumului fi nal arată că variația consumului fi nal este explicată de nivelul consumului privat în proporție de 99,26%. Concluzionăm că modifi carea consumului privat constituie un factor decisiv în modifi carea consumului fi nal, după cum, în cazul celei de-a doua analize se constată că modifi carea consumului public infl uențează variația consumului fi nal doar cu 22,13%. Așadar, consumul public nu reprezintă un factor hotărâtor în variația consumului fi nal.

Modelul de regresie multiplă și analiza consumului Funcția de regresie linară multiplă a constituit obiect de studiu și dezvoltări teoretice precum utilizarea criteriului Akaike în analiza prin regresie multiplă. Am utilizat acest model indentifi când posibilitățile practice în analiza consumului din Produsul Intern Brut. Astfel, dacă anterior am arătat că metoda regresiei liniare simple se aplică la cupluri de două variabile, în analiza consumului din Produsul Intern Brut am extins această regresie la mai multe variabile prin metoda regresiei liniare multiple, în care avem o variabilă dependentă și mai multe variabile cauzale. În demersul nostru am pornit de la elementele specifi ce metodei utilizării producției fi nale – metoda cheltuielilor -, considerând că aceasta reprezintă o sursă de informații importante privind principalele corelații care infl uențează evoluția acestui agregat macroeconomic. Modelul de regresie liniară multiplă poate fi folosit și la nivelul economiei românești în ansamblul său atunci când se analizează consumul privat și public din Produsul Intern Brut, în care PIB este defi nit ca variabilă rezultativă iar consumul privat si consumul public sunt variabile cauzale. Pentru a asigura comparabilitatea datelor am defl atat indicatorii macroeconomici pentru perioada 1990-2014 folosind indicele prețurilor de consum. Defl atarea s-a realizat prin programul informativ EViews 7.2. Utilizarea acestei metode permite


corelații multiple cum ar fi : corelația PIB, variabilă rezultativă, și consum fi nal și investiții brute, variabile factoriale; corelația PIB, variabilă rezultativă, și consumul fi nal, investițiile brute și variația stocurilor, variabile factoriale; corelația PIB, variabilă rezultativă și consumul fi nal, investițiile brute, variația stocurilor și exportul net, variabile factoriale; corelația PIB, variabilă rezultativă și consumul privat, public, investițiile brute, variația stocurilor, exportul net și venitul disponibil brut al gospodăriilor populației, variabile factoriale. Folosirea regresiei liniare multiple permite analiza evoluției PIB și a variabilelor incluse în model cu stabilirea aportului acestora la modifi carea generală a PIB. Regresia liniara multifactorială poate fi utilizată și în vederea modelării econometrice a consumului fi nal permițând explicarea consumului privat și public prin consumul fi nal; corelația dintre consumul fi nal, ca variabilă rezultativă și venitul disponibil brut național și investițiile ca variabile factoriale, ceea ce ne permite o analiză a evoluției consumului fi nal și a elementelor prezentate, determinând infl uența fi ecărui indicator asupra consumului fi nal. Utilizarea modeuluil multifactorial de regresie arată că rezultatele aplicării sale sunt mai concludente comparativ cu modelul de regresie unifactorial, care nu permite cercetări asupra dinamicii economiei naționale.

Utilizarea modelelor econometrice în analiza complexă a produsului intern brut

Suprinderea dinamicii și prognozarea consumului fi nal din PIB benefi ciază de o serie de modele econometrice precum modele de echilibru și autoregresive. De exemplu, noțiuni referitoare la teoria simplifi cării și la construirea modelelor congruente s-au dovedit a fi utile în formularea principiilor de modelare a sectorului gospodăriile populației. Modelarea prin combinarea subsistemelor și utilizarea modelului curbei Philips reprezintă alte modalități utile în modelarea fenomenelor macroeconomice. Analiza PIB, a consumului fi nal și a elementelor componente cu ajutorul funcției de regresie liniară simplă și multiplă ne conduce la o serie de concluzii: • Economia mondială evoluează prin creșterea complexității tuturor

proceselor specifi ce impunând noi modele pe măsura evoluției de ansamblu;

• Creșterea complexității analizei macroeconomice este favorizată de apariția unor noi științe precum statistica, statistica economică, modelarea economică sau econometria, precum și a unor aplicații informatice specializate;

• Determinarea valorii principalilor indicatori macroeconomici de rezultate oferă teme de multiple analize care identifi că performanțele unui sistem economic;


• Utilizarea combinată a indicatorilor de rezultate și a modelelor econometrice permite elaborarea unor structuri complexe privind modelele economice locale, regionale, naționale sau internaționale.

Concluzii Între valoarea Produsului Intern Brut și cea a consumului fi nal în țara noastră (1990-2014) există o relație directă și semnifi cativă. Rezultatele pot fi explicate prin tendința de a utiliza consumul privat și public ca principal mijloc de asigurare a creșterii economice. În perioada arătată se vede o intensă promovare a politicii de stimulare a consumului, ceea ce poate constitui o modalitate efi cace de creștere a PIB, fenomen ce trebuie să fi e corelat cu celelalte politici macroeconomice. Evoluția PIB este infl uențată și de formarea brută de capital fi x. Capitalul fi x la nivelul economiei naționale crește ca urmare a unor măsuri de stimulare a investițiilo,r ceea ce va avea ca efect majorarea PIB, așa cum și exporturile nete pot infl uența evoluția de ansamblu a PIB. O valoare negativă a balanței comerciale externe va conduce la o diminuare deloc neglijabilă a principalului agregat macroeconomic ceea ce implică necesitatea stimulării exportului ca modalitate efi cace de creștere a PIB. O altă concluzie se referă la fi delitatea modelului de regresie multiplă, capabil să refl ecte relația dintre o variabilă rezultativă și un grup de variabile explicative. Similar modelului simplu de regresie, analiza cu modelul de regresie multiplă presupune stabilirea unor ipoteze fundamentale și determinarea parametrilor modelului prin metoda celor mai mici pătrate. Am utilizat aceste modele de regresie multiplă cu PIB ca variabilă rezultativă, iar ca regresori, consumul fi nal, privat și public, formarea brută de capital fi x, variația stocurilor si exportul net. Modelul de regresie multiplă are o probabilitate foarte ridicată, iar gradul de risc este teoretic nul, cu concluzia că acest model poate fi utilizat cu succes în analizele macroeconomice. Principalele măsuri care pot fi adoptate pentru creșterea PIB sunt stimularea consumului public și privat, creșterea valorii formării brute de capital fi x prin investiții, inclusiv străine, și echilibrarea balanței comerciale externe prin politici coerente de stimulare a exportului.

Surse bibliografi ce 1. Anghelache, C. (2004) - ”Sistemul European al Conturilor – note de curs”, Ed

ARTIFEX, București 2. Anghelache, C. (2008) – ”Tratat de statistică teoretică și economică”, Editura

Economică, București 3. Anghelache, C., Capanu, I. (2003) - ”Indicatori macroeconomici – calcul și

analiză economică”, Editura Economică, București


4. Anghelache, C., Anghelache, G.V. (2013) – ”Macroeconomic Models Used in the Structural Analysis of the Gross Domestic Product”, Romanian Statistical Review, Volume (Year): 61, Issue (Month): 1 (February), pages: 94 – 102

5. Anghelache, C, Mitruț, C. (coordonatori, Bugudui, E., Deatcu, C. (2009) – ”Econometrie – Teorie – studii teoretice și practice”, Editura ARTIFEX, Bucuresti

6. Anghelache, C., Mitruț, C., Voineagu, V. (2010) – ”Sistemul conturilor naționale. Sinteze și studii de caz”, Editura Economică București

7. Anghelache, C., Anghel, M.G., Sacală, C. (2014) – ”The Gross Domestic Product Evolution”,Romanian Statistical Review Supplement, Volume (Year): 62 (2014), Issue (Month: 12(December), Pages: 12-20

8. Benjamin, C., Herrard, A., Hanese-Bigot, M., Tavesre, C. (2010) – ”Forecasting with an Econometric Model”, Springer

9. Romer, D. (1996) – ”Advanced Macroeconomics”, McGraw-Hill Company, New York

10. Bai, J., Perron, P. (1998) – ”Estimating and Testing Liniar Models with Multiple Structural Changes”, Econometrica, 66, 47-78


ANALYSIS THEORETICAL MODEL OF THE CONSUMPTION FROM THE GROSS

DOMESTIC PRODUCT Prof. Constantin ANGHELACHE PhD. Marius POPOVICI PhD. Student Bucharest University of Economic Studies

Abstract Analysis and prediction of the fi nal consumption represent important aspects of macroeconomic view. Results of these approaches will help structuring realistic macroeconomic policies. With the view to produce solid models of fi nal consumption, simple linear regression function, as well as multiple regression function were used, with the conclusion that the multiple regression function has no risk and its productivity is quite high.The indicators used have a signifi cant infl uence on the development of the gross domestic product with the effect of a practical correlation between them and GDP. By stimulating any of them GDP will grow. As a conclusion, the multiple regression function represents a valuable theoretical and methodological instrument. Key words: indicator, macroeconomy,consumption, GDP, expenses, econometry, regression function.

Introduction The macroeconomic fi nal consumption analysis and forecast represents a fundamental research activity with direct impact on the social-economic strategy structuring. As macroeconomic aspect, consumption is closely related to the aggregated demand and to the economic growth. This places the consumption concept in the center of any macroeconomic analysis. We consider that consumption analysis within the framework of the gross domestic product may help reach some basic clarifi cations regarding important aspects of the effi ciency of economic decisions and social needs.

The Main Aspects Regarding Measuring of the Macroeconomic Results The National Accounts System represents a valuable data source on Romanian macroeconomy. The system centralizes and manages an impressive data base. Its purpose is the simplifi ed, complete and coherent aggregate quantitative representation of the macroeconomic activity accomplished during one calender year. The consumption from gross domestic product needs a particular conceptual treatment. For this reason indicators like GDP, gross and net


national product, national income, available income and personal income of the population, represent the source of an important conceptual, methodological, notional synthesis regarding macroeconomic modelling activity. The „gross” aspect of any economic concept and indicator includes fi x capital consumption and any aspects of return with regard to the fi nal production calculation. the „net” aspect of any indicator is used when the fi x capital consumption is eliminated from the the fi nal production calculation. Introducing product or income created by the economic egants within the national economic concept is conditioning the calculation of the domestic indicators, called „national”.

Methods and Models for Consumption Analysis Highlighting the population consumption within the analitical context proposed by us considers the analysis of the total household expenses evolution between 2010-2014. The gross domestic product measures the gross market value of the goods and services fi nal production during calculation period of time considered by the domestic economic agents. Gross domestic product results as difference between gross domestic product and the medium consumption, the latter being the value of the entries within production and being identifi ed within the value of the fi nal market productss. The size of the gross domestic product and of all other macroeconomic results’ indicators may be calculated using three different methods leading fi nally to the same result. For exemple,we use of of these methods, the production method that considers VABicummulation of the internal economic subjects, and fi nally its aggregation on sectors and globally. The gross value- added represents the sold of the production account and the new created value in the production process. VABi is the net result of the production corresponding to a branch of the national economy. VABi expresses the difference between GP and the medium consumption Ci1. By summing up the gross value-added created within the economyțs branches it is got the gross value-added for the global economy. GDP is realised using the relation

GDPpp= i= 1

n

VABi pf+ Ip+TV – SP

The dynamics of the populationțs consumption demand is realized through the data furnished by the Family Budgets Inquiry. Thus, it is obtained an analysis of a creditworthy demand regarding the main household categories, the structure of their consumption expenses depending on their nature and the size of incomes and of the main tendencies and changes in the structure of demand. These pit into light the relation between consumption and incomes and the way incomes and prices infl uence consumtion.


The Use of Econometric Models in Econometric Analysis In order to analyse and forcast consumption use of linear regression seems to be suitable. We obtained a fi rst correlation between GDP and the fi nal consumption by using the annual data for the time between 1990-2014. To defl ate the two macroeconomic indicators was necessary in order to guarnaty data compatibility. We used the indices of the consumption prices and the EViews 7.2 programme which used the method of the smallest squares as instrument to estimate the parameters of this model, thus obtaining a direct linear connection highly intense between the two variables. In the same way, we analyzed the correlation between the GDP and the public consumption. The model of unifactor regression is used to determine the private consumption infl uence on fi nal consumption, and the public consumption infl uence on fi nal consumption as well. these show that fi nal consumption variation is explained by the private consumption level at 99.26%. We conclude that change in fi nal consumption represents a major aspect for change in the fi nal consumption. As to the second analysis, change in public consumption affects the fi nal consumption with only 22.13% percentage. It follows that, public consumption does not represent a decisisve aspect regarding fi nal consumption variation.

Econometric Models Use in Macroeconomic Analyses In order to get analyses and forcasts of the consumption, using simple linear regression seemed to be the best theoretical choice. WE made a correlation between GDP and the fi nal consumption by using annual data for the time between 1990 and 2014. Defl ation of the two macroeconomic indicators was necessary in order to be able to compare with each other when necessary. Thus, we used the consumption prices and EViews 7.2 programme with the method of the smallest squares implemented, and we obtained a direct linear connection with high intensity between the two studied variable. The same for the correlation between GDP and public consumption. The unifactor regression model used to decide the private consumption infl uence on the fi nal consumption, and the public consumption infl uence on the fi nal consumption as well, indicate that the fi nal consumption variation can be explained by the private consumption level at a rate of 99.26%. As a conclusion, the variation of the private consumption represents a decisive aspects in variation of fi nal consumption. In a second analysis, public consumption infl uences the variation of the fi nal consumption with only 22.13% percentage. As a conclusion, the public consumption does not represent a decisive aspect for the variation of the fi nal consption.


