aplicarea metodei de analizĂ ĂŢ naŢionale de protecŢ

Protecţia drepturilor şi intereselor consumatorilor AE

Vol XII • Nr. 28 • Iunie 2010 313

APLICAREA METODEI DE ANALIZĂ ÎN COMPONENTE PRINCIPALE ASUPRA INDICATORILOR SPECIFICI ACTIVITĂŢII AUTORITĂŢII NAŢIONALE DE PROTECŢIE A CONSUMATORILOR DIN ROMÂNIA

Manuela Rozalia Gabor1∗, Daniela Ştefănescu2 şi Lia Codrina Conţiu3

1) 2) 3)Universitatea Petru Maior din Tîrgu Mureş, România

Rezumat

Autoritatea Naţională pentru Protecţia Consumatorilor din România (ANPC România) este o instituţie a cărei activitate înregistrează evoluţii diferite de la o regiune de dezvoltare la alta şi implicit de la un judeţ la altul. Indicatorii activităţii ANPC România sunt în strânsă corelaţie cu anumiţi indicatori macroeconomici importanţi inclusiv la nivelul judeţelor României, ipoteză verificată într-o cercetare anterioară a autorilor. (Ştefănescu & Gabor, 2008) În prezenta lucrare, verificăm ipoteza că în ultimul deceniu au avut loc numeroase modificări structurale privind indicatorii economici la nivelul judeţelor şi vom analiza evoluţia acestor schimbări structurale pentru două perioade diferite, respectiv pentru anii 2000 şi 2006 şi mai ales gruparea judeţelor României, ţinând cont de indicatorii macroeconomici şi de cei înregistraţi de ANPC România, prin aplicarea unei metode descriptive de analiza datelor, respectiv analiza în componente principale (ACP). Prin aplicarea metodei ACP, se obţin informaţii utile ANPC care, potrivit atribuţiilor specifice, colaborează cu administraţiile publice locale, în privinţa elaborării strategiei de educare a consumatorilor şi de organizare a activităţilor de control. În acest sens, în funcţie de gradul de dezvoltare economică a fiecărui judeţ, de particularităţile de consum ale populaţiei, de nivelul câştigului salarial, de nivelul PIB-ului pe locuitor, se pot dezvolta de către ANPC strategii diferenţiate, adaptate la specificul fiecărui judeţ. Cuvinte-cheie:Autoritatea Naţională de Protecţie a Consumatorilor din România, analiza în componente principale, indicatori macroeconomici, judeţe, corelaţie

Clasificare JEL: C02, C1, C19, D02, D03, D12, D18

Introducere

Între fenomenele şi procesele economice se manifestă o serie de relaţii de

interdependenţă, sub influenţa unor factori esenţiali sau neesenţiali care, fie acţionează indepedent, fie acţionează grupat, formând un alt factor determinant pentru evoluţia acestor procese sau fenomene. ∗ Autor de contact, Manuela Rozalia Gabor - [email protected]

AE Aplicarea metodei de analiză în componente principale asupra indicatorilor specifici activităţii Autorităţii Naţionale de Protecţie a Consumatorilor

din România

Amfiteatru Economic 314

Statistica, mai precis analiza datelor dispune, prin metodele descriptive de analiză a datelor, de instrumente de analiză multidimensională puternice şi eficiente, instrumente pe baza cărora pot fi deduse informaţii derivate importante pentru cercetările de piaţă, analize economice etc, informaţii care, prin aceste metode pot fi ierarhizate din punct de vedere a intensităţii influenţei şi mai ales pot fi analizate în ansamblu şi nu independent. Mai rar utilizate decât metodele explicative de analiza datelor (regresia, de exemplu), metodele descriptive oferă avantaje suplimentare comparativ cu acestea: avantajul neseparării variabilelor în explicative şi explicate, avantajul vizualizării acestor influenţe în spaţiu vectorial care completează şi recomandă aceste metode de analiză a datelor.

În vederea analizării datelor, metodele descriptive pot fi utilizate cu succes în următoarele cazuri:

• identificarea dimensiunilor sau factorilor fundamentali care explică corelaţiile între mai multe variabile;

• identificarea unui nou ansamblu de dimensiuni reduse de variabile necoralate, cu scopul de a înlocui primul ansamblu de variabile corelate într-o analiză multivariată (analiza de regresie sau analiza discriminantului);

• pentru identificarea unui ansamblu mai redus de variabile determinante începând cu un ansamblu mai mare ca să poată fi aplicat unei analize multivariate;

• căutarea de concepte noi, care să reducă numărul de variabile ce descriu o situaţie (Petcu, 2003, p. 122);

• testarea ipotezelor asupra unui ansamblu de variabile (Petcu, 2003, p. 122). Studierea numeroaselor variabile economice, care în cele mai multe situaţii sunt

corelate între ele cu ajutorul analizei descriptive a datelor, este foarte importantă şi reprezintă o informaţie utilă pentru analize complexe, detaliate fie pentru managementul şi marketingul unei firme, fie pentru caracterizări la nivel local, regional sau naţional.

În economie, un individ – consumator, cumpărător, organizaţie, etc. – este caracterizat de mai mult de o variabilă, iar celelalte metode statistice (ca de exemplu corelaţiile) permit analiza fiecărei variabile, dar separat, pe când analiza descriptivă a datelor - şi în special Analiza în Componente Principale – permite abordarea caracterului multidimensional a datelor/ variabilelor ce caracterizează un individ.

În prezenta cercetare, prin folosirea metodei ACP se urmăreşte verificarea ipotezei privind modificarea distribuţiei judeţelor României şi modul de grupare a indicatorilor ANPC, macroeconomici, respectiv, care din aceste grupări de indicatori caracterizează mai bine condiţiile pieţei din fiecare judeţ.

O altă ipoteză vizează verificarea gradului în care populaţia din judeţele mai dezvoltate economic, implicit cu un nivel mai ridicat al PIB-ului, ar conduce la intensificarea activităţii de control ale ANPC.

