profesor univ. dr. stelian stancu departamentul de ... stancu.pdf · profesor univ. dr. stelian...

Profesor univ. dr. Stelian STANCU

Departamentul de Informatică şi Cibernetică Economică

Academia de Studii Economice din Bucureşti

Masterand Alexandra Maria CONSTANTIN

Academia de Studii Economice din Bucureşti

Psiholog Drd. Steliana Violeta STANCU

Universitatea „Constantin Brâncoveanu” Piteşti

Departamentul pentru Perfecţionarea Personalului Didactic

EFECTELE CRIZEI DATORIILOR SUVERANE ASUPRA

ECHILIBRULUI LA NIVEL MACROECONOMIC

THE EFFECTS OF SOVEREIGN DEBT CRISIS ON THE

MACROECONOMIC BALANCE

Abstract. Autoregulation, a specific phenomenon for the cybernetic

systems, at the macroeconomic level, is strongly influenced by factors that

negatively or positively affect macroeconomic fluctuations. Thus, the sovereign

debt crisis, an actual economic phenomenon, has an undeniable impact on

macroeconomic approaches.

This paper tries to achieve the following specific objectives: to present the

theoretical aspects related to sovereign debt crisis and to autoregulation, to

present the impact of sovereign debt crisis on the macroeconomic balance, the

application of data mining methods to quantify the impact of sovereign debt crisis

on macroeconomic balance and the presentation of the conclusions from the study.

Key words: sovereign debt crisis, autoregulation, ECM, VAR, cybernetic

system.

Clasificarea JEL: C02, C30, D5, E0, F34

1. Introducere Pentru a cunoaşte cât mai bine situaţia reală a economiei naţionale trebuie

să se analizeze relaţiile de echilibru pe termen scurt şi pe termen lung, stabilind cât

de intense sunt legăturile între echilibrul pe termen scurt şi pe termen lung.

Astfel, trebuie să se ia în considerare faptul că economia este un sistem

cibernetic, adică un sistem dinamic, complex şi adaptiv. De asemenea, trebuie să se

aibă în vedere reprezentarea unitară a economiei(mai ales la nivel macroeconomic),

evidenţierea conexiunilor între stările componenentelor şi de mecanimul de reglare

în sistemul economic. Cea mai importantă metodă pentru analizarea sistemului

cibernetic economic o constituie modelarea, ce permite crearea unor modele

matematice prin care putem realiza analiza cantitativă a componentelor şi verifica

dacă sistemul îşi menţine starea curentă cât mai aproape de cea de stabilită(de

referinţă) în condiţiile existenţei crizei economice actuale.

Stelian Stancu, Alexandra Maria Constantin, Steliana Violeta Stancu

___________________________________________________________ Sistemul economic, fiind un sistem dinamic

1, prezintă şi bucle feed-back,

adică un sistem în care se poate identifica modul în care schimbările în anumite

subsisteme sau părţi ale acestora afectează alte subsisteme sau întregul sistem. Cu

ajutorul feed-backul-lui putem vedea dacă parametrii sistemului cibernetic sunt

optimi, adică nu deviază de la starea stabilită. Cum sistemul economic este un

sistem adaptiv, în cazul în care acesta sau un subsistem este afectat de factori

interni sau externi, acesta va încerca să-şi adapteze parametrii pentru a ajunge la

situaţia economică dorită.

2. Aspecte legate de criza datoriilor suverane

De-a lungul timpului, în zona Europeană, anumite guverne au acumulat

niveluri nesustenabile ale datoriilor publice, mai ales cel din Portugalia. Astfel de

comportament fiscal nesăbuit a fost posibil doar pentru că s-a presupus că pieţele în

care situaţiile naţionale s-au inrautatit, ar fi salvate de către celelalte ţări ale zonei

euro, în scopul de a preveni o prăbuşire a euro.

O ţară se află în criza datoriilor suverane dacă:

- aceasta are restanţe consistente în ceea ce priveşte plata datoriilor sau

dobânda obligaţiilor externe a creditorilor comerciali depăşeşte 5% din

datoriile comerciale totale restante;

- există o reeşalonare sau acord de restructurare a datoriei cu creditorii

comerciali.