Multiple Regression Model and Consumption Analysis The multiple linear regression function represents an important theoretical subject implying further theoretical development like Akaike criterion used in analyses through multiple regression. We used this this model by identifying the practical possibilities in analysing consumption within the GDP. Previously, we showed that the simple linear regression is useful for couples of two variables when analysing GDP. We extended regression method to more than two causal variables.In our approach, we started with elements specifi c to the method of fi nal production – expenses method as source of important information regarding the main correlations infl uencing the evolution of the macroeconimic aggregate. The multiple linear regression may be used also for the Romanian economy as a whole when analysing the private and public consumption within GDP, when GDP is defi ned as resulted variable, and the private and public consumption are causual variable. IN order to guaranty comparison of data, we defl ated the macroeconomic indicators for the time between 1990 and 2014 using the consumption price indices. Defl ating was realized by using EViews 7.2. This method allows multiple correlations as GDP and resulted variable and fi nal consumption correlation; gross investments and factor variables correlation; GDP, resulted variables and fi nal consumption correlation; gross investments, stocks variation and net export and factor variables correlation; GDP, resulted variable and private and public consumption, gross investments, stock variation net export and available gross income of the population households, factor variables. Use of multiple linear regression allows the evolution analysis of the GDP and variables included in the model, while establishing their importance for the general variation of GDP. The mutifactor linear regression may be used also in order to model the fi nal consumption econometrically explaining the private and public consumption through the fi nal consumption; correlation between the fi nal consumption as resulted variable and the available national gross income and the investment as factor variables. All these allows to analyse the evolution of the fi nal consumption, as well as the elements included, valuing the infl uence of each indicator on the fi nal consumption. Use of the multifactor reggression model indicates that its results are more conclusive as regard to the unifactor regression model, allowing approaches of the dynamics of the national economy.

Econometric Models and the Complex Analysis of the GDP When analysing the dynamics and forcast the fi nal consumption within GDP, the analysor will make use of a series of econometric model like balance models and autoregressive models. For example, concep[ts regarding


simplifi cation theory and construction of congruent models proved to be useful when issuing the principles of household sector modelling. Structuring models by combining subsystems and using Phillips curve model represents other useful means for macroeconomic modelling. GDP, fi nal consumption and components analysis by using simple and multiple linear regression function leads us to the following conclusions: • Global economy evolves by steady growing of the complexity of all

specifi c processes imposing new models as the whole develops; • The growing complexity of the macroeconomic analysis is favoured

by new theoretical approaches and sciences like statistics, economic statistics, economic or econometric modelling, and many other specialized informatic applications;

• Obtaining the value of the main macroeconomic indicators offers subjects for multiple analises that might identify the performances of an economic system;

• Combined use of the result indicators and of the econiometric models allows complex structures of local, regional, national or international economic models.

Conclusions Between GDP and the fi nal consuption in Romania (1990-2014) there is a direct and signifi cant correlation. The results might be explained by the tendecy to use private and public consumption as the basic means to ensure the growth of economy. Durind the period mentioned above, an intense promotion of stimulating consumption policy may be observed, as a mean to grow GDP. This should be correlated with other macroeconomic policies. GDP evolution is infl uenced by gross fi x capital generation. This capital grows as consequenceof stimuting investments, with the effect of GDP growth. Also, the net export might infl uence the general evolution of GDP. A negative value of external trade balance will lead to an important diminishing of the main macroeconomic aggregate which supposes the stimulation of the exports as an effi cient mean to produce GDP growth. Another conclusion refers to the the fi delity of the the multiple regression model, able to refl et the relation between a resulted variable and a group of explanatory variables. Similarly to simple regression, the analysisby means of multiple regression takes into account establishing some fundamental hypotesis and the setting of model’s parameters by the smallest squares method. We used these multiple regression models with GDP as resulted variable, and as regressors the fi nal, private and public consumption, gross fi x capital generation, stock variation and net export. Multiple regression model


has a very high probability, and the risc degree id theoreticly nul, with the conclusion that it may be used successfully in the macroeconomic analysis. The mai measures adopted for the GDP growth are stimmulation of private and public consumption, growth of the value of the gross fi x capital generating through investments, including foreign investments, and maintaining a normal foreign trade balance through coherent policies of export stimulation.

References 1. Anghelache, C. (2004) - ”Sistemul European al Conturilor – note de curs”, Ed

ARTIFEX, București 2. Anghelache, C. (2008) – ”Tratat de statistică teoretică și economică”, Editura

Economică, București 3. Anghelache, C., Capanu, I. (2003) - ”Indicatori macroeconomici – calcul și

analiză economică”, Editura Economică, București 4. Anghelache, C., Anghelache, G.V. (2013) – ”Macroeconomic Models Used in the

Structural Analysis of the Gross Domestic Product”, Romanian Statistical Review, Volume (Year): 61, Issue (Month): 1 (February), pages: 94 – 102

5. Anghelache, C, Mitruț, C. (coordonatori, Bugudui, E., Deatcu, C. (2009) – ”Econometrie – Teorie – studii teoretice și practice”, Editura ARTIFEX, Bucuresti

6. Anghelache, C., Mitruț, C., Voineagu, V. (2010) – ”Sistemul conturilor naționale. Sinteze și studii de caz”, Editura Economică București

7. Anghelache, C., Anghel, M.G., Sacală, C. (2014) – ”The Gross Domestic Product Evolution”,Romanian Statistical Review Supplement, Volume (Year): 62 (2014), Issue (Month: 12(December), Pages: 12-20

8. Benjamin, C., Herrard, A., Hanese-Bigot, M., Tavesre, C. (2010) – ”Forecasting with an Econometric Model”, Springer

9. Romer, D. (1996) – ”Advanced Macroeconomics”, McGraw-Hill Company, New York

10. Bai, J., Perron, P. (1998) – ”Estimating and Testing Liniar Models with Multiple Structural Changes”, Econometrica, 66, 47-78


Contribuţii la studiul eredităţii hemofi liei în populaţiile animale şi vegetale prin metode

statisticeC. ANGHELM. BOLDEA

Universitatea de Ştiinţe Agricole şi Medicină Veterinară a Banatului Timişoara

A. COJOCARIU Ofelia SOFRAN

Universitatea Tibiscus Timişoara

Rezumat În prezenta lucrare propunem un model matematic pentru evoluţia hemofi lie, o boală cu transmitere ereditară prin cromozomul sexual X. Evoluţiile probabilităţilor ale generaţiilor următoare sunt date de formulele din Tabelul 5 şi Tabelul 10. Această evoluţia a fost simulată pe calculator pentru verifi carea modelului matematic. Cuvinte cheie: Hemofi lie, cromozom, simulare, algoritm, model matematic

Introducere Încrucişarea la întâmplare (parmixie) este un model idealizat şi care evaluează cel mai bine realitatea în populaţiile animale şi vegetale. Studiul probabilistic al încrucişării este necesar pentru a aprecia şi cum se transmit pe cale ereditară anumite caractere, defecte, sau anumite boli. În cazul hemofi liei sunt afectate genele purtătoare ale cromozomilor sexuali feminini X. Pentru masculi boala se manifestă şi se poate transmite urmaşilor dacă este afectat cromozomul X din grupul XY. În cazul femelelor boala se manifestă numai dacă sunt atinşi ambii cromozomi X, iar dacă este afectat un singur cromozom X, boala nu se manifestă dar femela respectivă este purtătoare de boală şi o poate transmite urmaşilor. În primul caz, ambii cromozomi X sunt atinşi, ca atare boala este letală la femele în primele luni de viaţă, sau chiar înainte de naştere şi deci femelele bolnave nu pot avea descendenţi.

Consideraţii teoretice Dacă notăm cu X cromozomul feminin afectat atunci în urma încrucişării sunt posibile următoarele variante pentru descendenţi (Tabel 1).


Descendenţii în urma tuturor încrucişărilor posibile Tabel 1

XY YX

XX XX XY XX XY XX XY XX XY

XX XX YX XX YX

XX XY XX XY

XX - femelă sănătoasă XX - femelă purtătoare XX - femelă bolnavă XY - mascul sănătos YX - mascul bolnav

Considerăm o populaţie formată din N femele şi N masculi în care notăm cu α procentul de masculi bolnavi şi cu β procentul de femele purtătoare (Tabel 2).

Distribuţia populaţiei feminine şi masculine Tabel nr. 2

Num rul popula iei feminine

Popula ia feminin

Popula ia masculin

Num rul popula iei masculine

N)1( XX XX

XX

XY XY

XY

N)1(

N XX XX

XX

YX YX

YX

N

Se consideră împerecherea la întâmplare şi unică iar probabilităţile pentru fi ecare tip de descendenţi XXP ,

XXP , XXP , XYP şi YXP şi fi ecare tip de împerechere sunt date în


Probabilitatea descendenţilor pentru fi ecare tip de împerechere Tabel nr. 3

Tipul de împerechere XXP XXP XXP XYP YXP

XYXX 21

21

YXXX 21

21

XYXX 41

41

41

41

YXXX 41

41

41

41

Vor fi analizate două variante:

Varianta A. Vom considera că toate perechile vor da naştere la doi urmaşi indiferent dacă unul sau amândoi sunt femele cu hemofi lie ( XX ). Contabilizând numărul descendenţilor pentru fi ecare din cele cinci tipuri de indivizi pentru fi ecare din cele patru tipuri de perechi se obţine Tabelul 4. Numărul descendenţilor rezultaţi s-a înmulţit cu 2 admiţând că pentru fi ecare pereche rezultă doi urmaşi astfel ca în generaţia a doua populaţia să rămână constantă. Probabilităţile respective se obţin din împărţirea numărului cazurilor favorabile la numărul cazurilor posibile.

Numărul descendenţilor în urma împerecherilorTabel nr. 4

Nr

Tipul de

împerechere

Num rul de descenden i

favorabili XX

Num rul de descenden i favorabili

XX

Total descenden i posibili femele


favorabili XY


favorabili YX

Total descenden i posibili masculi

1 XYXX )1)(1(2N )1)(1(2N

)1)(1(2N )1)(1(2N

2 YXXX )1(

2N )1(

2N )1(

2N )1(

2N

3 XYXX )1(

221

N )1(2

21

N )1(2

N )1(2

21

N

)1(

221

N

)1(

2N

4 YXXX 221

N 221

N 221

N 221

N 2N

5

TOTAL

)2

1)(1(2N ]2)1[(2

N

)

21(2N )21(

2N 2

2N 2N


Probabilităţile corespunzătoare se calculează cu relaţiile următoare:

XXP =

21

21)1(

2

2

N

N = 2

)2)(1( (1)

XXP =

21

2)1(

2

2

N

N = 2

12 (2)

XYP = 2

2

21

N

N =

21 (3)

YXP = 2

2

2N

N =

2 (4)

Relaţiile (1), (2), (3), (4) reprezintă probabilităţile din generaţia a doua (de fapt generaţia următoare). În generaţia a treia probabilităţile se vor calcula după acelaşi algoritm ca în generaţia precedentă. În practică aceste probabilităţi devin procente de realizare. Se obţine, astfel, Tabelul 5 al evoluţiei generaţiilor pentru probabilităţile respective în varianta A.

Evoluţia probabilităţilor pentru generaţia următoare, în varianta A Tabel nr. 5

Genera ia XXP XXP Total femele XYP YXP Total

masculi

1G 1 1 1 1

2G 221

2

121 21 2 1

Din Tabelul 6 rezultă că dacă în generaţia iniţială toţi masculii sunt sănătoşi începând din generaţia a doua vor fi atât masculi bolnavi de hemofi lie cât şi femele purtătoare de boală.


Evoluţia probabilităţilor în situaţia în care toţi masculii sunt sănătoşiTabel nr. 6


masculi 1G 1 1 1 0 1

2G 21 2 1 21 2 1

3G 2

2

8

682

2

8

261 41 4 1

Din Tabelul 7 rezultă că dacă în generaţia iniţială toate femelele sunt sănătoase în generaţia a doua vor fi femele purtătoare şi anume atâtea câţi masculi sănătoşi au fost în generaţia întâi, iar masculii vor fi toţi sănătoşi. În generaţia a treia vor fi atât femele purtătoare, cât şi masculi bolnavi.

Evoluţia probabilităţilor în situaţia în care toate femelele sunt sănătoaseTabel nr.7


masculi 1G 1 0 1 1 1 2G 1 1 1 0 1

3G 21 2 1 21 2 1

4G 2

2

868

2

2

826

1 41 4 1

Din Tabelul 8 rezultă că dacă în generaţia iniţială ( 1G ) toţi masculii sunt hemofi li şi toate femelele sunt purtătoare, în generaţia a doua ( 2G ) toate femelele sunt purtătoare iar jumătate din masculi vor fi hemofi li.


Evoluţia probabilităţilor în situaţia în care toate femelele sunt purtătoare şi toţi masculii sunt bolnavi

Tabel nr.8


masculi

1G 0 1 1 0 1 1

2G 0 1 1 21 2

1 1

3G 31 3

2 1 43 4

1 1

Varianta B. Vom considera că toate perechile vor avea doi descendenţi viabili, adică în cazul naşterii unei femele hemofi le ( XX ) care va muri, perechile în această situaţie vor avea un alt descendent în locul ei. În acest caz, Tabelul 4 al numărului de descendenţi devine Tabelul 9.

Numărul descendenţilor în urma împerecherilorTabel nr.9

Nr

Tipul de

împerechere

Num rul descenden i

favorabili XX

Num rul descenden i favorabili

XX

Total descenden i posibili femele

Num rul descenden i

favorabili XY

Num rul descenden i

favorabili YX

Total descenden i posibili masculi

1 XYXX )1)(1(2N )1)(1(2N )1)(1(2N )1)(1(2N

2 YXXX )1(2

N )1(2

N )1(2

N )1(2

N 3 XYXX )1(

221

N )1(2

21

N )1(2

N )1(2

21

N )1(2

21

N )1(2

N

4 YXXX 232

N 232

N 232

N 232

N 234

N 5

TOTAL

)2

1)(1(2N 2

65

2N 2

31 N 2

621 N

2

62N 2

31 N

Probabilităţile corespunzătoare vor fi următoarele:

XXP =

31

21)1(

2

2

N

N = 32

)2)(1(3 (5)

XXP =

31

65

22

2

N

N = 32

536

(6)


XYP =

31

621

2

2

N

N = 3

36 (7)

YXP =

31

622

2

N

N = 3

3 (8)

Se obţine, astfel, Tabelul 10 al evoluţiilor generaţiilor pentru probabilităţile respective în varianta B.