Pornind de la corelaţiile testate deja în cercetarea anterioară, pentru care s-au obţinut rezultate semnificative din punct de vedere statistic, se urmăreşte identificarea indicatorilor ANPC care se combină cu indicatorii macroeconomici şi influenţează dispersia judeţelor României. Dintre corelaţiile evidenţiate între indicatorii ANPC şi cei macroeconomici analizaţi anterior, le reţinem pe următoarele: valoarea vărsămintelor la buget şi PIB (coeficientul de corelaţie Spearman: 0.62), valoarea totală amenzilor şi PIB (coeficientul de corelaţie Spearman: 0.45), PIB şi numărul firmelor de comerţ (coeficientul de corelaţie Spearman: 0.67), valoarea produselor cu abateri şi numărul firmelor de comerţ (coeficientul de corelaţie Spearman: 0.50), populaţie şi PIB (coeficientul de corelaţie


Vol XII • Nr. 28 • Iunie 2010 315

Spearman:- 0.65). Rezultatele sunt garantate cu un nivel de semnificaţie de 0,01 şi toate arată un nivel mediu al intensităţii corelaţiilor.

Prin aplicarea metodei ACP, se mai urmăreşte testarea ipotezei că indicatorii ANPC vor forma împreună cu indicatorii macroeconomici una din componentele principale şi că această grupare respectă corelaţiile testate anterior. 1. Metodologie – Prezentarea metodei Analiza în Componente Principale (ACP)

Principiul fundamental al acestei metode este de a extrage cel mai mic număr de componente care să recupereze cât mai mult din informaţia totală conţinută în datele originale, aceste noi componente exprimând atribute noi ale indivizilor şi construite astfel încât să fie necorelate între ele, fiecare din aceste noi variabile fiind o combinaţie liniară de variabile originale. (Giannelloni & Vernette, 2001, p. 382) Această metodă oferă o vizualizare grafică a hărţii indivizilor, respectiv a judeţelor din studiu, în funcţie de asemănările dintre ei şi a hărţii variabilelor , respectiv a indicatorilor ANPC şi macroeconomici în funcţie de corelaţiile lor.

Deşi la baza acestei metode stă acelaşi principiu ca şi la analiza factorială (în principiu este o metodă factorială liniară), analiza în componente principale diferă de aceasta prin modul de definire a elementelor tabelului de date iniţial şi modul de calcul al distanţelor dintre puncte. Ca metodă descriptivă de analiză a datelor se aplică doar variabilelor cantitative şi tabelelor de dimensiuni mari care cuprind informaţii referitoare la mai mult de 15 indivizi şi 4 variabile. O altă caracteristică care o diferenţiază de analiza factorială este dată de modalitatea de transformare a termenilor (Pintilescu, 2003, p. 24), astfel în analiza componentelor principale este folosită relaţia (1), pe când în analiza factorială, relaţia (2).

j

jijij n

xxx

σ∗

−=" (1)

j

jijij

xxx

σ−

=' (2)

Etapele ACP sunt redate în figura nr. 1. Etapele prezentate în figura 1 sunt urmate de interpretarea rezultatelor analizei, Saporta şi Ştefănescu (1996, pp. 76-80) menţionând două tipuri de interpretări ce trebuie făcute în cazul ACP, respectiv interpretarea ”internă” adică a corelaţiilor între componentele rezultate în urma aplicării metodei ACP şi variabilele iniţiale (reprezentate prin cercul de corelaţii) şi interpretarea ”externă” între variabile şi indivizi suplimentari, respectiv a judeţelor, explicarea rezultatelor făcându-se cu ajutorul datelor ce au servit la obţinerea lor.


din România


Figura nr. 1 – Etapele analizei în componente principale

Sursa: Pintilescu, C., 2003. Analiza datelor. Iaşi: Editura Junimea, p. 37

În analiza componentelor principale, pentru alegerea numărului de axe factoriale, respectiv a componentelor ce se vor interpreta se folosesc următoarele criterii: • criteriul lui Kaiser (criteriul valorii supraunitare) care constă în alegerea numărului de

axe pentru care valorile proprii corespund unei valori mai mari decât unu. (Saporta & Stefanescu, 1996, p. 507)

• criteriul lui Evrard (criteriul pantei sau ”granulozităţii”) bazat pe reprezentarea grafică a valorilor proprii şi urmărirea unor căderi bruşte a inerţiei explicată de acestea.

• criteriul lui Benzecri (criteriul procentului de acoperire) care presupune alegerea acelui număr de axe care explică mai mult de 70 % din variaţia totală a norului de puncte.

• metoda analizei paralele (elaborată de Horn) este aplicabilă datelor standardizate şi presupune generarea de eşantionae aleatoare, variabilele ce caracterizează populaţie fiind presupuse necorelate două câte două. (Saporta & Stefanescu, 1996, pp. 508-509)

• metoda regresiei este analogă analizei paralele dar nu presupune generarea eşantioanelor aleatoare şi efectuării ACP la nivelul fiecărui eşantion. (Saporta & Stefanescu, 1996, p. 511)

În prezenta lucrare, pentru a asigura un nivel mai ridicat de obiectivitate a prelucrării datelor s-au folosit cumulat mai multe dintre criteriile menţionate: Kaiser, Evrard, Benzecri.

Pentru alegerea numărului de componente principale se utilizează combinaţiile liniare standardizate care au ca punct de pornire în loc de matricea R a corelaţiilor, matricea sumă a covarianţei, şi constă în alegerea acelei combinaţii liniare standardizate cu cea mai mare varianţă. Spre dosebire de analiza factorială – unde se modelează variaţiile variabilelor X prin transformări liniare a unui număr fixat, limitat de factori numiţi ”ascunşi”, latenţi - ACP caută combinaţii liniare între variabile, ordonându-le după valorile proprii ale matricei covarianţelor. Pentru aplicarea metodei ACP s-a folosit programul SPSS, iar pentru detalierea interpretărilor interne şi externe s-a folosit programul EXCEL pentru statistica descriptivă a rezultatelor ACP.

Calcularea vectorilor proprii

normaţi ai matriciei corelaţiilor XTX

Calcularea coordonatelor şi contribuţiilor unităţilor

statistice şi variabilelor pe axele factoriale

Proiecţia şi reprezentarea punctelor

în planul axelor

Calcularea elementelor matriciei

XTX sau XXT

Calcularea valorilor proprii matriciei XTX sau XXT


Vol XII • Nr. 28 • Iunie 2010 317

2. Rezultate obţinute prin aplicarea metodei

Demersul practic al acestei metode a avut ca bază de pornire datele statistice prezentate în anexele 1 şi 2, pentru ambele perioade, respectiv 2000 şi 2006 folosindu-se următoarele grupuri de variabile:

• variabile specifice activităţii desfăşurate de ANPC România: numărul total al acţiunilor de control desfăşurate de ANPC, valoarea produselor cu abateri de la OG 21/1992 pe total şi pentru produse de import, valoarea totală a amenzilor aplicate şi valoarea vărsămintelor la buget din amenzi;

• variabile macroeconomice la nivel judeţean: populaţia la 1 iulie, PIB-ul pe judeţ, numărul firmelor de comerţ, cifra de afaceri a firmelor de comerţ, câştigul salarial nominal mediu net lunar pe total economie.