În literatura de specialitate, analiza privind criza datoriilor suverane se

încadrează în patru mari categorii: modele teoretice ale datoriilor suverane; studii

empirice privind factorii determinanţi ai crizei datoriilor; studii empirice asupra

puterii predictive a ratingurilor de credit; studii empirice privind determinarea

gradului de distribuţie a datoriilor suverane. Studiile din literatura de specialitate se

concentrează pe un aspect particular al crizelor datoriilor suverane, date de

incapacitatea de plată. Cercetătorii propun o serie de factori macroeconomici care

influenţează probabilitatea de default şi implicit a datoriei suverane.

3. Analiza cantitativă a impactul crizei economice asupra reglării

la nivel macroeconomic

Autoreglarea presupune menţinerea sistemelor cibernetice în stări staţio-

nare(stări dorite), rezultate în urma interacţiunilor permanente dintre sistem şi

componentele sale. Astfel, la nivelul economiei naţionale autoreglarea se realizează

prin ajustarea automată şi adoptarea politicilor macroeconomice.

Reglarea la nivel macroeconomic presupune, de asemenea, ajustarea

economiei naţionale, într-o măsură cât mai mare la starea de echilibru, în funcţie de

jocul de pe scena economică la nivel naţional şi internaţional.

1 http://www.asecib.ase.ro/BCIB/CAPITOLUL-1.pdf

http://www.asecib.ase.ro/BCIB/CAPITOLUL-1.pdf

Efectele crizei datoriilor suverane asupra echilibrului la nivel macroeconomic

_________________________________________________________________

Pe de altă parte, autoreglarea sistemului economiei naţionale are la bază

raportul între echilibrul pe termen lung şi echilibrul pe termen scurt.

În contextul crizei economice din prezent, pentru analiza cantitativă a

impactului acesteia asupra economiei caracterizată de parametrii esenţiali, şi

anume, echilibrul pe termen scurt şi echilibrul pe termen lung, este necesar să se

studieze impactul echilibrului pe termen lung asupra echilibrului pe termen scurt.

Studierarea relaţiei dintre echilibrul pe termen lung şi echilibrul pe termen

scurt presupune estimarea unei ecuaţii de regresie ce descrie această relaţie. Însă,

trebuie să se aibă în vedere că deşi se poate, la prima vedere, să nu există corelaţie

între echilibrul pe termen scurt şi echilibrul pe termen lung, ea există. Ecuaţia de

regresie estimată poate fi falsă şi de aceea trebuie să se verifice cât de adevărată

este relaţia descrisă. În acest sens, cointegrarea reprezintă cea mai bună modalitate

pentru diagnosticarea falsităţii relaţiei cercetate şi pentru deducerea relaţiei corecte

dintre cele două variabile, reprezentate de serii de date.

Putem spune că, de obicei, multe serii de timp macroeconomice, ce conţin

unit root, sunt non-staţionare. Engle2 a demonstrat(1987) că o combinaţie liniară

de serii ce au acelaşi ordin de integrare poate fi staţionară.

Considerăm două serii de timp: tY şi tX . Cele două serii sunt cointegrate

dacă:

- au acelaşi ordin de integrare, adică: )1(, IXY tt;

- )( o combinaţie liniară )0(IXY ttstaţionară.

Astfel, combinaţia liniară existenţă stabileşte relaţia de echilibru pe termen

lung. Privind în asamublul sistemului economic, existenţa unei relaţii de

cointegrare între seriile de timp luate în considerare, în speţă indicatorii economici,

desemnează existenţa echilibrului pe termen lung. La nivel macroeconomic se pot

aminti relaţiile de echilibru între: PIB şi stocul de capital; preţuri, productivitate şi

salarii; exporturi, PIB şi curs de schimb etc. Veridicitatea acestor relaţii de

echilibru poate fi demonstrată cu ajutorul testelor de cointegrare, cel mai utilizat

fiind testul Johansen.

De asemenea, cointegrarea mai poate însemna dependenţa si înfluenţarea

reciprocă a variabilelor luate în considerare. Astfel, orice modificare apărută de-a

lungul trendului este, în automat ajustată în cadrul seriilor de date, amintind de

ceea ce numim reglerea sistemelor adaptive.