Evoluţia probabilităţilor pentru generaţia următoare, varianta BTabel nr. 10


masculi

1G 1 1 1 1

2G 32)2)(1(3

32

5361 32

36

32

3 1

Variantele A şi B sunt idealizate şi sunt luate ca ipoteze de lucru. În realitate nu toate perechile se comportă ca în varianta A sau B ci unele perechi procedează ca în varianta A, iar unele ca în varianta B.

Aplicaţia practică Aplicaţia software ce simulează acest proces funcţionează în felul următor: se introduce o populaţie de N = 1.000.000 femele de cele două tipuri XX şi XX precum şi N = 1.000.000 masculi de cele două tipuri XY şi YX distribuite în procente date: α, β, 1 - α,1 - β. Se aplică un algoritm de „amestec” atât în populaţia feminină, cât şi în populaţia masculină pentru a asigura împerecherea la întâmplare. Pentru varianta A: se determină Tabelul 3 cu probabilităţile respective. De exemplu, pentru prima pereche din tabel XX - XY (o femelă sănătoasă şi un mascul sănătos), se introduc la această pereche două posibilităţi pentru descendent: XX sau XY , din care prin intermediul unui algoritm se alege unul la întâmplare, de exemplu XX. Apoi se trece într-un fi şier al descendenţilor generaţiei respective. Se procedează la fel cu toate cele N perechi după care se împarte fi ecare rezultat total la numărul de femele, respectiv la numărul de masculi pentru a obţine procentele respective din 2G şi care se compară cu probabilităţile teoretice. La fi ecare pereche se fac două extrageri (doi urmaşi) pentru ca în generaţia a doua populaţia să rămână constantă. De asemenea,


dacă la o extragere din Tabelul 5 rezultă XX nu se mai contabilizează la nici o rubrică. Pentru varianta B se procedează la fel ca la varianta A cu deosebirea că dacă la o extragere aleatoare a unui urmaş rezultă un XX se anulează extragerea şi se face o nouă extragere în locul ei astfel încât fi ecare pereche să aibă doi urmaşi viabili.

Concluzii În tabelele 11 şi 12 sunt date câteva exemple pentru a vedea gradul de concordanţă dintre rezultatele teoretice şi cele prin simulare.

Rezultate teoretice şi cele în urma simulării în varianta ATabel nr. 11

Genera ia XXP % XXP % Total

Femele % XYP % YXP % Total masculi %

1G 100 0 100 80 20 100

2G teoretic 80 20 100 100 0 100

2G practic 80.0277 19.9723 100 100 0 100

3G teoretic 90 10 100 90 10 100

3G practic 89.9985 10.0015 100 90.0801 9.9199 100

4G teoretic 85.93 14.07 100 95 5 100

4G practic 85.9845 14.0155 100 94.9991 5.0009 100

Rezultate teoretice şi cele în urma simulării în varianta BTabel nr. 12

Genera ia XXP % XXP % Totalfemele % XYP % YXP % Total

masculi % 1G 100 0 100 80 20 100

2G teoretic 80 20 100 100 0 100

2G practic 80.0293 19.9707 100 100 0 100

3G teoretic 90 10 100 90 10 100

3G practic 90.0257 9.9743 100 89.9957 10.0043 100

4G teoretic 85.79 14.21 100 94.85 5.15 100

4G practic 85.8021 14.1979 100 94.8507 5.1493 100


Din Tabelul 11 şi Tabelul 12 se poate deduce că rezultatele teoretice şi cele date de calculator prin simulare sunt sensibil egale. În concluzie, pentru hemofi lie, evoluţiile probabilităţilor ale generaţiilor următoare sunt date de formulele din Tabelul 5 şi Tabelul 10. Hemofi lia este o boală cu transmitere ereditară prin cromozomul sexual X. Evoluţiile probabilităţilor ale generaţiilor următoare sunt date de formulele din Tabelul 5 şi Tabelul 10. Simularea pe calculator confi rmă aceste relaţii (Tabelul 11 şi Tabelul 12).

Bibliografi e 1. Anghel, C., M. Boldea – A New Distribution Law in Statistics, Stochastic Analysis

and Applications vol. 3 (1 - 6), Ed. Nova Science Publishers, Inc., New York, 2003 2. Anghel, C., M. Boldea – Simularea pe calculator a unui proces binomial şi

poissonian, Revista Română de Statistică, nr. 2 (41 - 45), Bucureşti, 2000; 3. Anghel, C., M. Boldea – Simularea pe calculator în transmiterea unor boli ereditare,

Lucrări ştiinţifi ce, Facultatea de Agricultură, vol. XXXI (259-264), Ed. Agroprint Timişoara, 1999;

4. C. Panfi l – Genetica sexelor, Editura Dacia Cluj-Napoca 1984; 5. Chiş, Codruţa, M. Chiş, M. Boldea – Calcularea frecvenţelor de echilibru într-o

algebră genetică, Cercetări Ştiinţifi ce, Facultatea de Hortcultură, Seria a VIII–a, Biotehnologie şi Biodiversitate, (149 - 156), Ed. Agroprint, Timişoara, 2004;

6. L. Bain, M. Engelhardt – Introduction to Probability and Mathematical Statistics, Boston 1992;

7. T. Crăciun, M. Pătraşcu – Mecanismele eredităţii, Editura Albatros Bucureşti 1978.


STATISTICAL METHODS FOR STUDYING THE HEREDITY OF HAEMOPHILIA IN ANIMAL AND PLANT POPULATIONS

C. ANGHEL M. BOLDEA Banat University of Agricultural Sciences and Veterinary Medicine

from Timişoara A. COJOCARIU Ofelia SOFRAN Tibiscus University from Timişoara

Abstract The present paper proposes a mathematical model for the evolution of haemophilia, which is a hereditary disease transmitted through the X chromosome (one of the two sex-determining chromosomes). The evolutions of the probabilities of the next generations are given by the formulas in Table 5 and Table 10. This evolution was computer-simulated in order to verify the mathematical model. Key words: Haemophilia, chromosome, simulation, algorithm, mathematical model

Introduction Random mating (panmixia) is an idealized model that best assesses the reality in animal and plant populations. The probabilistic study of mating is also necessary for establishing how certain traits, fl aws or diseases are passed on from one generation to another. In haemophilia, the affected genes are the ones that carry the feminine sexual chromosomes, the X chromosomes. In the case of males, the disease manifests and is transmitted to offspring if the X chromosome in the XY group is affected. In the case of females, the disease appears only if both X chromosomes are affected. If only one of the two X chromosomes is affected, the disease does not become apparent but the respective female is a carrier of the disease and can pass it on to her offspring. In the fi rst case, both X chromosomes are affected, the disease is lethal for females in their fi rst months of life or even before birth, therefore sick females will not have offspring.


Theoretical background

If we mark by X the female chromosome affected, then the following variants are possible for the offspring (Table 1).

The offspring resulting from all possible pairing Table 1

XY YX

XX XX XY XX XY XX XY XX XY

XX XX YX XX YX

XX XY XX XY

XX - healthy female XX - female carrier XX - sick female XX - healthy male YX - sick male

We consider a population of N females and N males, where α is the percentage of sick males and β is the percentage of female carriers. (Table 2).

The distribution of male and female population Table 2

Numberof females

Femalepopulation

Male population

Number of males

N)1( XX XX

XX

XY XY

XY

N)1(

N XX XX

XX

YX YX

YX

N


The pairing is considered to happen one time and at random. The probabilities for each type of offspring PXX , XXP , XXP , PXY , and YXP and each type of pairing are given in

The offspring probability for each type of pairing Table 3

Type of pairing XXP XXP XXP XYP YXP

XYXX 21

21

YXXX 21

21

XYXX 41

41

41

41

YXXX 41

41

41

41

Two variants will be analysed.

Variant A. We will consider that all pairs will give birth to two offspring, including the cases where one or both are females with haemophilia ( XX ). Counting the number of descendants for each of the fi ve types of individuals for each of the four types of pairs, we obtain Table 4. The number of resulting descendants was multiplied by 2, admitting that for each pair there will be two descendants so that the population remains constant in the second generation. The respective probabilities are obtained by dividing the number of favourable cases to the number of possible cases.


Number of offspring after pairingTable 4

Type of pairing

No. of favourable

offspring XX

No. of favourable

offspring XX

Total possible female offspring

No. of favourable

offspring XY

No. of favourable

offspring YX

Total possible male offspring

1 XYXX )1)(1(2N )1)(1(2N

)1)(1(2N )1)(1(2N

2 YXXX )1(

2N )1(

2N )1(

2N )1(

2N

3 XYXX )1(

221

N )1(2

21

N )1(2

N )1(2

21

N

)1(

221

N

)1(

2N

4 YXXX 221

N 221

N 221

N 221

N 2N

5

TOTAL

)2

1)(1(2N ]2)1[(2

N

)

21(2N )21(

2N 2

2N 2N

The corresponding probabilities are calculated with the following relations:

XXP =

21

21)1(

2

2

N

N = 2

)2)(1( (1)

XXP =

21

2)1(

2

2

N

N = 2

12

(2)

XYP =

2

2

21

N

N =

21 (3)

YXP = 2

2

2N

N =

2 (4)

Relations (1), (2), (3), (4) represent the probabilities in the second generation (the following generation, actually). In the third generation, the probabilities will be calculated according to the same algorithm as in the previous generation. In practice, these probabilities become percentages of realization. Thus, Table 5 is obtained, which presents the evolution of generations for the respective probabilities in variant A.


Evolution of probabilities for the next generation, variant ATable 5

Generation XXP XXP Totalfemales XYP YXP Total

males

1G 1 1 1 1

2G 221

2

121 21 2 1

Table 6 shows that, if in the fi rst generation all males are healthy, starting with the second generation there will be some males affected by haemophilia and female carriers, as well.

Evolution of probabilities if all males are healthy in the fi rst generation Table 6


males

1G 1 1 1 0 1

2G 21 2 1 21 2 1

3G 2

2

8

682

2

8

261 41 4 1

Table 7 makes it clear that if in the initial generation (G1) all females are healthy, then in the second generation (G2) there will be as many healthy females as there were healthy males in the fi rst generation. The males in the second generation will all be healthy. In the third generation we will have female carriers and sick males.

Evolution of probabilities if all males are healthy in the fi rst generation Table 7


males 1G 1 0 1 1 1 2G 1 1 1 0 1

3G 21 2 1 21 2 1

4G 2

2

868

2

2

826

1 41 4 1


Table 8 presents what happens if in the fi rst generation ( 1G ) all males are sick and all females are carriers: in the second generation ( 2G ) all females are carriers and half of the males are sick.

Evolution of probabilities if all males are sick and all females are carriers in G1

Table 8b e


males

1G 0 1 1 0 1 1

2G 0 1 1 21 2

1 1

3G 31 3

2 1 43 4

1 1

Variant B. We will consider that all pairs have two viable offspring, meaning that if a sick female is born ( XX ), she will die soon after, and the pair will have another descendant to replace her. In this case, Table 4 becomes Table 9.

Number of offspringTable 9

Type of pairing

Number of favourable

descendants

XX


descendants XX

Total possible female descendants


descendants

XY


descendants

YX

Total possible male descendants

1 XYXX )1)(1(2N )1)(1(2N )1)(1(2N )1)(1(2N

2 YXXX )1(2

N )1(2

N )1(2

N )1(2

N 3 XYXX )1(

221

N )1(2

21

N )1(2

N )1(2

21

N )1(2

21

N )1(2

N

4 YXXX 232

N 232

N 232

N 232

N 234

N 5

TOTAL

)2

1)(1(2N 2

65

2N 2

31 N 2

621 N

2

62N 2

31 N

The corresponding probabilities will be the following:

XXP =

31

21)1(

2

2

N

N = 32

)2)(1(3 (5)


XXP =

31

65

22

2

N

N = 32

536

(6)

XYP =

31

621

2

2

N

N = 3

36 (7)

YXP =

31

622

2

N

N = 3

3 (8)

Thus, we obtain Table 10 of the evolution of generations for the respective probabilities in Variant B.

Evolution of probabilities for the next generation, Variant B Tabel nr.10


males

1G 1 1 1 1

2G 32)2)(1(3

32

5361 32

36

32

3 1

Variants A and B are idealized and are taken as work hypotheses. In real life, not all pairs behave as in either of the two variants, but instead some behave as in A and others as in B.

Practical application

The software application that simulates this process functions as follows: a population is introduced N = 1,000,000 females of the two types XX and XX as well as N = 1,000,000 males of the two types XX and YX , distributed in given percentage: α, β, 1 - α, 1 - β. A randomising algorithm is applied in both populations, to make sure that the pairing is at random. For variant A: Table 3 is determined, with the respective probabilities. For example, for the fi rst pair in the table XX-XY (a healthy female and a healthy male), two possibilities are introduced for the offspring: XX or XY. Of these two, one is randomly chosen, for instance XX. Then it is written in a fi le that contains the descendants of the respective generation. The same is done


to all N pairs. After that, each total result is divided to the number of females and to the number of males, respectively, in order to obtain the respective percentages from 2G , which are compared to the theoretical probabilities. For each pair, two offspring are chosen, so that the population remains constant in the next generation. In addition, if XX results for an extraction from Table 5, then it is not counted anywhere. For variant B, the procedure is the same as for variant A, with the following difference: if a random extraction of a descendant results in an

XX , then the extraction is annulled and a new extraction is made, in order to have two viable offspring for each pair.

Conclusions Tables 11 and 12 give a few examples in order to show the degree of concordance between the theoretical results and the simulated results.