Urmând etapele aplicării ACP, în prima etapă s-au obţinut rezultatele din anexele 3 şi 4, unde sunt prezentate matricele de corelaţie a variabilelor analizate pentru cele două perioade, respectiv coeficientii de corelatie Pearson din care se observă valori ridicate între multe variabile. Acesta este un semn al redundanţei informaţionale şi prin urmare vom încerca reducerea dimensionalităţii aplicând tehnica ACP, atât pentru 2000 cât şi pentru 2006, urmând să analizăm ulterior dacă între cele două perioade au avut loc schimbări structurale semnificative privind gruparea judeţelor României în funcţie de aceste variabile. Singura variabilă care a suferit modificări este câştigul salarial net mediu lunar (CSMNL) care a înregistrat o creştere a intensităţii corelaţiei cu celelalte variabile ale componentei 1, precum şi cu variabila valoarea totală a produselor cu abateri, de la corelaţie negativă slabă în 2000 la corelaţie pozitivă medie în 2006.

Pentru cea de-a doua etapă a aplicării metodei ACP, respectiv calcularea valorilor proprii matricei corelaţiilor, programul SPSS a generat rezultatele pentru cele două perioade considerate în tabelele 1 şi 2. Se poate observa aşadar, atât pentru anul 2000 cât şi pentru anul 2006, doar două componente principale pot fi reţinute, respectiv judeţele României vor fi reprezentate pe două axe factoriale formate din combinaţia variabilelor iniţiale, deoarece doar pentru două componente s-au obţinut valori mai mari decât 1 (criteriul Kraiser). Un alt criteriu de care s-a ţinut cont în alegerea a două axe factoriale, respectiv două componente principale, este criteriul Benzecri, iar conform datelor din tabelele 1 şi 2 rezultă că aceste componente explică împreună mai mult de 70% din varianţa totală a norului de puncte.

Tabel nr. 1: Varianţa totală explicată şi a valorilor proprii pentru anul 2000 Valori proprii Sumele extrase ale pătratelor

varianţelor

Componente Total % din

varianţă Valori

cumulate %

Total % din varianţă

Valori cumulate

% 1 6,595 65,949 65,949 6,595 65,949 65,949 2 1,311 13,108 79,058 1,311 13,108 79,058 3 ,761 7,611 86,669

… … … … 10 ,006 ,058 100,000

Metoda de extracţie: ACP


din România


Tabel nr. 2: Varianţa totală explicată şi a valorilor proprii pentru anul 2006 Valori proprii Sumele extrase ale pătratelor

varianţelor

Componente Total % din

varianţă Valori

cumulate %

Total % din varianţă

Valori cumulate

% 1 6,885 68,846 68,846 6,885 68,846 68,846 2 1,900 18,995 87,842 1,900 18,995 87,842 3 ,514 5,138 92,980

… … … … 10 0,007 0,067 100,000

Metoda de extracţie: ACP

Pe baza rezultatelor din tabelele nr. 1 şi nr.2, deducem că doar două componente au valori proprii mai mari decât 1, exprimând 79 % din varianţa totală pentru 2000 şi 88 % pentru 2006, ceea ce înseamnă că îi putem utiliza pentru a reprezenta norul de puncte în planul principal. Creşterea proporţiei variaţiei totale explicate de cele două componente este rezultatul creşterii intensităţii corelaţiei, de la nivel slab la nivel mediu, a variabilei câştig salarial net mediu lunar cu celelalte variabile ale componentei 1. De asemenea, se constată că cele două variabile care descriu indicatori specifici ANPC explică doar 13% din varianţa totală pentru anul 2000 şi 19 % pentru 2006. Reprezentarea grafică tipică a unei ACP, respectiv Scree plotul obţinut, identic pentru cele două perioade analizate, confirmă cele două componente principale rezultate în urma aplicării metodei, reprezentate în figura nr. 2.

Scree Plot

Component Number

10987654321

Eige

nval

ue

8

7

6

5

4

3

2

1

0

Figura nr. 2: Graficul valorilor proprii

Analizând reprezentarea grafică a valorilor proprii, şi respectând criteriul Evrard pentru obţinerea numărului de componente principale, putem decide alegerea a 2 componente. Dacă urmărim divizarea cantităţii de informaţie şi faptul că doar primele 2 componente aduc un plus de informaţie faţă de o variabilă din forma iniţială, atunci le vom păstra doar pe acestea din urmă. De asemenea, putem remarca că o proporţie de 79 % din informaţia iniţială pentru 2000 şi 88 % pentru 2006 este extrasă de noile variabile.


Vol XII • Nr. 28 • Iunie 2010 319

Observăm că variabilele (conform celor două matrici a corelaţiilor din anexele 3 şi 4) valoarea produselor cu abateri de la OG 21/1992_produse de import şi valoarea produselor cu abateri de la OG 21/1992_total nu se corelează intens cu nici una dintre variabilele componentei 1. În figurile 3 şi 4 sunt reprezentate grafic componentele obţinute prin rotirea axelor prin metoda Varimax pentru cele două perioade. Valorile coeficienţilor de corelaţie din anexele 3 şi 4 servesc drept coordonate ale variabilelor iniţiale în planul vectorial al celor două componente principale.

Figura nr. 3: Diagrama componentelor în spaţiul obţinut prin rotaţia Varimax,

anul 2000

Figura nr. 4: Diagrama componentelor în spaţiul obţinut prin rotaţia Varimax, anul

2006 Analizând cele două reprezentări grafice din figurile 3 şi 4 devine evident faptul că prima componentă este apropiată de variabilele ce descriu atât indicatorii de măsurare a activităţii ANPC România cât şi de indicatorii macroeconomici, pe când cea de-a doua componentă principală este apropiată de valoarea produselor cu abateri de la OG 21/1992 atât pe total valoare cât şi pentru produsele de import. Se observă însă modificări ale grupării variabilelor pe cele două componente de la un an la altul, astfel:

• trecerea din cadranul valorilor negative ale primei componente a variabilei câştig salarial net mediu lunar la cadranul valorilor pozitive îndepărtate de axa OX formată de componenta principală 2, aşadar contribuţia acesteia creşte în anul 2006 faţă de anul 2000, la formarea componentelor;