Însă, trebuie să ţinem cont de faptul că relaţia de cointegrare nu păstrează

acelaşi traseu, adică nu rămâne identică în timp, fiind afectată de decalajele pe

termen scurt. Deci, plecând de la ecuaţia de cointegrare ttt

XY10

, trebuie

să studiem dinamica pe termen scurt ce poate fi descrisă de modelul:

tttttXYXY ))((

101

unde:

2 Engle, R., White, H., Cointegration, Causality and Forecasting, Oxford University, 1999,

Unites Kingdom.


___________________________________________________________

))((101 tt

XY reprezintă termenul de corecţie la nivelul modelului;

desemnează viteza de ajustare către echilibru;

t reprezintă „zgomot alb”.

Modelul descris se numeşte Error Correction Model (ECM). Estimatorul

pentru pertubaţiile din ecuaţia de cointegrare(ce evidenţiază dezechilibrele pe

termen lung), )(10 tttXbbYe , este parte componentă a modelului dinamic.

Deci, orice modificare, pe termen scurt, a variabilei tY depinde de modificările

variabilei tX , precum şi de abaterea lui tY de la valoarea sa anterioară de

echilibru, pe termen lung. Putem spune, deci, că există fenomenul de autoreglare,

prin faptul că acţiunile prezente se vor desfăşura ţinând cont de stările anterioare.

Existenţa3 unei relaţii de cointegrare poate fi studiată şi prin testarea

semnificaţiei parametrului din modelul ECM. Dacă parametrul este

semnificativ statistic, putem spune că nu există relaţie de cointegrare între

variabilele analizate

Dacă se ignoră existenţa cointegrării şi modelăm diferenţele de ordinul 1,

ele fiind variabile staţionare, seriile vor evolua independent şi datele nu vor fi

conforme cu datele istorice. De aceea, este recomandat să se studieze cointegrarea

variabilelor luate în considerare.

De asemenea, trebuie să ne asigurăm că modelul generează serii ce vor

avea trend comun, pentru variabilele cointegrate.

ECM permite să se ia în considerare4, pe de o parte relaţiile de echilibrul

pe termen lung şi pe de altă parte, dinamica pe termen scurt, ce este legată de

echilibrul pe termen lung.

Utilizarea ECM prezintă avantajul că poate fi folosit în previziunile pe

termen scurt, având în vedere că adaptarea la echilibrul, pe termen lung, este

domoală. De asemenea, modelele ECM sunt utile şi în cazul prognozelor pe termen

lung.

În cazul în care avem n variabile şi n-1 dintre ele nu sunt exogene şi sunt

mai multe relaţii de cointegrare între variabile, problema trebuie să se abordeze

prin intemediul a mai multor ecuaţii simultane. În acest mod, se urmăreşte

analizarea comportamentului unei variabile din perspectiva trecutului dar şi a

celorlalte variabile. Astfel, relaţiile de cointegrare sunt evidenţiate prin

reprezentarea VECM(Vector cu Corecţie de Erori):

tptptttYYYY

11111...

unde:

- IBp

i

i

1

;

- I este matricea unitate;

3 Lazăr D., Statistică descriptivă, Editura Mediamira, 2004.

4 Carnot, N., Kaoen, V., Tissot, B., Economic Forecasting, Palgrave MacMillan

Publshing, 2005, New York.


_________________________________________________________________

- p

i

iiB

1

1

- tptpttt YBYBYBAY ...2211 este model autoregresiv

VAR(p)

Ţinând cont de faptul că t reprezintă reziduurile(diferenţa dintre modelul

real şi modelul specificat), trebuie să le evidenţiem pe cele din stările anterioare.

t , „zgomotul alb”, este ascuns şi va rămâne ascuns. De aceea, este recomandat

să exprimăm totul în funcţie de 1t

Y . În acest context ecuaţia devine:

tttt

AYYY111

Ultima reprezentare a ecuaţiei5 prezintă mai multe avantaje:

- subţierea multicoliniarităţii, în matricea sunt cuprinse informaţiile pe

termen lung;

- coeficienţii (ce reprezintă efectul pe termen lung şi pe termen scurt) pot fi

studiaţi în mod intuitiv,

- este reprezentativă atunci când ne interesează modificările faţă de perioada

anterioară(de exemplu în cazul PIB-ului, inflaţiei etc).

VECM, ca model complex şi dinamic, poate fi folosit pentru generarea de

previziuni şi pentru a analiza impactul unor perturbaţii (şocuri) aleatoare asupra

variabilelor sistemului.