Theoretical results and results of the simulation, variant A Table 11

Generation XXP % XXP % Total

Females % XYP % YXP % Totalmales %

1G 100 0 100 80 20 100

2G theoretical 80 20 100 100 0 100

2G practical 80.0277 19.9723 100 100 0 100

3G theoretical 90 10 100 90 10 100

3G practical 89.9985 10.0015 100 90.0801 9.9199 100

4G theoretical 85.93 14.07 100 95 5 100

4G practical 85.9845 14.0155 100 94.9991 5.0009 100


Theoretical results and results of the simulation, variant BTable 12

Generation XXP % XXP % Totalfemales % XYP % YXP % Total

males %1G 100 0 100 80 20 100

2G theoretical 80 20 100 100 0 100

2G practical 80.0293 19.9707 100 100 0 100

3G theoretical 90 10 100 90 10 100

3G practical 90.0257 9.9743 100 89.9957 10.0043 100

4G theoretical 85.79 14.21 100 94.85 5.15 100

4G practical 85.8021 14.1979 100 94.8507 5.1493 100

Table 11 and Table 12 show that the theoretical results and the results given by the computer are equal. In conclusion, for haemophilia, the probability evolutions for the next generations are given by the formulae in Table 5 and Table 10. Haemophilia is a hereditary disease, which is transmitted through the X chromosome. The probability evolutions for the next generations are given by the formulae in Table 5 and Table 10. Computer simulation confi rms these relations (Table 11 and Table 12).

Bibliography 1. Anghel, C., M. Boldea – A New Distribution Law in Statistics, Stochastic Analysis

and Applications vol. 3 (1 - 6), Ed. Nova Science Publishers, Inc., New York, 2003 2. Anghel, C., M. Boldea – Simularea pe calculator a unui proces binomial şi

poissonian, Revista Română de Statistică, nr. 2 (41 - 45), Bucureşti, 2000; 3. Anghel, C., M. Boldea – Simularea pe calculator în transmiterea unor boli ereditare,

Lucrări ştiinţifi ce, Facultatea de Agricultură, vol. XXXI (259-264), Ed. Agroprint Timişoara, 1999;

4. C. Panfi l – Genetica sexelor, Editura Dacia Cluj-Napoca 1984; 5. Chiş, Codruţa, M. Chiş, M. Boldea – Calcularea frecvenţelor de echilibru într-o

algebră genetică, Cercetări Ştiinţifi ce, Facultatea de Hortcultură, Seria a VIII–a, Biotehnologie şi Biodiversitate, (149 - 156), Ed. Agroprint, Timişoara, 2004;

6. L. Bain, M. Engelhardt – Introduction to Probability and Mathematical Statistics, Boston 1992;

7. T. Crăciun, M. Pătraşcu – Mecanismele eredităţii, Editura Albatros Bucureşti 1978.


Model de analiză a corelaţiei dintre PIB şi principalii săi factori de infl uenţă

Prof. univ. dr. Constantin ANGHELACHE Academia de Studii Economice, Bucureşti Universitatea “Artifex” din Bucureşti Drd. Daniel DUMITRESCU Drd. Diana Valentina SOARE Academia de Studii Economice, Bucureşti

Abstract Acest articol prezintă o propunere pentru un model de analiză care este capabil să drescrie o corelaţie între Produsul Intern Brut şi doi factori de infl uenţă semnifi cativi, ale căror evoluţie, structură şi caracteristici au un impact major asupra economiei României, prima măsură a acestui impact fi ind infl uenţa lor asupra principalului indicator macroeconomic – PIB. Cuvinte cheie: Produsul Intern Brut, infl uenţă, impact, factor, corelaţie

Considerând că analiza realizată prin intermediul modelului de regresie liniară simplă nu este întru totul relevantă, din punct de vedere al explicării variabilei rezultative, întrucât informaţiile oferite nu sunt complete, vom construi, cu ajutorul softului informatic, Eviews 7.2, un model de regresie liniară multiplă, reprezentând şi ecuaţia modelului de regresie cu interpretările de rigoare. Considerentul care ne determină să extindem analiza la acest nivel, este valoarea semnifi cativă a termenului liber, care evidenţiază astfel, lipsa anumitor factori importanţi în descrierea variabilei rezultative. Astfel, în vederea realizării unei analize cât mai complete, vom descrie variabila dependentă, prin intermediul unui model de regresie liniară multiplă, cu două sau mai multe variabile independente. Modelul de regresie multiplă este deosebit de util în analiza realizată la nivel macroeconomic, completând studiul realizat anterior prin intermediul modelului de regresie liniară simplă. În vederea construirii modelului de regresie, defi nim ca şi variabilă dependentă, valoarea Produsului Intern Brut, iar ca variabile independente, valoarea consumului fi nal, respectiv valoarea fl uxului de investiţii străine directe din România, pentru intervalul statistic 2003 – 2013. Baza de date este construită pe baza informaţiilor furnizate de Institutul Naţional de Statistică, respectiv a datelor ofi ciale, publicate de către Banca Naţională a României.


Vom analiza existenţa unei posibile corelaţii între valoarea PIB (variabila dependentă, pe care o vom nota cu y) şi valoarea variabilelor independente sau exogene, consumul fi nal (pe care îl vom nota cu x1), respectiv fl uxul investiţiilor străine directe (pe care îl vom nota ca şi x2). Reprezentarea matematică a modelului de regresie multiplă, anterior explicat, se prezintă sub forma: Yt = b0 + b1xli + b2x2i+ ut. Matriceal, modelul de regresie multiplă, poate fi reprezentat astfel: Y = X B + U

unde: n = 10 → numărul observaţiilor realizate; k = 2 → numărul variabilelor independente; Aşadar, matriceal, funcţia modelului de regresie multiplă, va fi de forma:

= x

În vederea estimării parametrilor modelului de regresie, vom folosi metoda celor mai mici pătrate (Least Squares Method), astfel vom minimiza funcţia: F( ) = min = min(Y - X ) 2

= min(YT Y - 2 T(XT Y ) + T(XTX) )

Vom continua construirea modelului de regresie prin intermediul softului informatic Eviews 7.2. Astfel, vom crea în aplicaţia Eviews 7.2, independent, toate variabilele pe baza cărora vom realiza analiza, respectiv PIB, consumul fi nal (CF) şi fl uxul de investiţii străine directe (ISD). Variabilele defi nite, pot fi prezentate cu ajutorul programului informatic Eviews, ca şi grup, prin intermediul căruia, vom defi ni modelul de regresie multiplă. Baza de date supusă analizei se prezintă acum sub forma (Figura 1):


Evoluţia indicatorilor macroeconomici prin intermediul softului Eviews 7.2

Figura 1

Prin intermediul comenzii Process – Make Equation, defi nim modelul de regresie multiplă, având ca variabilă dependentă, produsul intern brut, iar ca şi variabile independente consumul fi nal şi fl uxul de investiţii străine directe, defi nind totodată şi variabila reziduală C. Valoarea acesteia va reprezenta impactul celorlalte variabile exogene care infl uenţează evoluţia PIB, care nu au fost avute în vedere în analiza de faţă. Estimarea parametrilor modelului de regresie a fost realizată tot prin intermediul softului informatic Eviews 7.2, utilizând metoda celor mai mici pătrate (Least Squares). Rezultatele testelor efectuate precum şi valorile coefi cienţilor variabilelor modelului de regresie liniară multiplă sunt reprezentate în Figura 1. Din punct de vedere al rezultatelor testelor de probabilitate (Prob), se observă că ambele variabile sunt semnifi cative in explicarea variabilei dependente, PIB. Se observă valorile aproape insignifi ante ce vizează erorea standard (Std. Error) a modelului reprezentat.

Model de analiză a corelaţiei intre indicatorii macroeconomici PIB, investiţii şi consumul fi nal prin intermediul softului statistic Eviews 7.2

Figura 2


Modelul realizat prin intermediul softului Eviews 7.2. reprezentat in Figura 2, are un procent de veridicitate de 99.77%, putând fi implementat şi în practică în analizele macroeconomice realizate. Totodată, se observă că prin intermediul modelului de regresie liniară.multiplă se reprezintă cel mai bine corelaţia şi implicit interdependenţa existentă între indicatorii macroeconomici Produs Intern Brut (PIB), respectiv fl uxul de investiţii străine directe (ISD) şi consumul fi nal (CF) – (Figura 2). Din cele explicate anterior, se obţine ecuaţia modelului de regresie liniară multiplă, prin intermediul căreia este evidenţiată corelaţia dintre indicatorii macroeconomici analizaţi. Astfel, ecuaţia poate fi reprezentată sub forma: GDP = 1,32*FC - 0,4475*DFI - 5207,94 (Eq. 1)

Din ecuaţia modelului de regresie (Eq.1), putem remarca, faptul că variabila consumului infl uenţează într-o proporţie deosebit de mare evoluţia Produsului Intern Brut, în timp ce fl uxul de investiţii străine directe are un impact uşor negativ asupra, variabilei dependente. Aceste aspecte sunt confi rmate, în privinţa consumului, de economia României, care se bazează in proporţie foarte mare pe stimularea consumului, pe de-o parte, iar în privinţa fl uxului de investiţii, trebuie să menţionăm că efectele nefaste ale crizei economico-fi nanciare, au determinat plecarea unei mase semnifi cative de investitori, de pe teritoriul ţării noastre. Astfel, interpretând ecuaţia modelului de regresie, din punct de vedere matematic, putem spune, că la o creştere cu o unitate monetară a consumului fi nal, variabila rezultativă, PIB va creşte cu 1,32 EUR. În acelaşi timp, atunci când variabila independentă, fl uxul de investiţii străine (ISD), va creşte cu o unitate monetară, impactul asupra PIB, va fi unul invers şi anume de reducere cu 0,4475 EUR. Comparativ cu analiza realizată în capitolul anterior, prin intermediul modelului de regresie liniară simplă, ce avea drept variabilă independentă, soldul investiţiilor străine directe din România, care exercita o infl uenţă semnifi cativă asupra PIB, in acest caz, al regresiei multiple, se poate observa că fl uxurile de investiţii străine directe, nu mai au un impact atât de puternic la nivelul creşterii economice. Totodată, se observă că şi infl uenţa exercitată de variabila reziduală este una importantă, aceasta variabilă evidenţiind acei factori, care nu au fost consideraţi în modelul de regresie multiplă exemplifi cat. De remarcat este şi faptul că aceşti factori, care nu au constituit obiectul analizei noastre, au un impact sufi cient de mare asupra variabilei rezultative PIB, determinând diminuarea acesteia cu 5 207, 94 EUR.


Deşi analiza realizată anterior prin intermediul modelului de regresie liniară simplă, evidenţiază un impact mai mare al soldului de ISD asupra PIB, în comparaţie cu impactul fl uxurilor de ISD, sesizăm că valoarea variabilei reziduale, respectiv valoarea termenului liber al modelului de regresie s-a diminuat considerabil de la 23 394, 36 EUR la cea de - 5 207, 94 EUR, fapt care confi rmă că analiza realizată prin modelul de regresie multiplă este mult mai relevantă, cel puţin în situaţia analizelor macroeconomice.Reprezentarea grafi că de mai jos, evidenţiază şi mai bine corelaţia aproape perfectă a variabilei consumului fi nal cu cea a produsului intern brut. Se observă că evoluţia fl uxului de investiţii străine directe este una deosebit de sinuoasă, comparativ cu evoluţia consumului fi nal.

Revenind la rezultatele testelor statistice realizate în urma construirii modelului de regresie liniară multiplă, trebuie să subliniem faptul că modelul econometric realizat este unul corect, fapt confi rmat de rezultatul testelor (R-squared) şi (Adjusted R-squared), care de altfel sunt foarte apropiate ca şi valoare: 99,77%, respectiv 99,72%, (Figura 2). Aceste rezultate confi rmă atât validitatea modelului, cât şi gradul de risc scăzut în cazul utilizării practice a acestuia în analizele macroeconomice. Totodată, observăm că prezenţa mai multor variabile endogene a crescut nivelul de acurateţe al modelului de regresie. Rezultatele testului F-statistic, mult superior valorii de referinţă, confi rmă încă o dată corectitudinea modelului şi posibilitatea de a-l utiliza în analizele de previzionare macroeconomică a PIB-ului, la nivelul României. În aceaşi timp, trebuie sa menţionăm că valoarea 0, a testului Prob (F-statistic), confi rmă cele afi rmate anterior, respectiv faptul că modelul econometric de regresie multiplă, care utilizează ca şi variabilă dependentă, PIB-ul României, iar ca variabile independente consumul fi nal (CF), cât şi fl uxul net de investiţii străine directe (ISD), este unul corect, putând fi utilizat în analizele de previziune macroeconomică ale ţării noastre.


Ţinând cont de testele statistice efectuate şi de explicaţiile aferente acestora, obţinute, în urma analizei realizate asupra evoluţiei Produsului Intern Brut la nivelul României, în intervalul statistic, 2003 – 2013, prin intermediul modelului de regresie multiplă, se poate conchide că acest indicator macroeconomic este corelat foarte bine cu evoluţia consumului fi nal, evidenţiind o corelaţie mai scăzută în raport cu evoluţia fl uxului net de investiţii străine directe. S-a observat astfel, precum am menţionat de la începutul analizei, că modelul liniar de regresie multiplă, oferă informaţii statistice, mai complete decât regresia simplă, permiţând extinderea nivelului de analiză macroeconomică la un nivel mult mai complex şi în acelaşi timp, mult mai complet.