• distanţarea de axa OX, axa care descrie componenta principală 2 a variabilei valoarea totală a produselor cu abateri ce formează componenta 2 şi apropierea de variabila valoarea produselor de import cu abateri împreună cu care formează această componentă. Rezultatele generate de programul SPSS pentru matricea componentelor principale în urma rotaţiei Varimax pentru normalizarea vectorilor proprii, conform celei de-a treia etape a metodei, precum şi coordonatele contribuţiilor unităţilor statistice şi variabilelor pe axele factorilor, conform celei de-a patra etape sunt prezentate în tabele 3 şi 4.


din România


Tabel nr. 3: Matricea componentelor principale în urma rotaţiei Varimax - 2000 Componenta Variabile iniţiale

1 2 PIB-ul pe judet ,956 ,084 Numarul firmelor de comert ,955 ,098 Numarul de locuitori la 1 iulie ,936 ,059 Valoarea totala a amenzilor aplicate ,933 ,199 Valoarea varsamintelor la buget ,899 ,257 Numarul actiunilor de control desfasurate ,888 ,172 Cifra de afaceri a firmelor de comert ,873 ,186 Castigul salarial nominal mediu net lunar ,638 -,069 Valoarea produselor cu abateri de la OG 21/1992_total ,028 ,859 Valoarea produselor cu abateri de la OG 21/1992_ import ,163 ,777

Metoda de extracţie: ACP. Metoda de rotaţie: Varimax cu normalizarea Kaiser. a Rotaţie convergentă în 3 iteraţii

Tabel nr. 4: Matricea componentelor principale în urma rotaţiei Varimax - 2006 Componenta Variabile iniţiale

1 2 Numarul firmelor de comert ,973 ,061 PIB-ul pe judet ,966 ,098 Cifra de afaceri a firmelor de comert ,934 ,125 Numărul de locuitori la 1 iulie ,930 -,007 Valoarea totala a amenzilor aplicate ,919 ,206 Valoarea varsamintelor la buget ,916 ,197 Numarul actiunilor de control desfasurate ,842 ,200 Castigul salarial nominal mediu lunar ,682 ,470 Valoarea produselor cu abateri de la OG 21/1992_import ,091 ,982 Valoarea produselor cu abateri de la OG 21/1992_total ,124 ,974

Metoda de extracţie: ACP. Metoda de rotaţie: Varimax cu normalizarea Kaiser. a Rotaţie convergentă în 3 iteraţii

Pentru a putea reprezenta punctele indivizi, respectiv judeţele României, pe harta indivizilor se folosesc coordonatele acestora aflate în componenta principală 1 şi componenta principală 2, respectiv etapele 3 şi 4 ale demersului metodologic, prin calcularea vectorilor proprii normaţi ai matricei corelaţiilor. În tabelele 3 şi 4 se poate observa gruparea celor zece variabile iniţiale pe cele două componente principale noi aferente variabilor celor două perioade analizate. În ceea ce priveşte gruparea variabilelor iniţiale în jurul celor două componente principale este ierarhia acestora care a suferit schimbări în 2006 faţă de 2000, respectiv:

• componenta principală 1: - variabila macroeconomică PIB trece de pe poziţia 1 din anul 2000 pe a doua poziţie în anul 2006, practic inversând locul cu o altă variabilă macroeconomică, numărul firmelor de comerţ care devine astfel, cea mai importantă variabilă a componentei principale 1 în anul 2006; - o altă variabilă macroeconomică cifra de afaceri a firmelor de comerţ trece de pe locul 7 în 2000 pe poziţia 3 în 2006;


Vol XII • Nr. 28 • Iunie 2010 321

- Ca urmare a poziţionării variabilei cifra de afaceri a firmelor d ecomerţ pe locul 3 în 2006, cele trei variabile specifice ANPC care formează componenta 1 s-au deplasat ierarhic cu câte un nivel.

• componenta principală 2: cele două variabile ANPC care formează componenta 2 îşi inversează locurile în 2006 faţă de 2000. Schimbarea ierarhiei variabilelor este însoţită de o creştere a intenstităţii corelaţiilor acestora, atât în cadrul componentei 1 cât şi în cadrul componentei 2, dar mai semnificativă pentru cea de-a doua componentă, de la 0,859 şi 0,777 în anul 2000 la 0,982 şi 0,974 în anul 2006. Schimbările ierarhice observate pe parcursul celor 6 ani (2000-2006) între variabilele iniţiale şi locul pe care îl deţin în formarea celor două componente principale au o importanţă majoră pentru gruparea judeţelor României pe aceste două componente principale. Dacă în anul 2000, primordială era dezvoltarea economică a judeţelor, mărimea populaţiei judeţelor, în anul 2006, importante sunt variabilele care descriu capacitatea şi dezvoltarea comercială a judeţelor, dată de numărul firmelor de comerţ şi cifra de afaceri a acestora şi care este în strânsă corelaţie cu indicatorii raportaţi de ANPC, ipoteză de la care a pornit această cercetare (amintim că aceste corelaţii au valori mai mari decât media, respectiv între valoarea produselor cu abateri şi numărul firmelor de comerţ: 0,50, respectiv între PIB şi numărul firmelor de comerţ: 0,67). Ultima etapă, respectiv proiecţia şi reprezentarea punctelor indivizi (judeţele României) în planul axelor factoriale a celor două componente principale evidenţiată în figurile 5 şi 6, unde au fost reprezentate cele 41 de judeţe ale României şi municipiul Bucureşti în planul principal, conform coordonatelor punctelor indivizi. Se confirmă astfel, ipoteza iniţială a cercetării întreprinse, conform căreia, în decursul celor două perioade, vor avea loc schimbări structurale influenţate atât de evoluţia valorilor variabilelor iniţiale, cât şi de ierarhia combinării acestora în cadrul celor două componente.

Figura nr. 5: Proiecţia şi reprezentarea punctelor indivizi (a judeţelor) în planul

axelor factoriale a celor două componente principale pentru anul 2000


din România


Pentru analiza modificărilor structurale a judeţelor s-au aplicat indicatorii statisticii descriptive, abaterea individuală absolută, media, abaterea standard, pe baza acestora evidenţiindu-se permutări majore în cazul următoarelor judeţe: Bihor, Satu Mare, Harghita, Neamţ, Vrancea, Prahova, restul judeţelor poziţionându-se în jurul originii axelor formate de cele două componente. Variabila macroeconomică PIB a avut o influenţa determinantă în repoziţionarea judeţelor menţionate anterior, explicată şi prin faptul că această variabilă şi-a schimbat locul în ierarhia variabilelor componentei 1.