4. Rezultate empirice

Cu ajutorul software-ului statistic Eviews 7 s-a realizat, pe baza datelor

oficiale trimestriale din perioada 1996-2010, un studiu privind gradul de

autoreglare la nivelul economiei româneşti, în condiţiile existenţei crizei datoriilor

suverane actuale.

Studiul se referă, deci, la ajustarea, în sistemul economic, a unor indicatori

macroeconomici, ce vor fi evidenţiaţi în rezultatele obţinute în urma modelării

ECM. Variabilele la nivel macroeconomic luate în analiză sunt: Exportul României

în UE, PIB-ul la nivelul României şi Cursul de schimb România-UE.

Înainte de a verifica dacă cele 3 serii de timp sunt cointegrate, trebuie să se

verifice staţionaritatea acestora. Analizând cele trei serii, Exportul României în UE,

PIB la nivelul României, Cursul de schimb România-UE rezultă(din graficele din

figura 1) că acestea nu sunt staţionare, pentru un nivel de semnificaţie de 1%,

respectiv 1% şi 5%.

5 Juselius, K., The Cointegrated VAR Model Methodology and Applications, Oxford

University Press, 2006, U.K., (cap. Specific-to-General and General-to-Specific. )


___________________________________________________________

Figura 1

Dar aceste observaţii trebuie confirmate prin testele de staţionaritate.

Pentru aceasta se aplică testul de staţionaritate cel mai utilizat: ADF

(Augmented Dickey-Fuller) la nivelul seriilor de date. Astfel, pentru Exportul

României în UE avem:

Ipoteze:

:0

H seria are rădăcină unitară(seria e nestaţionară);

:1

H seria e staţionară.

Deoarece:

%)10%,5%,1(_0.802860

criticADFtesttt

şi

%)10%,5%,1(__%32,99Pr relevantadeNivelob nu se respinge

0H şi deci seria e nestaţionară.

Analog, se obţine că seriile de date aferente: Cursului de schimb România-

UE şi PIB-ul la nivelul României, sunt nestaţionare.

Pe de altă parte, făcând analiza de cointegrare la nivelul seriilor de timp,

Exportul României în UE, PIB-ul la nivelul României, Cursul de schimb România-

UE, se fac următoarele observaţii:

- cazul unei singure ecuaţii (Engle –Granger Cointegration Test):

1. Pentru ca cele 3 variabile să fie cointegrate, trebuie ca ele să aibă un trend

stochastic comun;

2. O altă cale de a verifica dacă cele 3 variabile sunt cointegrate, este aceea de

a cerceta dacă reziduul obţinut din relaţia de cointegrare este staţionar;

3. Cum probabilitatea asociată fiecărei variabile este mai mare ca 0.05 se

deduce că cele 3 variabile sunt cointegrate, fiecare cu I(1).

- cazul matriceal (Johansen Cointegration Test):

- Procedura Johansen oferă informaţii numai cu privire la numărul de

relaţii de cointegrare în cadrul unui model, şi nu în legătură cu

variabilele care sunt cointegrate;

- Testul trace indică o singură relaţie de cointegrare la nivelul de

semnificaţie de 5%, aceasta deoarece 38.23463> 29.79707,

iar 6.615828<15.49471 şi 2.398101 < 3.841466 (ceea ce în termeni de


_________________________________________________________________

probabilităţi avem că 0.0042<0.05, în timp ce 0.6227 > 0.05 şi de

asemenea 0.1215>0.05).

În urma analizei Error Correction Model, a rezultat că la nivelul economiei

româneşti gradul de autoreglare, în condiţiile crizei economice din prezent, este de

aproximativ 13,42% pe seama exportului, considerat componentă dinamică a

sistemului cibernetic al economie naţionale. De altfel, mai putem preciza că prin

modelarea ECM a relaţiilor cauzale între variabile, se ajustează într-o bună măsură

devierile sistemelor de la starea dorită.

5. Concluzii

Criza datoriilor suverane reprezintă unul din factorii determinanţi în

crearea conjucturii economice şi implicit a reglării economiei naţionale. Aşadar,

este de prisos să se realizeze agrearea în expresie valorică a impactului crizei

datoriilor suverane asupra fluctuaţilor la nivel macroeccnomic.