Bibliografi e selectivă 1. Anghelache, C., Anghel, M.G., Sacală, C. (2014) – „The Gross Domestic Product

Evolution”, Romanian Statistical Review Supplement, Volume (Year): 62 (2014), Issue (Month): 12 (December), pp. 12-20

2. Anghelache, C., Anghel, M.G., Prodan, L., Sacală, C., Popovici, M. (2014) – „Multiple Linear Regression Model Used in Economic Analyses”, Romanian Statistical Review Supplement, Volume (Year): 62 (2014), Issue (Month): 10 (Octomber), pp. 120-127

3. Anghelache, C. (2014) – „România 2014. Starea economică pe calea redresării”, Editura Economică, Bucureşti

4. Anghelache C., (2008) – „Tratat de statistică teoretică şi economică”, Editura Economica, Bucureşti

5. Colloredo-Mansfeld, R. (2005) – „Consumption”, in James G. Carrier (ed.), 2005. “A Handbook of Economic Anthropology,” Books, Edward Elgar, number 2904, 6

6. Iordache, A.M.M., Tudorache, I.C., Iordache, M.T. (2011) – „An Econometrical Model For Calculating The Romanian Gross Domestic Product”, Journal of Information Systems and Operations Management, Volume (Year): 5 (2011), Issue (Month): 2.1 (December), pp. 492-499

7. Mitruţ, C., Dinu, A.M., Prodan, L., Dragomir, B. (2014) – „GDP and Foreign Investments Evolution”, Romanian Statistical Review Supplement, Volume (Year): 62 (2014), Issue (Month): 1 (January), pp. 126-129

8. www.insse.ro – offi cial site of the National Institute of Statistics of Romania


THE ANALYSIS MODEL OF CORRELATION BETWEEN GDP AND ITS MAIN INFLUENCE

FACTORS Prof. Constantin ANGHELACHE PhD. Bucharest University of Economic Studies “Artifex” University of Bucharest Daniel DUMITRESCU PhD. Student Diana Valentina SOARE PhD. Student Bucharest University of Economic Studies

Abstract

This paper presents a proposition for an analysis model that is able to describe a correlation between the Gross Domestic Product and two signifi cant infl uence factors, whose evolution, structure and characteristics have a major impact on the Romanian economy, the fi rst measure of this impact being their infl uence on the main macroeconomic indicator – the GDP. Key words: Gross Domestic Product, infl uence, impact, factor, correlation

Considering that the analysis accomplished through the simple linear regression model is not entirely relevant from the point of view of explaining the resulting variable, as the supplied information are not complete, in the frame of this chapter we shall build up, with the help of the informatics soft Eviews 7.2, a model of multiple linear regression model, representing also the equation of the regression model with the appropriate interpretations. The reason leading us to the extension of the analysis at this level is given by the signifi cant value of the free term, which is evidencing thus, that some signifi cant factors are missing from the description of the resulting variable. Thus, in order to accomplish an analysis as complete as possible, we shall describe the dependent variable, through the intermediary of a multiple linear regression model with two or several independent variables. The multiple regression model is particularly useful in the analysis performed at macroeconomic level, completing the study achieved previously through the simple linear regression model. In order to build up the regression model, we defi ne as dependent variable, the value of the Gross Domestic Product ad as independent variables, the value of the fi nal consumption, respectively the value of the fl ow of the


direct foreign investments in Romania, for the statistical interval 2003 - 2013. The data basis is built up on the base of the information supplied by the National Institute of Statistics, respectively the offi cial data published by the National Bank of Romania. We shall analyze the existence of a possible correlation between the value of the GDP (dependent variable, which shall be noted with y ) and the value of the independent, or exogenous, variables, fi nal consumption (which shall be noted with xx ), respectively the fl ow of the direct foreign investments (which shall be noted as x2 ). The mathematical representation of the multiple regression model, previously explained, is shown by the form: Yt = b0 + b1xli + b2x2i+ ut. As matrix, the multiple regression model can be represented as follows: Y = X B + U

where: n = 10 → number of achieved observations; k = 2 → number of independent variables; Consequently, as a matrix, the function of the multiple regression model will have the form:

= x In order to estimate the parameters of the regression model, we shall apply the least squares method, thus we shall minimize the function:

F( ) = min = min(Y - X ) 2

= min(YT Y - 2 T(XT Y ) + T(XTX) )

We shall continue the building up of the regression model through the informatics soft Eviews 7.2. Thus, we shall create within the application Eviews 7.2, independently, all the variables on which basis we shall accomplish the analysis, respectively GDP, fi nal consumption fi nal (FC) and the fl ow of direct foreign investments (DFI). The defi ned variables may be submitted, with the help of the informatics program Eviews, as a group, through which we shall defi ne the multiple regression model. The data basis subject of the analysis is showing now as follows (Figure 1):


The evolution of the macroeconomic indicators through the soft Eviews 7.2

Figure 1

By activating the command Process - Make Equation, we defi ne the multiple regression model, having as dependent variable, the gross domestic product and as independent variables the fi nal consumption and the fl ow of direct foreign investments, defi ning meantime the residual variable C. Its value will represent the impact of the other exogenous variables which infl uence the GDP evolution that were not taken into account by the present analysis. The estimate for the parameters of the regression model has been accomplished also through the informatics soft Eviews 7.2, applying to the least squares method. The outcomes of the made tests as well as the values of the coeffi cients of the variables of the multiple linear regression model are represented in the Figure 2. From the point of view of the tests of probability (Prob), we can notice that both variables are signifi cant as for explaining the dependent variable, GDP. It is also noticeable that the standard error (Std. Error) of the submitted model shows almost insignifi cant values.


The model of analysis for the correlation between the macroeconomic indicators GDP, investments and fi nal consumption through the

statistical soft statistic Eviews 7.2 Figure 2

The model achieved through the soft Eviews 7.2. represented in the Figure 2, bears a percentage of veracity of 99.77%, being fi t for implementation in practice as well for the achieved macroeconomic analyses. Meantime, it is noticeable that through the intermediary of the multiple regression model, the correlation and, implicitly, the interdependence existing between the macroeconomic indicators Gross Domestic Product (GDP), ), respectively the fl ow of direct foreign investments (DFI) and fi nal consumption (FC) is represented to the best - (Figure 2). Out of the previous explanations, we get the equation of the multiple linear regression model, through which the correlation between the analysed macroeconomic indicators is emphasized. Thus, the equation can be represented in the form:

GDP = 1,32*FC - 0,4475*DFI - 5207,94 (Eq. 1) From the equation of the regression model (Eq.3), we can remark the fact that the variable consumption is infl uencing in a particularly large proportion the evolution of the Gross Domestic Product, while the fl ow of direct foreign investments is having a slightly negative impact on the variable. These aspects are confi rmed, as regards the consumption, by the economy of Romania, which is based to a very large extent on the stimulation of the consumption, on one side, while, on the other side, we have to mention the fact that, as regards the fl ow of investments, the belated effects of the economic-fi nancial crisis generated the departure of a signifi cant mass of investors from the territory of our country.


Thus, by interpreting the equation of the regression model, from mathematical point of view, it can be alleged that the increase by one monetary unit of the fi nal consumption, the resulting variable, GDP, would increase with 1.32 EUR. Meanwhile, when the independent variable, the fl ow of direct foreign investments (DFI), will increase with a monetary unit, the impact on the GDP, would be a revers one, namely, a diminishing with 0.4475 EUR. Comparatively with the analysis accomplished in the previous chapter, through the simple linear regression model, having as independent variable, the sold of the direct foreign investments in Romania , with signifi cant infl uence on the GDP, in the case of the multiple regression multiple, we can observe that the fl ows of direct foreign investments have no more such a strong impact at the level of the economic growth . Meantime, one can observe also that the infl uence exercised by the residual variable is an important one, this variable underlining those factors which were not considered by the considered multiple regression model. To note also the fact that these factors, which did not make the subject of our analysis, have a large enough impact on the resulting variable GDP, generating the decrease of this one with 5 207, 94 EUR. Although the previously achieved analysis, through the simple linear regression model, is underlining a bigger impact of the DFI sold on the GDP, in comparison with the impact of the fl ows of DFI, we can perceive that the value of the residual variable, respectively the value of the free term of the regression model, diminished considerably from 23 394, 36 EUR to - 5 207, 94 EUR, a fact which is confi rming the fact that the achieved analysis through the multiple linear regression model is by far more relevant, at least in the situation of macroeconomic analyses. The graphical representation below is emphasizing even better the almost perfect correlation of the variable fi nal consumption with that of the gross domestic product. It is noticeable that the evolution of the fl ow of direct foreign investments is particularly sinuous comparatively with the evolution of the fi nal consumption.


Reverting to the outcomes of the statistical tests, accomplished subsequently to the building up of the multiple linear regression model, we have to point out that the achieved econometric model is a correct one a fact confi rmed by the outcomes of the tests R2 (R-squared) and R2 — adjusted (Adjusted R-squared), which in fact are very close value wise as well: 99.77%, respectively 99.72%, (Figure 2). These outcomes are confi rming both the validity of the model and the low degree of risk in the case of its practical utilization for macroeconomic analyses. Meantime, we observe that the presence of more endogenous variables increased the accuracy level of the regression model. The results of the F-statistic test, by far superior to the reference value, are confi rming once more the correctness of the model and the possibility to apply it in analyses of macroeconomic forecast for the GDP at the level of Romania. Meantime, we have to point out that the 0, of the test Prob (F-statistic), is confi rming the previous allegations, respectively the fact that multiple regression econometric model, utilizing as dependent variable the GDP of Romania and as independent variables both the fi nal consumption (FC), and the net fl ow of direct foreign investments (DFI), is a correct one, consistent with its utilization for analyses of macroeconomic forecasts for our country. Taking into consideration the statistical tests being made and the related explanations, occurring as a result of the analysis achieved on the evolution of the Gross Domestic Product at the level of Romania , during the statistical interval 2003 - 2013, through the multiple regression model, we can conclude that this macroeconomic indicator is very well correlated with the evolution of the fi nal consumption, evidencing a lower correlation in connection with the evolution of the net fl ow of the direct foreign investments. We could observe thus, as mentioned since the very beginning of the analysis, that the multiple linear regression model is offering statistical information more complete as the ones offered by the simple regression,


allowing thus an extended level of macroeconomic analysis, at a more complex and, meanwhile, by far more complete level.

References 1. Anghelache, C., Anghel, M.G., Sacală, C. (2014) – „The Gross Domestic Product

Evolution”, Romanian Statistical Review Supplement, Volume (Year): 62 (2014), Issue (Month): 12 (December), pp. 12-20

2. Anghelache, C., Anghel, M.G., Prodan, L., Sacală, C., Popovici, M. (2014) – „Multiple Linear Regression Model Used in Economic Analyses”, Romanian Statistical Review Supplement, Volume (Year): 62 (2014), Issue (Month): 10 (Octomber), pp. 120-127

3. Anghelache, C. (2014) – „România 2014. Starea economică pe calea redresării”, Editura Economică, Bucureşti

4. Anghelache C., (2008) – „Tratat de statistică teoretică şi economică”, Editura Economica, Bucureşti

5. Colloredo-Mansfeld, R. (2005) – „Consumption”, in James G. Carrier (ed.), 2005. “A Handbook of Economic Anthropology,” Books, Edward Elgar, number 2904, 6

6. Iordache, A.M.M., Tudorache, I.C., Iordache, M.T. (2011) – „An Econometrical Model For Calculating The Romanian Gross Domestic Product”, Journal of Information Systems and Operations Management, Volume (Year): 5 (2011), Issue (Month): 2.1 (December), pp. 492-499

7. Mitruţ, C., Dinu, A.M., Prodan, L., Dragomir, B. (2014) – „GDP and Foreign Investments Evolution”, Romanian Statistical Review Supplement, Volume (Year): 62 (2014), Issue (Month): 1 (January), pp. 126-129

8. www.insse.ro – offi cial site of the National Institute of Statistics of Romania


Din istoria statisticii româneşti statistica urmăririi evoluţiei preţurilor

Dr. Vasile V. Dumitrescu

În practică statistică un loc important îl ocupă utilizarea teoriei indicilor care constituie metodă ce măsoară variaţia medie a fenomenelor individuale sau colective exprimată de raportul dintre două mărimi sau entităţi omogene, de acelaşi gen, comparate în timp sau în spaţiu, care aplicată în cercetarea economică şi, în mod deosebit în universul preţurilor, unde există o sfera largă de cuprindere, o mare diversitate şi un interes puternic în cunoaşterea şi construirea indicilor elementari şi/sau sintetici agregaţi ce redau nivelul, variaţia şi tendinţa evoluţiei preţurilor şi tarifelor, necesară în studii, analize şi în informarea populaţiei. În acest sens, marele statistician, economist şi matematician N. Georgescu-Roegen implicat direct în statistica preţurilor din ţară noastră arată că ”Evoluţia preţurilor este revelatoare pentru istoria economică în general. Puterea de cumpărare a monetei este aceea care determina, de fapt, bogăţia sau sărăcia unei ţări şi nu valoarea aurului, supusă fl uctuaţiilor de preţ, şi, cu atât mai puţin, valoarea decretată a hârtiei-monete”1. De aceea se poate spune că indicii în general şi de preţuri în special sunt “cartea de vizită” a unei ţări, ei vorbesc de la sine, arătând în mod sintetic, sugestiv, starea naţiunii, succesul sau insuccesul activităţilor desfăşurate, exprimând şi caracterizând istoric nivelul, evoluţia, structura şi ansamblul gradului de dezvoltare economică, socială, culturală şi politică al ţării şi în mod deosebit bunăstarea populaţiei. Activitatea de elaborare a indicilor în ţară noastră a fost în decursul timpului laborioasă, mulţi statisticieni, economişti şi matematicieni şi-au adus contribuţia la îmbunătăţirea şi/sau perfecţionarea lor. Exemple în acest sens sunt N. Georgescu –Roegen - ”Metodă Statistică, Elemente de statistică matematică”, M.B. Imprimeria Naţională, Bucureşti,1933; C. Popescu, D. Şandru - ”Unele probleme în legătură cu indicii preţurilor cu ridicată” Studii de Statistică, I. DCS, 1961; Gh. Mihoc, V. Urseanu - ”Matematici aplicate în statistică” Ed, Academiei , 1962; L. Tòvissi - ”Probleme teoretice ale calculului indicilor statistici” teza de doctorat, ASE,1965; I.Negura şi V. Urseanu - “Utilizarea metodei selective la calcularea indicilor statistici” Studii de statistică, IV, DCS, 1966; Silvia Mihăescu - “Principii metodologice de calcul al indicilor preţurilor cu amănuntul” Revista de Statistică, nr. 7, 1972; Vasile

1. N. Georgescu-Roegen, Preţurile, Enciclopedia Romaniei, Vol. IV, Cap. Economia Nationala, Circulaţie, Distribuţie şi Consum, 1943, p. 928.