Figura nr. 6: Proiecţia şi reprezentarea punctelor indivizi (a judeţelor) în planul

axelor factoriale a celor două componente principale pentru anul 2006

Cele două componente principale sunt „abstracte”. Pentru a putea face interpretarea internă a celor două componente principale se calculează coeficienţii de corelaţie între variabilele iniţiale ale cercetării noastre şi cele două componente principale, rezultate evidenţiate în tabelele 5 şi 6.

Pe baza datelor din tabelele nr. 5 şi nr. 6, se poate observa faptul că variabilele iniţiale valoarea produselor cu abateri de la O.G. 21/1992_total şi valoarea produselor cu abateri de la O.G. 21/1992_produse de import, care formează cea de-a doua componentă principală, sunt mult mai puternic corelate comparativ cu variabilele iniţiale ce formează prima componentă, având coeficienţi de corelaţie apropiaţi de medie, spre deosebire de cei de la prima componentă care au valori foarte mici. Mai mult, variabilele date de indicatorii macroeconomici care formează componenta 1 sunt corelate negativ cu cea de-a doua componentă, excepţie înregistrând variabila câştigul salarial mediu net lunar, singura care înregistrează coeficienţi de corelaţie de intensitate medie. Se demonstrează astfel una dintre ipotezele cercetării, respectiv aceea că, acele judeţe unde CSNMNL este mai ridicat şi deci şi nivelul de dezvoltare economică a judeţului este mai ridicat, posibilitatea de a cumpăra şi alte produse decât cele din coşul zilnic şi deci produse din import, duce proporţional la creşterea probabilităţii de intensificare, în acele judeţe, a numărului de reclamaţii şi


Vol XII • Nr. 28 • Iunie 2010 323

constatări făcute de ANPC. Aşadar, va determina o creştere direct proporţională a numărului acţiunilor de control, a valorii produselor cu abateri din import, etc.

Tabel nr. 5: Matricea coeficienţilor scorurilor celor două componente principale generate de SPSS– 2000

Componenta Variabile iniţiale 1 2

Număr controale ,137 ,017Valoarea produselor cu abateri_total

-,171 ,629

Valoarea produselor cu abateri _import

-,067 ,553

Amenzi aplicate ,141 ,031Varsaminte la buget ,128 ,078PIB-ul pe judet ,160 -,056Nr. de locuitori la 1 iulie ,159 -,073Nr. firmelor de comert ,158 -,046Cifra de afaceri a firmelor de comert

,132 ,029

CSMNL ,122 -,129Metoda de extracţie: ACP Metoda de rotaţie: Varimax cu normalizare Kaiser Scorurile componentei.

Tabel nr. 6: Matricea coeficienţilor scorurilor celor două componente

principale generate de SPSS – 2006 Componenta

Variabile iniţiale 1 2 Număr controale ,127 ,014Valoarea produselor cu abateri _total

-,078 ,471

Valoarea produselor cu abateri _import

-,084 ,479

Amenzi aplicate ,140 ,009Varsaminte la buget ,140 ,005PIB-ul pe judet ,159 -,050Nr. de locuitori la 1 iulie ,163 -,098Nr. firmelor de comert ,164 -,069Cifra de afaceri a firmelor de comert

,151 -,033

CSMNL ,071 ,164Metoda de extracţie: ACP Metoda de rotaţie: Varimax cu normalizare Kaiser Scorurile componentei.

Trebuie ţinut cont de faptul că (sau nu este un aspect de neglijat) că cele două

perioade luate în considerare, aparţin perioadei dinainte de 2007, anul aderării României la UE, perioadă în care România nu avea o pondere crescută a importurilor din UE, unde produsele aflate pe piaţă sunt supuse unor controale mai riguroase decât cele având ca provenienţă fie ţări care nu sunt membre UE, fie din alte zone de dezvoltare economică. Prin urmare, ne propunem continuarea acestei cercetări pentru cel puţin o perioadă de după 2007, anul aderării cu scopul de a urmări aceste schimbări structurale la nivelul judeţelor României, ţinând cont de indicatorii ANPC şi de indicatorii macroeconomici corelaţi cu cei ai ANPC. Acest demers este unul de descriere mezo şi macroeconomică pentru a analiza cum indicatorii ANPC se grupează cu indicatorii macroeconomici pentru a explica modificările structurale la nivelul judeţelor României. Acest demers prezintă aşadar o importanţă macroeconomică deoarece ANPC este o instituţie guvernamentală, de importanţă naţională cu o contribuţie majoră, atât prin indicatorii urmăriţi cât şi prin cei raportaţi, la explicarea la nivel judeţean şi regional a diferenţelor economice şi, mai detaliat, a diferenţelor de dezvoltare comercială a judeţelor. Comerţul reprezintă o importantă ramură a economiei, care are o contribuţie importantă în formarea PIB-ului şi care, după 1990 şi mai ales după 2007, momentul liberalizării comerţului cu piaţa UE, a condus la intensificarea posibilităţii României de a participa şi de a se alinia la comerţul intracomunitar. În România, ANPC, ca instituţie publică poate contribui şi la educarea consumatorului român, la dezvoltarea simţului civic – acesta fiind unul din obiectivele majore ale ANPC după 2007, de a folosi produse de calitate, însă acest aspect este strâns legat de CSNMNL al populaţiei judeţelor, cât şi de dezvoltarea economică, comercială şi


din România


demografică a judeţelor (PIB-UL, numărul firmelor de comerţ, cifra de afaceri a firmelor de comerţ, numărul populaţiei).

Concluzii Prin aplicarea metodei ACP s-a realizat o reducere a datelor, înlocuind norul de

puncte iniţial cu un nor de puncte de dimensiuni reduse, pentru o reprezentare grafică comodă şi pentru a evidenţia particularităţile judeţelor României în ceea ce priveşte indicatorii de măsurare a activităţii ANPC şi cei macroeconomici înregistraţi în două perioade de timp diferite, respectiv anii 2000 şi 2006 grupate pe două componente principale.