Fenomen economic de mare anvegură, criza datoriilor suverane, tinde sa se

accentueze, diminuând astfel, gradul de autoreglare la nivelul economiei naţionale,

în condiţiile în care nu se vor adopta politici adecvate la nivel macroeconomic.

BIBLIOGRAFIE

[1.] Batchelor, R., EViews tutorial:Cointegration and error correction, City

University Business School, London & ESCP, Paris

(http://www.eco.uc3m.es/~jgonzalo/

teaching/PhDTimeSeries/CointeEviews.pdf).

[2.] Carnot, N., Koen, V., Tissot, B. (2005), Economic Forecasting,

Palgrave MacMillan Publshing, New York.

[3.] Chang R., Velasco A. (2001), A model of financial crises in emerging

markets, Quarterly Journal of Economics 116, pp. 489–517.

[4.] Christiano L., Braggion F., Roldos J. (2006), The optimal monetary

response to a financial crisis. Mimeo, Northwestern University.

[5.] Engle, R., White, H. (1999), Cointegration, Causality and Forecasting,

Oxford University Press, Unites Kingdom.

[6.] Haldane, A., Penalver, A., Saporta, V., Shing, S. (2004), Optimal

Collective Action Clause Thresold, Working Paper No. 249.

[7.] Juselius, K. (2006), The Cointegrated VAR Model Methodology and

Applications, Oxford University Press, Unites Kingdom.

[8.] Lazăr D. (2004), Statistică descriptivă, Editura Mediamira.

[9.] Ruxanda, Gh. (2001), Analiza datelor, Editura ASE, Bucureşti.

[10.]Stancu, S. (2011), Econometrie Teorie şi aplicaţii utilizând EViews,

Editura ASE, Bucureşti.


___________________________________________________________ [11.]http://www.asecib.ase.ro/BCIB/CAPITOLUL-1.pdf

[12.]http://en.wikipedia.org/wiki/System_dynamics

[13.]http://www.asecib.ase.ro/BCIB/CAPITOLUL-1.pdf

[14.]http://www.uh.edu/~bsorense/coint.pdf

Anexă

a) Aplicarea testului de staţionaritate ADF (Augmented Dickey-Fuller).

Pentru Exportul României în UE:

Tabel 1

Augmented Dickey-Fuller Test pentru Exportul României în UE

Null Hypothesis: EXPORT has a unit root

Exogenous: Constant

Lag Length: 7 (Automatic - based on SIC, maxlag=10) t-Statistic Prob.* Augmented Dickey-Fuller test statistic 0.802860 0.9932

Test critical values: 1% level -3.562669

5% level -2.918778

10% level -2.597285 *MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation

Dependent Variable: D(EXPORT)

Method: Least Squares

Date: 05/26/12 Time: 00:46

Sample (adjusted): 1998Q1 2010Q4

Included observations: 52 after adjustments Variable Coefficient Std. Error t-Statistic Prob. EXPORT(-1) 0.031449 0.039171 0.802860 0.4265

D(EXPORT(-1)) -0.612540 0.136721 -4.480213 0.0001

D(EXPORT(-2)) -0.575075 0.147215 -3.906349 0.0003

D(EXPORT(-3)) -0.480408 0.155949 -3.080549 0.0036

D(EXPORT(-4)) 0.002388 0.180357 0.013238 0.9895

D(EXPORT(-5)) -0.480261 0.166417 -2.885883 0.0061

D(EXPORT(-6)) -0.525499 0.159682 -3.290917 0.0020

D(EXPORT(-7)) -0.625006 0.146842 -4.256306 0.0001

C 1.24E+08 61017296 2.038945 0.0476 R-squared 0.955845 Mean dependent var 40360494

Adjusted R-squared 0.947630 S.D. dependent var 8.01E+08


http://en.wikipedia.org/wiki/System_dynamics


http://www.uh.edu/~bsorense/coint.pdf


_________________________________________________________________ S.E. of regression 1.83E+08 Akaike info criterion 41.04673

Sum squared resid 1.44E+18 Schwarz criterion 41.38444

Log likelihood -1058.215 Hannan-Quinn criter. 41.17620

F-statistic 116.3542 Durbin-Watson stat 1.815901

Prob(F-statistic) 0.000000

Pentru PIB la nivelul României:

Tabel 2

Augmented Dickey-Fuller Test pentru PIB la nivelul României

Null Hypothesis: PIB has a unit root

Exogenous: Constant

Lag Length: 5 (Automatic - based on SIC, maxlag=10) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -1.877127 0.3404


5% level -2.916566



Dependent Variable: D(PIB)


Date: 05/26/12 Time: 00:38


Included observations: 54 after adjustments Variable Coefficient Std. Error t-Statistic Prob. PIB(-1) -0.054363 0.028961 -1.877127 0.0667

D(PIB(-1)) 0.328182 0.151357 2.168268 0.0352

D(PIB(-2)) -0.015544 0.107297 -0.144867 0.8854

D(PIB(-3)) 0.005453 0.105267 0.051802 0.9589

D(PIB(-4)) 1.063706 0.115626 9.199540 0.0000

D(PIB(-5)) -0.390378 0.192948 -2.023236 0.0488

C 698.7550 513.1192 1.361779 0.1798 R-squared 0.909696 Mean dependent var 455.6630

Adjusted R-squared 0.898168 S.D. dependent var 5629.707

S.E. of regression 1796.507 Akaike info criterion 17.94550

Sum squared resid 1.52E+08 Schwarz criterion 18.20333

Log likelihood -477.5285 Hannan-Quinn criter. 18.04493



Pentru Cursul de schimb România-UE:


___________________________________________________________

Tabel 3

Augmented Dickey-Fuller Test pentru Cursul de schimb România-UE

Null Hypothesis: CURS has a unit root

Exogenous: Constant

Lag Length: 0 (Automatic - based on SIC, maxlag=10) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -1.940536 0.3119


5% level -2.911730



Dependent Variable: D(CURS)


Date: 05/26/12 Time: 00:48


Included observations: 59 after adjustments Variable Coefficient Std. Error t-Statistic Prob. CURS(-1) -0.025456 0.013118 -1.940536 0.0573

C 0.137272 0.039974 3.434019 0.0011 R-squared 0.061971 Mean dependent var 0.066689

Adjusted R-squared 0.045514 S.D. dependent var 0.130365

S.E. of regression 0.127364 Akaike info criterion -1.250226

Sum squared resid 0.924630 Schwarz criterion -1.179801

Log likelihood 38.88166 Hannan-Quinn criter. -1.222735



b) Făcând analiza de cointegrare la nivelul seriilor de timp, Exportul

României în UE, PIB la nivelul României, Cursul de schimb România-UE,

avem următoarele rezultate:

- cazul unei singure ecuaţii (Engle –Granger Cointegration Test):


_________________________________________________________________

Tabel 4

Engle –Granger Cointegration Test

Date: 05/26/12 Time: 00:20

Series: PIB EXPORT CURS

Sample: 1996Q1 2010Q4

Included observations: 60

Null hypothesis: Series are not cointegrated

Cointegrating equation deterministics: C

Automatic lags specification based on Schwarz criterion (maxlag=10)

Dependent tau-statistic Prob.* z-statistic Prob.*

PIB -3.146355 0.2116 18.86192 0.9999

EXPORT -0.390506 0.9917 -0.860694 0.9929

CURS -2.819797 0.3427 79.25346 0.9999 *MacKinnon (1996) p-values.

Intermediate Results:

PIB EXPORT CURS

Rho – 1 -0.157378 -0.051767 -0.163668

Rho S.E. 0.050019 0.132564 0.058043

Residual variance 3063816. 4.08E+16 0.067314

Long-run residual variance 14548514 4.17E+15 6.068418

Number of lags 4 7 8

Number of observations 55 52 51

Number of stochastic trends** 3 3 3

**Number of stochastic trends in asymptotic distribution

- cazul matriceal (Johansen Cointegration Test):

Tabel 5

Johansen Cointegration Test

Date: 05/26/12 Time: 00:13


Included observations: 58 after adjustments

Trend assumption: Linear deterministic trend

Series: PIB EXPORT CURS

Lags interval (in first differences): 1 to 1

Unrestricted Cointegration Rank Test (Trace) Hypothesized Trace 0.05

No. of CE(s) Eigenvalue Statistic Critical Value Prob.** None * 0.420246 38.23463 29.79707 0.0042