V. Dumitrescu - “Elaborarea unui sistem integrat de indici pentru exprimarea venitului naţional în preţuri constante”, teza de doctorat, ASE, 1977 şi alţii au publicat metode şi procedee tehnice de construire a indicilor. Din punct de vedere istoric, activitatea de elaborare a indicilor statistici privind exprimarea evoluţiei preţurilor şi tarifelor, în ţară noastră s-a desfăşurat după modul de aplicare, denumire, sfera de cuprindere, conţinut şi construire astfel:

1. Indicii statistici privind evoluţia preţurilor la consumator Această categorie de preţ, după modul de elaborare şi publicare a datelor statistice se împarte în trei perioade istorice distincte: 1.1 Perioada antebelică Preţurile au devenit obiectul studiilor statistice începând cu anul 1904, dar primele publicaţii statistice privind preţurile de detaliu (en detail) la consumator, au început să fi e tipărite din anul 1910. Astfel, seria publicaţiilor cuprindea, până la cel de Al Doilea Război Mondial, următoaarele perioade de ani: 1910-1914 (5 volume); 1921-1931(11 volume); 1933-1934 (2 volume); 1937-1940 (4 volume). Aceste publicaţii cuprindeau mişcarea preţurilor de detaliu la articole de prima necesitate, preţuri care erau medii şi se refereau la categoria mijlocie a articolelor vizate, ele fi ind socotite ca indispensabile vieţii. Până în anul 1925 s-a publicat numai indicele general al preţurilor de detaliu (la consumator), iar din 1926 s-a introdus şi indicele costului vieţii, la început în 40, apoi din 1928, în 71 de oraşe, care cuprindea 33 de articole de prima necesitate repartizate în trei grupe: 14 articole alimentare de origine animală, zece articole de origine vegetală şi nouă articole de îmbrăcăminte, încălţăminte, iluminat şi încălzit. Indicele mediu pe ţară al preţurilor de detaliu a avut că bază anul 1913 pentru perioada 1924-1929. Indicele costului vieţii (de scumpete) era diferit în conţinut faţă de indicele general al preţurilor, ce rezulta din metoda de calcul, în primul caz preţurile sunt ponderate cu cantitatea mărfurilor intrate în consum sau vândute efectiv populaţiei, în al doilea caz nu se ţinea seama de cantitatea mărfurilor intrate în consum sau vândute populaţiei. Indicele costului vieţii (de scumpete) avea la baza cheltuielile lunare, strict necesare, unei familii din clasa socială mijlocie, compusă din cinci membri, cu un venit lunar fi x, iar pe baza preţurilor adunate şi a cantităţilor articolelor consumate lunar, se calcula cota de scumpete în raport cu preţurile din anul 1913 = 100. Preţurile se culegeau până în anul 1933 în vederea studiilor de documentare, iar rezultatele privind evoluţia lor la principalele mărfuri şi servicii, precum şi altele privind costul vieţii, se publică în mod regulat în


cursul anului imediat următor, în această perioada pentru nevoile practice de informare, diferite instituţii interesate au recurs la sisteme proprii pentru culegerea preţurilor. În anul 1933, marele statistician şi matematician Nicolae Georgescu Roegen şi-a adus un aport deosebit în organizarea statisticii preţurilor cu unele îmbunătăţiri în modul de culegere a preţurilor şi a tarifelor, calculând un indice de preţ de detaliu pentru oraşul Bucureşti. Din anul 1933 s-a urmărit variaţia preţurilor de detaliu ale articolelor de prima necesitate, lista cuprindea 68 de articole repartizate astfel: 20 articole alimentare de origina animală, 27 articole de origina vegetală, 12 articole de îmbrăcăminte şi încălţăminte, cinci articole de combustibil şi patru articole de diverse. Nu s-au cuprins fructe, confecţionatul unui costum de bărbat, confecţionatul unei rochii, transportul orăşenesc, intrarea la spectacole, m.c. de apă potabilă, KWh energie electrică, chirii şi nici alte servicii. În Anuarul Statistic al României din anii 1939 şi 1940 s-a publicat: indicele mediu pe ţară al preţurilor de detaliu în anii 1929-1939 (1913 =100) la mărfuri alimentare de origine animală şi vegetală, legume, şi fructe, îmbrăcăminte, încălţăminte şi confecţii, combustibil, chirii şi diverse; indicele preţurilor de detaliu pentru 38 de articole principale; indicele costului vieţii din anii 1933-1934 şi 1937-1939. Începând cu anul 1937 datorită unei tendinţe ascendente a preţurilor s-a impus acordarea unei atenţii deosebite a evoluţiei preţurilor şi tarifelor şi pentru coordonarea culegerii materialului brut Institutul Central de Statistica a început să publice Buletinul lunar al preţurilor, organ de informare rapidă care să aibă nu numai o valoare documentară, dar şi practică. Scopul principal al apariţiei lunare a acestui Buletin a fost crearea unui organ central, care să servească interesele tuturor instituţiilor, specialiştilor şi opiniei publice. În anul 1939 s-a calculat pentru prima dată în România indicele preţurilor de detaliu pentru 71 oraşe capitale de judeţ. Lucrarea a fost executată de către secţiunea statisticii preţurilor reorganizată de un alt mare statistician, Roman Cresin, când Indicele preţurilor de detaliu a fost stabilit pentru anii 1933, 1937 şi 1938 având că baza anul 1933. În publicaţiile statistice privind preţurile se cuprindea până în 1939, pe lângă serii de preţuri de detaliu (din 71 de oraşe, capitale de judeţ), la principalele mărfuri şi servicii de consum, şi indicii preţurilor de detaliu lunar pe baza preţurilor a 33 de produse de prima necesitate, şi indicele costului vieţii calculat anual, care se baza pe preţurile a 182 produse. Ambele serii de indici se refereau la perioada 1933-1940, anul 1933 fi ind considerat an de bază. Pentru anul 1940 ca urmare a cedării unor teritorii, volumul publicaţiilor cuprindea date numai pentru 47 de oraşe.


Ceea ce este deosebit de menţionat este faptul că Buletinul statistic de preţuri era bogat în date. Astfel, de exemplu, în Buletinul preţurilor din 1939 se publicau, în afară de cele menţionate mai sus, şi date privind: a) Repartiţia procentuală a diferitelor categorii de cheltuieli care alcătuiesc costul vieţii pe localităţi. Total mărfuri alimentare şi fructe din care: alimente de origine animală, alimente de origine vegetală, fructe, total îmbrăcăminte, încălţăminte, confecţii, lumină, apă şi combustibili, diverse, transport, spectacole, chirie; b) Nivelul costului vieţii în oraşele capitală de judeţ faţă de aceleaşi categorii de cheltuieli din Bucureşti unde se publicau cele 71 de oraşe ierarhizate în ordine în funcţie de nivelul de scumpire; c) Serii de preţuri medii pe localităţi şi pe ţară pentru 62 de articole din perioada 1913, 1929-1934, 1937-1940, rezultate din preţurile medii anuale.

1.2. Perioada de economie socialistă planifi cată centralizată După cel de-Al Doilea Război Mondial a urmat perioada de economie socialistă planifi cată centralizată, când o serie de statisticieni şi economişti, ca de exemplu C. Itigan, C. Bugeanu, Silvia Mihăiescu au organizat şi efectuat calcule privind indicele preţurilor cu amănuntul (la consumator) la condiţiile şi posibilitatiile existente perioadei, astfel, s-a calculat indicele în funcţie de datele obţinute având o sfera de cuprindere şi un conţinut diferit după cum urmează1: a) în perioada 1947-1951 indicii de preţuri cu amănutul s-au calculat pentru un număr restrâns de localităţi, folosindu-se datele obţinute din bugetele familiilor de muncitori; b) în perioada 1952-1954, când prin unifi carea preţurilor a devenit posibil un calcul al indicilor preţurilor cu amănuntul la nivelul ţării, pe baza unui nomenclator de circa 200 de produse, care reprezentau grupele de mărfuri din evidenţă vânzărilor realizate din statistică circulaţiei mărfurilor; c) în perioada 1955-1974, când reglementarea principiilor de stabilire şi modifi care a preţurilor a permis calculul unui indice cu sfera completă care refl ectă totalitatea mişcărilor de preţuri cu amănuntul ce au avut loc în economie, indicii s-au stabilit pe grupe de mărfuri şi servicii, şi familii de mărfuri alimentare şi nealimentare, pe total comerţ de stat şi cooperatist şi/sau pe total servicii sector de stat şi cooperatist; d) în anul 1970 s-a introdus cercetarea tarifelor practicate pentru seviciile prestate de micii meseriaşi particulari, în 39 de oraşe (capitale de judeţ), fi ind extinsă în anul 1975, la 95 de oraşe în care se efectua cercetarea

1. Silvia Mihăescu, “Principii metodologice de calcul al indicilor preţurilor cu amănuntul,” Revista de Statistica, nr. 7, 1972


pentru culegerea preţurilor în piaţă ţărănească. Pentru nevoile de calculare a tarifelor medii ponderate şi al indicilor tarifelor se urmarea totodată şi valoarea impozabilă a meseriaşilor din acele oraşe, pe feluri de meserii; e) în perioada 1. I. 1975 - 1. XI. 1990, s-a introdus pe baza HCM nr. 219/1975 un sistem informaţional statistic al urmăririi modifi cării preţurilor cu amănuntul la mărfurile alimentare şi nealimentare vândute şi al tarifelor de sevicii prestate populaţiei, de către unităţi de stat, cooperatist şi particulare, care se baza pe metoda excepţiilor, adică pe înregistrarea, în principal, a volumului valoric rezultat din modifi carea preţurilor/tarifelor la mărfurile/serviciile la care s-au aprobat şi efectuat modifi cări de preţuri sau tarife în cursul perioadei raportate. În concepţia acestor norme statistice se considerau modifi cări de preţuri cu amănuntul la mărfurile alimentare şi nealimentare vândute sau de tarife la servicile prestate populaţiei de către unităţile de stat şi/sau cooperatist numai în următoarele situaţii: - modifi cările nominale de preţ sau tarif cu caracter defi nitiv efectuate

prin sau în baza actelor normative Decrete, HCM-uri, Ordine, emise de forurile competente şi autorizate de a lua decizii în acest domeniu;

- schimbarea perioadelor de aplicare a preţurilor/tarifelor diferenţiat pentru “sezon” şi ”în afară de sezon”;

- modifi cări în criterile de stabilire a preţului/tarifului. De exemplu, chiria se stabilea în funcţie de venit, de numărul de persoane pe familie şi de spaţiu aferent, dacă unul din aceste elemente se modifi ca, se schimba şi nivele chiriei;

- modifi carea condiţiilor, a procedeelor şi a modului de prezentare, de exemplu: încadrarea părţilor anatomice pe calităţi sau componente în tranşarea cărnii, schimbarea tăriei băuturilor alcoolice, a ambalajului etc.

Nu se consideră modifi care de preţ/tarif, reducerea temporară la produsele desfăcute în pieţe, târguri de vara sau toamna, sau cea efectuată pentru lichidarea unor stocuri de mărfuri greu vandabile, soldarea unor mărfuri cu defecte sau alte situaţii de acest gen. În aceste condiţii Indicele preţurilor cu amănuntul era de tip Paasche1 şi avea la bază: la numărător volumul valoric al desfacerilor (vânzărilor) de mărfuri alimentare - inclusiv alimentaţia publică -, al mărfurilor nealimentare, al serviciilor prestate populaţiei de către unităţile de stat şi cooperatiste plus meseriaşii particulari şi cumpărarea de locuinţe de către populaţie, din perioada

1. Hermann Paasche (1851-1925), economist şi statistician german, s-a ocupat de statistica evoluţiei preţurilor, elaborând în anul 1874 un indice ce-i poarta numele


curentă, de calcul din care, la numitor, se scădea sau se adaugă, după caz, volumul valoric al modifi cărilor de preţuri şi tarife efectuate în perioada pentru care se făcea raportarea, utilizând aceeaşi metodă ca la indicele produselor industriale aplicată în 1973 şi prezentată la pct.2.1.

1.3. Perioada de tranziţie la economia de piaţă Trecerea de la economia socialistă planifi cată centralizată la economia de piaţă a determinat Guvernul României, prin “Hotărârea nr. 1109 din 18 octombrie 1990 cu privire la liberalizarea preţurilor şi măsurile de protecţie socială”, liberalizarea preţurilor şi tarifelor să se facă de la 1 noiembrie 1990. Această măsură a impus trecerea la un nou sistem statistic de observare, cercetare şi culegere a preţurilor şi tarifelor din economie care sunt componente ale Indicelui preţurilor la consumator, iar metodologia de construire a indicelui să se bazeze pe principii general valabile în ţările cu economie de piaţă, pentru a ne alinia la cea practicată în ţările europene şi a o adapta la condiţiile specifi ce, practice şi posibilităţile existente în economia românească. Introducerea în practică a noului sistem de culegere a preţurilor şi tarifelor şi a construirii indicelui a fost posibilă datorită includerii în Hotărârea de Guvern nr. 1109/ 18.X.1990 a unor prevederi prin care se menţiona necesitatea înfi inţării şi organizării în cadrul Comisiei Naţionale pentru Statistică a unei direcţii de specialitate de urmărire a evoluţiei preţurilor şi tarifelor şi în teritoriu de servicii cu personal pentru observarea şi culegerea lor, alocându-se pentru aceasta un număr de 235 de posturi. Aceasta a fost posibil de realizat cu sprijinul şi acordul pe care Comisia Naţională pentru Statistică l-a primit în momentul elaborării Hotărârii de la o serie de demnitari cu funcţii de răspundere că de exemplu: Theodor Stolojan, Nicolae Văcăroiu, Cătălin Zamfi r, Octavian Partenie, care au înţeles importantă şi necesitatea organizării unui sistem statistic adecvat urmaririi şi determinării mişcării preţurilor şi tarifelor. Fiind direct implicat în acestă problemă, timpul foarte scurt de trecere la un nou sistem de urmărire a preţurilor şi tarifelor, a impus acţionarea rapidă şi dirijată a acţiunii printr-o etapizare, fi ind necesar în primul rând formarea colectivului Direcţiei Statisticii Preţurilor, cu trei servicii, pe lângă cei care făceau parte din vechiul serviciu de preţuri, Mariana Terlichi, Gabriela Borcan, Victoriţa Evi, Elena Stanca, am atras şi pe alţii cu experienţă din statistică, de exemplu pe Cornelia Simon, Mircea Fulger, Ion Crăciun, N. Tipsie, Marcela Volentiru, informaticieni/programatori Dorina-Maria Aron, Cristina Mali, sau economişti din afară precum Constantin Secăreanu, Marilena Hanganu,