Structura celor două componente formate în urma aplicării ACP prezentată în tabelele nr. 3 şi nr. 4 grupează variabilele analizate pe cele două componente principale, astfel:

• componenta 1: variabile specifice ANPC împreună cu variabile macroeconomice; • componenta 2: doar variabile specifice ANPC, valoarea produselor cu abateri pe

total şi pentru produse de import. Aspecte semnificative privind poziţionarea variabilelor pe cele două componente, evidenţiate pe baza figurilor nr. 3 şi nr. 4:

• Variabilele care formează componenta 1 sunt indepedente (unghiul format de vectorii variabilelor formează un unghi drept cu fiecare dintre variabilele analizate). De exemplu: valoarea vărsămintelor la buget şi valoarea amenzilor cu numărul de locuitori atât pentru 2000 cât şi pentru 2006.

• Există variabile „apropiate”, de exemplu, valoare produselor de import cu abateri şi valoarea totală cu abateri pentru anul 2006, respectiv PIB-ul şi numărul de locuitori atât în 2000 cât şi 2006.

• Există variabile „opuse” a căror unghi format de vectorii lor este obtuz, de exemplu variabilele componentei 2 cu câştigul salarial nominal mediu lunar, numărul de locuitori, practic cu toate variabilele componentei 1

• Coordonatele punctelor formate de variabilele iniţiale atât ale componentei 2 cât şi ale componentei 1 sunt depărtate de centrul în direcţia axei şi deci contribuţia la formarea axelor este una foarte importantă. În ceea ce priveşte gruparea judeţelor în funcţie de cele două componente principale, în figurile 5 şi 6 şi tabelele 5 şi 6 se observă că cele mai multe judeţe sunt poziţionate în zona valorilor negative (atât pentru componenta 1 cât şi pentru componenta 2). Aşadar rezultă că majoritatea judeţelor sunt sensibile la variabile iniţiale dar şi faptul că cea de-a doua componentă are o contribuţie majoră în gruparea judeţelor pe axele formate de cele două componente, lucru care se poate stabili printr-o analiză ulterioară prin aplicarea unei alte metode descriptive de analiza datelor, analiza discriminantului.

Putem concluziona aşadar că variabilele iniţiale care formează cea de-a doua componentă, sunt mult mai puternic corelate comparativ cu variabilele iniţiale ale componentei 1 (conform tabelor nr. 5 şi nr. 6), având coeficienţi de corelaţie apropiaţi de medie, spre deosebire de cei de la prima componentă care au coeficienţi de corelaţie foarte mici cu componenta 1. Mai mult, variabilele date de indicatorii macroeconomici din componenta 1 sunt corelate negativ cu a doua componentă, excepţia făcând pentru anul


Vol XII • Nr. 28 • Iunie 2010 325

2000, variabila cifra de afaceri a firmelor de comerţ. Explicaţia ar putea fi aceea că, dintre toţi indicatorii macroeconomici, câştigul salarial nominal mediu net lunar înregistrează coeficienţi de corelaţie de intensitate medie, nefiind corelat puternic nici cu indicatorii ANPC dar nici cu ceilalţi indicatori macroeconomici şi necunoscând structura tipurilor de cumpărături efectuate de gospodăriile de toate categoriile din fiecare judeţ. Pe lângă obţinerea celor două componente, metoda scoate în evidenţă o vizibilitate mai bună a distribuţiei judeţelor pe cele două componente privind modificările structurale aşa cum rezultă din figurile nr. 5 şi nr. 6. Tot reprezentarea grafică este cea care ne oferă detalii despre faptul că judeţele României concentrează în jurul lor variabilele „active” date de componenta 1 şi „pasive” faţă de componenta 2 (sunt active faţă de variabilele primei componente şi pasive faţă de variabilele ce contribuie la formarea celui de-a doua componente). Astfel, ANPC poate elabora patru categorii de strategii, pentru fiecare grup de judeţe care s-a format în urma aplicării metodei ACP în figura 6. Unul dintre grupuri este format de judeţele Cluj, Prahova, Arad, Constanţa care se corelează direct cu ambele componente principale, caracterizate printr-un nivel ridicat de dezvoltare economică, printr-un sector comercial de asemenea bine dezvoltat; un alt grup este format din judeţele Vrancea, Satu-Mare şi sectorul agricol Ilfov se caracterizează printr-un nivel de dezvoltare economică relativ ridicat, un sector comercial bine reprezentat, dar care sunt mai dependente de variabilele ANPC care formează componenta principală 2, privind produsele cu abateri şi cele din import. Un caz atipic este reprezentat de municipiul Bucureşti care are cel mai ridicat nivel de dezvoltare atât din punct de vedere economic, cât şi din punct de vedere comercial, concentrând cele mai multe centre comerciale şi cei mai mulţi distribuitori. Aşadar, fiecare grup de judeţe ar putea fi tratat diferit, în funcţie de poziţia ocupată în reprezentarea grafică. Rezultatele acestei cercetări vor reprezenta baza unei analize ulterioare în vederea identificării unor noi schimbări a structurii judeţelor, ca urmare a efectelor recesiunii economice din ultima perioadă din România, pe cele două componente principale, rezultate în urma acestei cercetări. Bibliografie Benzécri, J.P. & Benzécri, F., 1980. L’analyse des données. Paris: Dunod. Gauthy Sinéchal, M. & Vandercammen, M., 2005. Études de marchés–methodes et outils.

2e édition. Buxelles: De Boeck & Larcier. Giannelloni, J. L. & Vernette, E., 2001. Etudes de marche. 2e edition. Paris: Vuibert. Institutul National de Statistică, 2008. Statistica teritorială, Bucureşti: Institutul National

de Statistică, Editura Revista Română de Statistică. Institutul National de Statistică, 2006. Buletinul statistic lunar – decembrie 2006,

Bucureşti: Institutul National de Statistică. Editura Revista Română de Statistică Institutul National de Statistică, 2005. Statistica teritorială, Bucureşti: Institutul National

de Statistică. Editura Revista Română de Statistică Institutul National de Statistică, 2000. Buletinul statistic lunar – decembrie 2000,

Bucureşti: Institutul National de Statistică, Editura Revista Română de Statistică Malhorta, N., 2004. Études marketing avec SPSS. 4e édition. Paris: Pearson Education. Petcu, N., 2003. Statistică – teorie şi aplicaţii în SPSS. Braşov: Editura Infomarket.


din România


Pintilescu, C., 2003. Analiza datelor. Iaşi: Editura Junimea. Ruxanda, G., 2001. Analiza datelor. Bucureşti: Editura ASE. Saporta, G. & Ştefănescu, M. V., 1996. Analiza datelor şi informatică. Bucureşti: Editura

Economică. Smajda, A., 1988. Segmenter ses marches – applications pratique de technique de

segmentation dans le marketing. Lausanne: PPR. Spircu, L., 2004. Analiza datelor. Aplicaţii economice. Bucureşti: Editura ASE [Online]

Disponibil la: http://www.biblioteca-digitala.ase.ro/biblioteca/carte2.asp?id=489&idb=11 [Accesat 3 mai 2010]

Spircu, L., Calciu, M. & Spircu, T., 1994. Analiza datelor de marketing. Bucureşti: Editura ALL.