At most 1 0.070138 6.615828 15.49471 0.6227


___________________________________________________________ At most 2 0.040503 2.398101 3.841466 0.1215

Trace test indicates 1 cointegrating eqn(s) at the 0.05 level

* denotes rejection of the hypothesis at the 0.05 level

**MacKinnon-Haug-Michelis (1999) p-values

Unrestricted Cointegration Rank Test (Maximum Eigenvalue) Hypothesized Max-Eigen 0.05

No. of CE(s) Eigenvalue Statistic Critical Value Prob.** None * 0.420246 31.61880 21.13162 0.0012

At most 1 0.070138 4.217727 14.26460 0.8357

At most 2 0.040503 2.398101 3.841466 0.1215 Max-eigenvalue test indicates 1 cointegrating eqn(s) at the 0.05 level

* denotes rejection of the hypothesis at the 0.05 level

**MacKinnon-Haug-Michelis (1999) p-values

Unrestricted Cointegrating Coefficients (normalized by b'*S11*b=I): PIB EXPORT CURS

0.000278 -4.23E-09 0.386125

2.57E-05 7.62E-10 -1.254583

7.48E-05 1.16E-09 -0.638872

Unrestricted Adjustment Coefficients (alpha): D(PIB) -2511.594 31.45925 -573.1994

D(EXPORT) 2.72E+08 -22671671 6148480.

D(CURS) 0.007179 0.031132 -0.004112

1 Cointegrating Equation(s): Log likelihood -1717.546

c) Error Correction Model

În urma estimării ECM a rezultat următorul output:

Tabel 6

Vector Autoregression Estimates

Date: 05/26/12 Time: 12:13


Included observations: 58 after adjustments

Standard errors in ( ) & t-statistics in [ ] EXPORT PIB CURS EXPORT(-1) -0.1342393618 0.0000066913 0.0000000000


_________________________________________________________________ (0.1953415598) (0.0000023943) (0.0000000001)

[-0.68720] [ 2.79466] [ 0.29623]

EXPORT(-2) -0.0270463363 0.0000032942 -0.0000000000

(0.0887063017) (0.0000010873) (0.0000000000)

[-0.30490] [ 3.02981] [-1.02181]

PIB(-1) 68228.4013363243 0.7737621574 0.0000076905

(13542.7512283722) (0.1659936628) (0.0000047166)

[ 5.03800] [ 4.66140] [ 1.63051]

PIB(-2) 7327.6965588888 -0.5144895936 -0.0000052010

(22248.5815531612) (0.2727011287) (0.0000077486)

[ 0.32936] [-1.88664] [-0.67121]

CURS(-1) -49891885.802348500 -3857.6555005050 1.2523123393

(389629423.49809500) (4775.6924769792) (0.1356985994)

[-0.12805] [-0.80777] [ 9.22863]

CURS(-2) 179456644.43644834 3214.5983727859 -0.2859709508

(390316693.52464613) (4784.1163538671) (0.1359379591)

[ 0.45977] [ 0.67193] [-2.10369]

C 72407570.342661338 491.9676550118 0.1158295550

(125069767.11057391) (1532.9816227044) (0.0435588054)

[ 0.57894] [ 0.32092] [ 2.65915] R-squared 0.8484035194 0.8385810206 0.990829

Adj. R-squared 0.8305686393 0.8195905525 0.989750

Sum sq. resids 6369582509849925000 956930027.63478150 0.772606

S.E. equation 353403133.40849100 4331.6664085767 0.123082

F-statistic 47.5699032427 44.1579961878 918.3549

Log likelihood -1220.1894900570 -564.2435717009 42.93600

Akaike AIC 42.3168789675 19.6980541966 -1.239172

Schwarz SC 42.5655531239 19.9467283530 -0.990498

Mean dependent 1404873885.7413792 16343.2086206897 2.882018

S.D. dependent 858565625.31328288 10198.2432113057 1.215733

Determinant resid covariance (dof adj.) 13868292592370316

000000

Determinant resid covariance 94286506246182425

00000

Log likelihood -1714.2384631940

Akaike information criterion 59.8358090757

Schwarz criterion 60.5818315450

profesor univ. dr. stelian stancu departamentul de ... stancu.pdf · profesor univ. dr. stelian...

Documents