Gabriela Narciza Murgociu-Nicolae. Pentru a completa şi crea o simbioza au fost angajaţi tineri dornici a se implica într-o nouă şi interesantă activitate, ca Elena Iorga, Cristina Lascăr şi alţii, formând astfel un grup de ecomomişti, statisticieni şi informaticieni capabili a rezolva o problema nouă, complexă şi difi cilă, în condiţiile în care nu există niciun ghid sau metodologie unitară, integrală de parcurs. Pentru a avea un mod unitar de gândire şi acţiune au fost convocaţi convocat la Bucureşti directorii direcţiilor judeţene de statistică pentru a face cunoscut sarcinile ce revin instituţiei noastre, stabilind modul de înfi inţarea a servicilor de statistică a preţurilor, de organizare şi de desfăşurare a activităţii privind angajarea de personal califi cat, în special de sex feminin care cunoaşte specifi cul unităţilor comerciale şi de prestări servicii din localitatea respectivă, necesar pentru culegerea preţurilor şi tarifelor. În acelaşi timp, am elaborat prima metodologie de construire a Indicelui preţurilor la consumator, care a fost prezentată în Consiliul de Conducere al Instituţiei după care s-a trecut la întocmirea de nomenclatoare, utilizându-se pentru eşantioane “metoda selecţiei concentrate (dirijate)” unde se extrag/reţine din colectivitatea generală numai elemente care sunt cele mai reprezentative (cu pondere mare valorică sau cantitativă) sau sunt specifi ce şi care pot caracteriza atât întreagă colectivitate, cât şi părţile/grupele componente din care fac parte, precum şi alte lucrări necesare pentru construirea indicelui de preţuri la consumator, după cum urmează: a) Nomenclatorul de mărfuri alimentare, nealimentare şi sevicii defalcat pe grupe, subgrupe, posturi de cheltuieli, sortimente având că bază structura Bugetelor de Familie, care pentru detaliere s-au efectuat acţiuni de teren la mari unităţi comerciale şi industriale din Bucureşti şi din ţară, unde prin consultarea specialiştilor din diferite domenii de desfacere a mărfurilor sau prestărilor de servicii pentru populaţie, s-a stabilit sortimentele cele mai solicitate, utile, reprezentative, ca vânzare/ prestare din cadrul fi ecărui post de cheltuială, ce au însumat în prima etapă peste 2.500; b) Elaborarea suportului de înregistrare a datelor culese, prin întocmirea de caiete cu nomenclatorul de mărfuri şi servicii detaliat până la nivel de sortimet pentru fi ecare grupă în parte: mărfuri alimentare, mărfuri nealimentare şi servicii, în care se înscria denumirea sortimentelor, cu descrierea tehnică, pentru a fi identifi cat uşor şi spaţii,/ coloane de înregistrare a datelor de preţ/tarif cules săptămânal/decadal sau bilunar; c) Nomenclatorul de localităţi, în care urmă să se facă observarea şi culegerea preţurilor/tarifelor, s-a stabilit după criteriul numărului cel mai mare al populaţiei din judeţ, care sunt şi reşedinţa de judeţ, plus Municipiul Bucureşti (41);


d) Nomenclatorul zonelor/centrelor de cercetare, observare şi culegere a preţurilor/ tarifelor, din cadrul localităţilor stabilite a fost de 68, având la baza trei criterii: numărul populaţiei, volumul valoric al vânzărilor de mărfuri vândute şi volumul valoric al prestaţiilor de sevicii efectuate populaţiei din localităţile respective; e) Nomenclatorul punctelor (magazine, ateliere) de culegere a preţurilor/tarifelor din cadrul fi ecărui centru/zone de cercetare s-a apelat la personalul califi cat în special de sex feminin care au intuiţie, cunosc din practică cotidiană care sunt unităţiile comerciale şi de prestări servicii pentru populaţie, cu cel mai mare adevăr din centru/zonă, care să constituie punctele de observare şi culegere a preţurilor/tarifelor pentru sortimentele cuprinse în nomenclator, stabilindu-se circa 7.000 pe total, de unde să se înregistreze/culege în permanenţă preţul/tariful de la aceeaşi varietate a sortimentului; f) Stabilirea coefi cienţiilor de ponderare pentru fi ecare sortiment s-a realizat prin detalierea posturilor de cheltuieli din Bugetele de familie şi acordarea fi ecărui sortiment ponderea cuvenită în funcţie de gradul de necesitate în consumul populaţiei; g) Elaborarea pentru prima dată a algoritmului pentru programul de teletransmitere electronică a datelor şi a programului de prelucrare a lor pentru construirea indicelui, prin agregări sucesive, fi ind o lucrare de o mare importanţă, nouă, complexă şi de volum în practica statistică românească, care s-a realizat într-un timp foarte scurt, cu foarte mare profesionalism de doamna Dorina Maria Aron cu colectivul său ; Aceste lucrări importante, complexe şi de volum au fost realizate de colectivul direcţiei în timp record ceea ce a permis trecerea la culegerea preţurilor şi tarifelor din teritoriu încă din ziua de 15 noiembrie, şi realizarea construirii şi publicării primului Indice al preţurilor la consumator în prima parte a lunii decembrie’90 . Indicele de preţ elaborat a fost de tip Laspeyres1 cu baza de referinţă luna octombrie 1990, având prin construcţie o formă piramidală, prin faptul că s-a pornit de la preţurile medii a sortimentelor obţinut din preţurile nominale ale tuturor varietătilor componente de la cele 68 de centre şi prin agregări succesive, post de cheltuieli, subgrupă, grupa de mărfuri/servicii s-a obţinut indicele pe total. Această a făcut posibil reluarea după cinzeci de ani de publicare a datelor statistice privind evoluţia preţurilor şi tarifelor în prima publicaţie de profi l intitulată “Buletin de Informare Publică”, iar din ianuarie 1991 s-a intitulat “Buletinul Statistic de Preţuri”, unde s-au cuprins date privind

1. Etienne Laspeyres /( 1834-1913), statistician şi economist german, profesor la Universitatea din Basel, a elaborat în 1864 formula indicelui care îi poartă numele


Indicele preţurilor la cumpărător din noiembrie/faţă de luna octombrie 1990, atât pe total cât şi pe cele trei grupe: mărfuri alimentare, mărfuri nealimentare şi servicii, precum şi indici de preţuri şi tarife la mărfurile şi serviciile din Anexă nr. 5 din Hotărârea de Guvern nr. 1109/1990, pe total, pe grupe de mărfuri, pentru salariaţi şi pensionari, precum şi indici de preţuri şi tarife la grupele şi la mărfurile prevăzute în Anexă nr.6 din aceeaşi Hotărâre, care s-a dezvoltat în timp. Pentru a se arată importanţă activităţii desfăşurate în culegerea datelor şi creeare unei unităţi şi claritate în modul de culegere a preţurilor/tarifelor s-au efectuat în cursul primei perioade a anului 1991 instruiri în teritoriu pe centre: Bucureşti, Alba Iulia, Brăila, Bacău, Constanţa, Craiova, Timişoara cu toţii statisticieni cu activitate şi sarcini în acest domeniu.

2. Indicii statistici privind evoluţia preţurilor produselor industriale

Din publicaţiile apărute înainte de Al Doilea Război Mondial rezultă că primele calcule au fost efectuate de către N. Georgescu Roegen, care a elaborat pentru prima dată o serie a Indicelui preţurilor produselor industriale folosite în agricultură comparat cu Indicele preţurilor produselor agricole pentru perioada 1930-1940.

2.1. Perioada de economie socialistă planifi cată Nevoia urmăririi evoluţie preţurilor produselor industriale apare la începutul anilor 1960 , când modifi cările de preţuri sunt mai frecvente şi de volum, ceea ce făcea tot mai difi cilă stabilirea în termeni reali a produsului global şi net din ramură industrie, care avea o pondere mare în Produsul Social şi Venitul Naţional. Prezentând problema conducerii direcţiei, s-a creat un colectiv de economişti-statisticieni cu preocupări în domeniu, format din: Angela Velicu, Stelian Dinculescu şi V.V. Dumitrescu care au pregătit un material cu propunerea de înfi inţare în cadrul Direcţiei Balanţelor Economiei Naţionale şi Statisticii Financiare a unui Serviciu de urmărire a evoluţiei preţurilor din ramură industrie, cu stabilirea obiectului, sarcinilor şi modului de organizare şi de desfăşurare a activităţii serviciului, care a fost aprobat de directorul dr. Mihai Capătă, respectiv de directorii generali adjuncţi Mihai I. Anastasescu şi dr. Ion Răvar. Serviciul s-a înfi inţat în anul 1968, şi prima lucrare efectuată a fost metodologia de construire a Indicelui preţurilor produselor industriale, bazată pe ceea ce s-a prezentat, în publicaţii existente şi în mod deosebit pe


informaţiile şi consultările avute în unităţile industriale pentru a se cunoaşte şi realiza modul de obţinere a datelor necesare. În anul 1969 s-a trecut la construirea indicelui preţurilor produselor industriale pentru anul 1968, în ramura industriei chimice, unde Ortansa Geonea împreună cu specialişti din minister au utilizat un nomenclator de 1.500 de produse reprezentative (circa 95% din producţia marfă) împărţite după destinaţia efectivă a produselor, în funcţie de preţurile practicate la: fondul pieţii, export, consum productiv, rezervă de stat şi alte destinaţii; în anul 1970 Mărioara Dogaru a construit indicii de preţuri ai produselor industriale pentru anul 1969 în industria alimentară pentru subramurile băuturi, tutun, carne şi preparate de carne, la un nomenclator de circa 900 de produse. Din lucrările elaborate şi consultările avute s-a constatat că frecvenţa modifi cărilor de preţ şi modul cum se produc numai prin Hotărâri de guvern, Decrete, Ordine şi alte acte normative emise numai de anumite organe de Stat şi/sau Cooperatiste am stabilit împreună cu Directorul General Ilie Salapa ca mod de obţinere a datelor să se facă selectiv după “Metodă Excepţiilor”, adică să se transmită date numai de unităţile unde s-au efectuat modifi cări de preţuri în perioada pentru care se face raportarea. Primul sistem informaţional al preţurilor de vânzare pentru produsele industriale în ţară noastră, a fost statornicit prin Hotărârea Consiliului de Miniştri nr. 1560 din 19 decembrie 1972, privind introducerea de la 1 ianuarie 1973 a “Sistemului informaţional statistic al preţurilor de producţie şi de livrare” (denumite în trecut preţuri cu ridicată ale întreprinderii, respectiv preţuri cu ridicata ale industriei)1. Sistemul informaţional statistic privind urmărirea evoluţiei preţurilor de producţie şi de livrare ale produselor/serviciilor din ramura industrie se baza în principal pe: a) valoarea producţiei marfă industrială vândută şi încasată în preţuri de producţie şi de livrare curente ale perioadei de raportare pe destinaţii; b) preţurile şi tarifele nominale modifi cate prin acte normative: decrete, hotărâri, ordine, decizii emise de organe competente autorizate, sau modifi carea unor elemente de formare a preţului sau tarifului: benefi ciu, impozitul pe circulaţia mărfurilor sau alte componente, care atrăgeau după sine modifi carea nominală a preţului/tarifului; c) includerea în raportare a produselor/seviciilor industriale fabricate/prestate în serie mică, mare sau de masă, precum şi servicile cu caracter industrial la care au loc modifi cări de preţuri şi tarife nominale;

1. V. V. Dumitrescu,“Sistemul informaţional de preţuri de producţie şi de livrare din industrie” Revista de Statistică, nr. 4. 1973.


d) cantităţile de produse şi preţurile de livrate la terţi: pentru fondul pieţei, la export, alte destinaţii şi valoarea lor încasată de la dată modifi cării preţurilor/tarifelor până la sfârşitul perioadei de raportare. În conformitate cu normele elaborate pentru ţinerea evidenţei modifi cărilor şi a instrucţiunilor de raportare, în care se menţiona că numai unităţile care au înregistrat modifi cări de preţuri/tarife, au obligaţia să raporteze trimestrial date şi informatii pe Darea de seama statistică M.Pr.Ind. “Modifi carea preţurilor nominale la produsele industriale” ce cuprindea date pentru perioada de raportare, cantităţile şi preţurile nominale iniţiale şi cele modifi cate pe destinaţii: fondul pieţei, export şi alte destinaţii a produselor şi actul normativ pe baza căruia s-a aprobat modifi carea. Indicele de preţuri construit era de tip Paasche*) având în componentă la numărător valoarea producţiei marfă în preţuri curente, iar la numitor valoarea producţiei marfă corectată cu volumul valoric al modifi cării preţurilor astfel:

Ip = Σ Q1P1 / Σ Q1P1± A Unde: Ip = indicele preţurilor producţiei industriale; Σ Q1P1 = volumul valoric total al producţiei marfă industriale vândute şi încasate în preţuri curente practicate/modifi cate: A = Σ q1p1 - Σ q1p0 = abaterea valorică a modifi carilorde preţ, rezultată că diferenţa între producţia din perioada raportată de unităţile respective, exprimată în preţuri curente(modifi cate) şi cele iniţiale; Σ Q1P1± A = producţia marfă industrială totală în preţuri curente din care se scade/ adaugă valoarea modifi cărilor de preţuri/tarife din perioada de raportare, obţinându-se producţia în preţurile iniţiale din perioada de baza/referinţă; Conform normelor de determinare volumul valoric al modifi cărilor de preţuri şi tarife efectuate/ aferente perioadei de raportare (A), se determina distinct pentru preţurile de producţie de preţurile de livrare şi pe destinaţiile stabilite: fondul pieţei, export şi alte destinaţii ale produselor, care se centralizau la nivel naţional.