Ştefănescu, D. & Gabor, M.R., 2008. Statistical analysis of indicators concerning activity carried out by the Romanian National Authority of Consumer Protection. In: Journal of International Scientific Publication: Economy & Business, volume 2, ISSN: 1313 – 2555, pp. 943 – 973, Sunny Beach – Bourgas, Bulgaria, septembrie 2008, Info Invest: Bulgaria. [Online] Disponibil la: http://www.science-journals.eu/economy/JISP-Economy-Business-2-2008.swf [Accesat 3 mai 2010]

Ştefănescu, M.V., 2000. Analiza datelor - studii de caz. Bucureşti: Editura ASE. Volle, M., 1997. Analyse de données. 4e edition. Paris: Editura Economica.

ANEXA NR. 1

Date statistice utilizate pentru anul 2000

Valoarea produselor

cu abateri de la

O.G. 21/1992 (mii RON)

Ju

deţu

l

Num

ărul

tot

al a

l acţ

iuni

lor

de c

ontr

ol

desfăş

urat

e

Tot

al

din

care

: pro

duse

de

impo

rt

Val

oare

a to

tală

a a

men

zilo

r ap

licat

e (

RO

N)

Val

oare

a văr

săm

inte

lor

la b

uget

din

am

enzi

(R

ON

)

PIB

-ul

pe j

udeţ

(R

ON

)

Popu

laţia

la 1

iulie

nr

. loc

uito

ri

Num

ărul

fir

mel

or

de c

omerţ

Cifr

a de

afa

ceri

a fi

rmel

or

de c

omerţ (

mii

mili

arde

( R

ON

)

Câş

tigul

sala

rial

nom

inal

M

ediu

net

luna

pe

tota

l eco

nom

ie

(mii

mili

arde

RO

N)

Alba 1826 2035 124 67 44 1322,1 395941 2264 11753 188,45

Arad 1713 439 308 100 66 1838,8 476272 3211 29499 191,99

Arges 2173 561 205 103 86 2451,0 671514 5415 35831 203,24

Bacau 2477 1669 495 148 102 2154,8 752761 4946 32586 204,69

Bihor 1622 9510 520 90 78 2146,3 620517 6598 37653 184,84


Vol XII • Nr. 28 • Iunie 2010 327

Bistrita Nasaud 1434 435 77 51 43 944,5 326278 2050 10502 189,99

Botosani 1904 439 130 74 46 925,8 463808 1869 8375 171,02

Brasov 1917 865 323 165 106 2734,7 628643 6536 54510 217,63

Braila 1199 667 509 44 27 1041,2 385749 3175 14215 187,19

Buzau 1569 782 200 71 41 1317,8 504540 4281 17096 195,8 Caras Severin 851 119 99 66 36 1070,7 353209 1789 7957 185,05

Calarasi 859 136 16 56 30 709,1 331843 2021 8124 167,36

Cluj 1909 2747 373 95 77 3241,5 719864 7461 53981 209,71

Constanta 3339 1310 863 234 191 3187,5 746041 7192 53885 241,7

Covasna 937 172 78 66 45 885,7 230537 1553 10587 178,69

Dambovita 837 113 30 33 20 1403,0 551414 2562 12311 210,17

Dolj 1765 622 254 121 85 2147,3 744243 6522 34279 219,48

Galati 1342 566 169 68 42 1995,1 644077 5958 28902 240,5

Giurgiu 1318 551 35 85 54 564,5 294000 1600 14794 192,95

Gorj 1155 55 2 63 39 1668,1 394809 2895 12163 264,58

Harghita 669 1676 1621 38 16 1239,5 341570 2215 16009 175,69

Hunedoara 1191 462 285 78 38 1703,2 523073 3906 19998 238,25

Ialomita 1128 595 147 72 63 836,6 304327 1680 10122 194,46

Iasi 1412 447 166 71 26 2469,1 836751 6246 34139 185,83

Ilfov 1203 3348 1566 135 111 1521,5 275482 2683 12111 247,5

Maramures 946 429 144 53 30 1355,5 530955 3517 16484 181,26

Mehedinti 952 480 225 40 35 779,5 321853 2000 7414 223,68

Mures 1709 308 161 111 98 2403,0 601558 4052 23564 195,91

Neamt 1629 1864 1240 74 49 1483,8 586229 3210 16723 175,53

Olt 1052 188 81 45 36 1387,7 508213 2906 8751 223,62

Prahova 2170 679 245 150 85 2794,1 855539 7030 45145 226,77

Satu Mare 714 404 81 43 42 1134,3 390121 2300 16757 176,99

Salaj 820 656 277 41 39 678,9 256307 1489 7759 185,87

Sibiu 1496 523 180 89 56 1592,5 443993 3120 24114 198,34

Suceava 1929 762 108 76 45 1802,5 717224 4213 21744 177,4

Teleorman 1464 353 128 83 35 1048,8 456831 2857 40307 201,83

Timis 1687 1048 308 127 100 2914,1 688575 6379 49266 194,33

Tulcea 940 110 38 60 29 627,6 262692 2138 7898 187,87

Vaslui 1592 3271 66 147 125 798,8 466719 2027 7888 180,97

Valcea 1184 312 51 67 31 1506,3 430713 3111 15978 200,25

Vrancea 2554 1651 323 146 116 1117,6 391220 2589 11416 179,83


din România


Municipiul Bucureşti 4896 1395 773 451 351 15357,7 2009200 34535 93669 277,45

ANEXA NR. 2 Date statistice utilizate pentru anul 2006

Valoarea produselor

cu abateri de la

O.G. 21/1992 (mii RON)

Ju

deţu

l

Num

ărul

tot

al

al a

cţiu

nilo

r de

con

trol

des

făşu

rate

Tot

al

din

care

: pr

odus

e d

e im

port

Val

oare

a to

tală

a a

men

zilo

r ap

licat

e (m

ii R

ON

)

Val

oare

a văr

săm

inte

lor

la b

uget

din

am

enzi

(m

ii R

ON

)

PIB

-ul

pe j

udeţ

(m

ii R

ON

)

Popu

laţia

la 1

iulie

nr

. loc

uito

ri

Num

ărul

fir

mel

or

de c

omerţ

Cifr

a de

afa

ceri

a fi

rmel

or

de c

omerţ (

mii

mili

arde

) R

ON

)

Câş

tigul

sala

rial

nom

inal

M

ediu

net

luna

pe

tota

l eco

nom

ie

(mii

mili

arde

RO

N)

Alba 2578 2828 2222 161 147 5974.1 378614 2745 2564 756

Arad 3775 9727 8486 748 798 8406.7 458847 4286 5015 790

Arges 2754 1960 1326 969 838 11770.9 644590 6329 7388 882

Bacau 2129 3485 3019 367 277 8506,0 721411 5623 5043 845

Bihor 5515 5970 2600 932 714 9475.4 594982 7230 6818 692 Bistrita Nasaud 3432 1736 1140 526 415 4086.3 317685 2499 1845 727

Botosani 2061 491 161 313 191 3561.3 456765 1968 1490 715

Brasov 4397 12823 8498 963 771 11261.3 595758 7310 9354 815

Braila 2249 2680 2262 247 137 4156,0 367661 3580 2651 730

Buzau 3260 1247 712 467 420 5334.2 490981 4909 3192 724 Caras Severin 2082 1032 742 346 254 4445.2 330517 2144 1314 732

Calarasi 1294 598 391 305 259 2686.8 316294 2331 1254 681

Cluj 4807 18941 15371 699 448 13558.6 689523 8500 10284 905

Constanta 5863 6461 5245 1542 1200 14653.3 716576 8736 9438 914

Covasna 1598 458 390 175 164 2779.7 223770 1761 1721 656

Dambovita 2038 1475 936 318 230 6402.5 535087 3132 2479 860

Dolj 3435 2317 1573 740 666 8839.4 715989 7510 6111 855

Galati 1741 3555 1972 364 340 7159.3 617979 6673 5319 834

Giurgiu 1987 1086 469 407 368 2477.6 284501 1739 2792 763

Gorj 3125 4072 1713 593 398 5984.1 383557 3032 2068 965

Harghita 1777 896 543 215 195 4464.5 326347 2861 2375 704

Hunedoara 3125 2994 2279 828 751 6867.1 477259 4490 3497 813

Ialomita 1804 2407 737 601 422 3341.3 291178 1874 1943 735

Iasi 2698 13290 1165 623 556 10040.6 824083 7317 6518 792


Vol XII • Nr. 28 • Iunie 2010 329

Ilfov 3173 41292 39882 797 682 8696.9 288296 3849 13833 1012

Maramures 2240 5182 3736 356 280 5932.2 515313 3814 3256 702

Mehedinti 2457 2106 1429 415 286 3246.6 301515 2113 1263 876

Mures 3247 599 377 487 424 8174.1 583210 5142 4492 784

Neamt 1794 3357 2299 231 198 5852.7 567908 4057 2845 710

Olt 2464 1114 749 290 259 4560.4 479323 3190 1805 804

Prahova 3592 12860 11247 944 804 13775.3 823509 7514 7558 889

Satu Mare 1413 14318 14022 277 215 4699.7 367677 2786 2759 778

Salaj 1985 1902 1134 148 134 3054,0 244952 1876 1371 781

Sibiu 2584 1503 753 530 392 7637.5 423119 3677 5073 834

Suceava 3118 1082 461 395 252 7054.5 705730 4662 4191 726

Teleorman 2429 572 351 290 294 3847,0 417183 2869 1665 760

Timis 1882 8387 7235 329 287 16069.9 660966 7768 8594 858

Tulcea 1593 774 250 343 198 3027.3 251614 2095 1220 763

Vaslui 2433 1552 710 519 485 5958.7 413511 3367 2559 768

Valcea 2832 1604 1046 325 337 3414.8 456686 2449 1479 717

Vrancea 3024 22395 20581 428 335 4178.6 393023 3055 2121 768 Municipiul Bucureşti 8158 10288 9038 2462 2097 69013.9 1931236 38766 89441 1142

ANEXA NR. 3

Matricea corelaţiilor pentru variabilele anului 2000

Nr.c

ontro

ale

Val

oare

a_to

tal

Val

oare

_im

port

Am

enzi

lor

Var

sam

inte

bug

et

PIB

-ul p

e ju

det

Nr.

de lo

cuito

ri

Nr.

firm

e co

mer

t

CA

firm

e co

mer

t

CSN

ML

Nr. controale 1,000 ,174 ,221 ,912 ,892 ,799 ,823 ,800 ,781 ,435Valoare_total 1,000 ,382 ,171 ,233 ,096 ,113 ,135 ,213 -,044Valoare_import 1,000 ,298 ,314 ,242 ,171 ,225 ,248 ,185Amenzilor aplicate 1,000 ,980 ,876 ,823 ,870 ,797 ,541Varsaminte buget 1,000 ,851 ,776 ,838 ,762 ,519PIB-ul pe judet 1,000 ,928 ,991 ,824 ,559Nr. de locuitori 1,000 ,942 ,867 ,499Nr. firme comert 1,000 ,840 ,553CA firme comert 1,000 ,496CSNML 1,000 ANEXA NR. 4

Matricea corelaţiilor pentru variabilele anului 2006


din România


Nr.c

ontro

ale

Val

oare

a_to

tal

Val

oare

_im

port

Am

enzi

lor

Var

sam

inte

bug

et

PIB

-ul p

e ju

det

Nr.

de lo

cuito

ri

Nr.

firm

e co

mer

t

CA

firm

e co

mer

t

CSN

ML

Nr. controale 1,000 ,300 ,260 ,890 ,866 ,755 ,727 ,772 ,719 ,577Valoare_total 1,000 ,969 ,302 ,295 ,223 ,145 ,198 ,243 ,476Valoare_import 1,000 ,266 ,262 ,2045 ,086 ,167 ,237 ,474Amenzilor aplicate 1,000 ,987 ,845 ,784 ,846 ,815 ,705Varsaminte buget 1,000 ,846 ,786 ,847 ,818 ,687PIB-ul pe judet 1,000 ,918 ,989 ,981 ,697Nr. de locuitori 1,000 ,940 ,861 ,613Nr. firme comert 1,000 ,972 ,662CA firme comert 1,000 ,668CSNML 1,000

aplicarea metodei de analizĂ ĂŢ naŢionale de protecŢ

Documents