2.2. În perioada de tranziţie la economia de piaţă Sistemul informaţional statistic privind urmărirea evoluţiei preţurilor produselor industriale s-a aliniat începând cu anul 1991 la un nou sistem de construire al indicelui preţurilor produselor industriale având la bază instrucţiunile privind: a) metodologia de construire a Indicelui preţurilor produselor industriale utilizată în ţările cu econmie de piaţă, adaptată la condiţiile ţării noastre1;1. Dr. V.V. Dumitrescu, Dorina-Maria Aron, Victoriţa Evi, “Construirea indicelui preţurilor pro-


b) stabilirea eşantionului (nomenclatorului) de agenţi economici cu activitate industrială încadraţi în cadrul fi ecărei clase CAEN , prin ierarhizarea agenţilor economici industriali în cadrul fi ecărei clase, după nivelul valoric al producţie marfă, în ordine descrescătoare, de la cea mai mare până la cea mai mică, din care s-au reţinut numai primele unităţi cu pondere însemnată din cadrul fi ecărei clase, care reprezentau 60-80% din valoarea clasei respective, şi/sau pe cele care prin produsele fabricate ereau specifi ce şi/sau caracteristice tehnico-funcţional clasei; c) elaborarea eşantionului (nomenclatorului) de produse industriale la nivel de unitate care reprezintă primul nivel de agregare a sortimentelor componente, prin calităţile şi parametrii tehnico-funcţionali, cu ponderea sa valorică şi/sau specifi că, care caracterizează evoluţia preţurilor de vânzare a producţiei marfă industriale din cadrul unităţii producătoare, incluse în cadrul clasei sau claselor din care făceau parte; d) întocmirea eşantionului (nomenclatorului) de sortimente din cadrul fi ecărui produs care formau baza în determinarea urmăririi evoluţiei preţurilor nominale; e) fi şa de înregistrare şi instrucţiunile de culegere a preţurilor nominale practicate la sortimente reprezentative din eşantion. Eşantioanele /(nomenclatoarele) s-au elaborat prin aplicarea metodei selecţiei concentrate (dirijate) care constă în extragerea (reţinerea) din colectivitatea generală a elementelor cele mai reprezentative (cu pondere mare valorică sau cantitativă, cu o gama complexă, diversifi cată şi specifi că a producţiei) care prin însuşirile lor erau reprezentative şi care caracterizau întreaga colectivitate din care făceau parte. Astfel, eşantionele/(nomenclatorele) menţionate mai sus au avut următoarea componentă: pentru anii 1991-1993 s-a efectuat înregistrarea preţurilor direct de la circa 780 de unităţi/agenţi economici cu activitate industrială, pentru 1.753 de produse divizate în circa 7.500 de sortimente etalon. În anii 1994 şi 1995 eşantionul a fost de 1030 de unităţi industriale, nomenclatorul de 2.450 produse defalcate pe circa 9000 de sortimente etalon, reprezentative. Indicele preţurilor produselor industriale a fost construit după o formulă combinată de tip Laspeyres-Paasche, asfel: Ip = Σ W0 i unde: Ip = Indicele preţurilor producţiei industriale; W0 = coefi cienţii de ponderare, ca ponderi relative a structurii producţiei marfă din perioada de bază (tip Laspeyres) desfăşurată pe clase şi unităţi; i = indicii de preţ agregaţi de tip Paasche calculaţi pe baza datelor obţinute de la unităţile cuprinse în eşantion.

ducţiei industriale” Revista de statistică, nr. 9, 10-11/1994


Algoritmul de construire a Indicelui preţurilor producţiei industriale s-a efectuat prin agregări succesive pornind: a) de la nivel de agent economic unde s-a stabilit indicele de preţ ( i ) de tip Paasche care avea la numărător cantităţile sortimentelor din perioada curentă, ponderate cu preţurile nominale practicate la vânzarea producţiei sau preţuri medii în cazul în care au existat mai multe tranzacţii (cumpărători) pentru acelaşi sortiment cu preţuri diferite sau dacă în cursul lunii curente, au fost efectuate mai multe modifi cări de preţ nominal, iar la numitor cantităţile din perioada curentă ponderate cu preţul nominal sau mediu din perioada de baza/ referinţă; Indicele (i) s-a calculat pe agent economic, pe clasa sau clasele, acolo unde a existat o diversitate mare de produse care se încadrau după specifi cul lor în mai multe clase a producţiei executate şi livrate de acelaşi agent econimic; b) la nivel de ţară s-a stabilit coefi cientul de ponderare, din anul de referinţă (W): pe diviziuni, grupe, clase şi unităţi, agregările pornind de la : - nivel de clasă prin însumarea valorilor obţinute de la toţi agenţii economici; - nivel de grupe - suma tuturor claselor componente; - nivel de diviziune - suma tuturor grupelor componente; - nivel de ramură industrială - suma tuturor diviziunilor.

3. Indicii statistici privind evoluţia preţurilor produselor agricole

Preţurile produselor agricole au stat în atenţia statisticii pentru obţinerea de date şi stabilirea evoluţiei lor atât pentru evaloarea produselor din Balanţele producţiei agricole, cât şi efectuarea de studii necesare în elaborarea unor lucrări de analiză.

3.1. Indicii statistici privind evoluţia preţurilor produselor agricole agroalimentare vândute în piaţă ţărănească1

În cadrul statisticii preţurilor un loc important l-a ocupat urmărirea evoluţiei preţurilor produselor agroalimentare vândute de către producători în piaţă ţărănească care au o importanţă deosebită în caracterizarea nivelului de trăi al populaţiei. Urmărirea evoluţiei preţurilor produselor agroalimentare vândute în piaţă ţărănească s-a efectuat în mod diferit în următoarele perioade:

1. Dr. V. V. Dumitrescu, Dorina Maria Aron, Alexandru Pascu, Elena Copandeanu, Rodica Borsaru şi Doina-Oana Marianciuc, “ Modul de urmărire a evoluţiei preţurilor produselor agro-alimentare vândute în piaţa tărănească” Revista Română de Statistică, nr. 3, 1995.


a) în perioada dintre cele două războaie mondiale, culegerea preţurilor produselor agroalimentare şi preţurile de detaliu ale articolele de prima necesitate se făcea sporadic, de către Camera de Comerţ şi Industrie pentru stabilirea costului vieţii ; b) după cel de-Al Doilea Război Mondial, culegerea preţurilor la produsele agroalimentare vândute în piaţă ţărănească s-a organizat şi efectuat de către Institutul Central de Statistică şi a început cu anul 1947 . În perioada 1947 – 1994, numărul de produse cuprinse în cercetarea preţurilor produselor agroalimentare vândute în piaţa ţărănească, din care de origine vegetală şi de origine animală se prezintă astfel:

Perioada Nr. de produse cuprinse în cercetare

din care: de origine vegetală de origine animală

1947- 1949 29 21 81950-1960 42 24 181961-1965 48 28 201966-1971 57 36 211972-1985 68 42 261986-1989 79 57 221990-1994 90 57 33

În ceea ce priveşte numărul de localităţi în care s-a efectuat cercetarea şi culegerea preturilor şi cantităţilor, acestea a diferit de la o perioada la altă astfel: în perioada 1947-1959 în 23 localităţi; 1960-1966 în 59 de localităţi; 1967-1971 în 78 de localităţi; 1972-1985 în 95 de localităţi; 1986-1987 în 161 de localităţi; 1988-1989 în 237 de localităţi, iar din 1990 până în 1994 s-a revenit la 95 de localităţi care aveau o pondere mare în vânzarea produselor agroalimenare. Observarea şi culegerea preţurilor practicate pe fi ecare produs agroalimentar s-a efectuat în piaţa reprezentativă din localităţile stabilite, de către agentul statistic de la D.J.S. sau D.G.S.M.B. la datele stabilite decadal pe 5, 15 şi 25 ale lunii, iar din anul 1991, odată cu intrarea în practică a culegerii preţurilor pentru Indicele preţurilor la consumator, s-a trecut la 10, 20, 30 (28, 29, 31), iar înregistrarea cantităţilor se efectua zilnic de către personalul însărcinat din cadrul Administratiei pieţei respective. La nivel central se efectua extinderea pieţei ţărăneşti, şi se calculau preţuri medii pe produs, indici elementari şi indici agregaţi de preţuri, ai volumului fi zic şi ai volumului valoric, prin însumarea valorilor la nivel de grupă, de familie şi pe total produse aplicând formulele corespunzatoare de indice tip Paasche sau Laspeyres.


3.2. Utilizarea indicilor de preţuri privind produsele agricole În cadrul Serviciului de preţuri cu ridicată înfi inţat în anul 1968 s-au efectuat unele lucrări de uz intern sau public privind preţurile produselor agricole, ca de exemplu: a) Serii de indici de preţuri ai produselor agricole pentru perioada 1957-1968 privind producţia agricolă pe baza datelor din Balanţele producerii şi utilizării producţiei agricole pe Total agricultură şi categorii de unităţii agricole: unităţi de stat (întreprinderi agricole de stat (IAS), cooperative agricole de producţie (CAP)); gospodării agricole ale populaţiei, pe forme de creare, utilizare şi realizare a producţiei marfă agricole, aplicând formulele de tip Laspeyres, Paasche şi Fisher, pe baza unui program de prelucrare a datelor elaborat de informaticienii-economişti Radu Chirilă Augustin şi Alexandru Brodeală din Centrul de Calcul al instituţiei. b) elaborarea foarfeciului de preţuri pe anul 1969, dintre evoluţia preţurilor poduselor industriale consumate în agricultură, culese de la Bazele de aprovizionare, şi preţurile produselor agricole vândute, din Balanţele produselor agricole; c) prognoza decadală sau lunară a preţurilor la principale produse agroalimentare vândute în piaţă ţărănească după o metodă creată de directorul Direcţiei metodologie dr Ion Gh. Marinescu statistician, economist, demograf şi matematician. Statistică urmăririi evoluţiei preţurilor şi a tarifelor este un domeniu deosebit de important, interesant şi util pentru obţinerea mişcării în timp şi spaţiu a preţurilor şi tarifelor, precum şi pentru construirea indicilor defl atori pentru exprimarea în termeni reali a Produsului intern brut, a veniturilor populaţiei şi a altor indicatori statistici.

BIBLIOGRAFIE 1. N. Georgescu-Roegen, Preţurile, Enciclopedia României, Vol. IV, Cap. Economia

Naţională, Circulaţie, Distribuţie şi Consum, 1943; 2. Prof. univ.dr. Ludovic Tòvissi, Determinarea impactului modifi cării sistemului de

ponderare asupra valorii indicelui sintetic, Revista Română de Statistică, nr.10-11.1994;

3. Laurenţiu Guţescu, “Informaţia Statistică şi Agricultură - Evenimente, Fapte, Oameni -Abordare Istorică, Ed. Academia Oamenilor de Ştiinţă din România, 2010;

4. C. Popescu, D. Şandru ”Unele probleme în legătură cu indicii preţurilor cu ridicată” Studii de Statistică, I. DCS, 1961;

5. Silvia Mihăescu, “Principii metodologice de calcul al indicilor preţurilor cu amănuntul,” Revista de Statistică, nr. 7, 1972,

6. Angela Velicu, S. Dinculescu, V. V. Dumitrescu, “Crearea unui sistem de urmărire a mişcării preţurilor cu ridicată în industrie” Studii de Statistică,VI, DCS 1968;


7. Gh. Şerban, V. V. Dumitrescu, M. Dogaru, Ortansa Geonea, M. Lilu” Unele probleme ale statisticii preţurilor cu ridicată” Studii de Statistică, VII, DCS, 1969;

8. V. V. Dumitrescu, “Sistemul informaţional de preţuri de producţie şi de livrare din industrie” Revista de Statistică, nr. 4, 1973.

9. Pour comprendre l’indice des prix, INSEE, France deuxième edition 1989; 10. Jean Michel Rempp, Les indices de prix a la consommation. INSEE,Paris,

1984; 11. Dr. V. V. Dumitrescu, Construirea Indicelui preţurilor de consum, Revista Română

de Statistică, nr 9, 1993; 12. Dr. V. V. Dumitrescu, Construirea Indicelui preţurilor de consum, Revista Română

de Statistică, nr. 4-5, 1994; 13. Dr. V. V. Dumitrescu,“Unele aspecte privind construirea indicelui preţurilor de

consum” ECONOMISTUL, Cotidian al Asociaţiei Generale a Economiştilor din România,Anul VII, Nr.789, 26-27 iunie 1996;

14. Dr. V.V. Dumitrescu, Dorina-Maria Aton, Victoriţa Evi, “Construirea indicelui preţurilor producţiei industriale”Revista Română de Statistică, nr. 9, 10-11/1994.

15. Dr. V. V. Dumitrescu, Dorina Maria Aron, Alexandru Pascu, Elena Copandeanu, Rodica Borsaru şi Doina-Oana Marianciuc, “ Modul de urmărire a evoluţiei preţurilor produselor agroalimentare vândute în piaţă ţărănească” Revista Română de Statistică, nr. 3, 1995;

16. Gheorghe Săvoiu, “Universul preţurilor şi indicii interpret”, Editura Independenţa Economică, Piteşti, 2001.


Director: Cristina SACALĂEchipa logistică:

Oana NICOLAU, Costin GOGONEA, Adrian VIŞOIU

Condiţii pentru prezentarea materialelor spre publicare

Lucrările ştiinţifi ce sau tehnice, originale, se pot prezenta redacţiei spre publicare fi e sub formă de articole, fi e sub formă de scurte comunicări în limba română şi în limba engleză (traducere integrală). Precizările privind condiţiile tehnice pentru predarea materialelor se afl ă pe site-ul www.revistadestatistica.ro, secţiunea „Procesul de recenzare”.

Conditions for the articles designated for the Romanian Statistical Review

The original scientifi c or technical works can be sent to be published either under article form or short communications in Romanian and English (complete translation). The technical conditions for the articles to be presented can be found at www.revistadestatistica.ro in the “Peer review” section.

ISSN 1018-046X

Reproducerea conţinutului articolelor fără acordul Institutului Naţional de Statistică este interzisă, iar utilizarea conţinutului acestei publicaţii, cu titlul explicativ sau justifi cativ, în diferite lucrări este autorizată numai cu precizarea clară a sursei.

Se precizează că punctele de vedere, datele şi informaţiile cuprinse în articolele publicate aparţin autorilor şi nu angajează răspunderea Institutului Naţional de Statistică

statistica...revista română de statistică - supliment nr. 11 / 2015 sumar / contents 11/2015...

Documents