insse.ro · 2020. 4. 27. · Revista Română de Statistică Supliment nr. 4 / 2020 SUMAR /...

Revista Romacircnă de Statistică - Supliment nr 4 2020

SUMAR CONTENTS 42020REVISTA ROMAcircNĂ DE STATISTICĂ SUPLIMENT

MODEL DE ANALIZĂ A EVOLUȚIEI INVESTIȚIILOR NETE ȘI A ACTIVITĂȚII DE CONSTRUCȚII IcircN ANUL 2019 3MODEL FOR ANALYZING THE EVOLUTION OF NET INVESTMENTS AND CONSTRUCTION ACTIVITY IN 2019 20Prof Constantin ANGHELACHE PhDCristian OLTEANU PhD StudentAlexandra PETRE PhD Student

MODEL DE ANALIZĂ A CORELAȚIEI DINTRE FORȚA DE MUNCĂ ȘI PRODUSUL INTERN BRUT DIN ROMAcircNIA 37MODEL FOR ANALYZING THE CORRELATION BETWEEN THE LABOR FORCE AND THE GROSS DOMESTIC PRODUCT IN ROMANIA 52Assoc prof Mădălina Gabriela ANGHEL PhDDana Luiza GRIGORESCU PhD StudentȘtefan Gabriel DUMBRAVĂ PhD Student

INTEGRAREA COMERȚULUI IcircN UE - UN PROCES CAcircȘTIG-CAcircȘTIG 68TRADE INTEGRATION IN EU ndash A WIN-WIN PROCESS 94Natalia MOROIANU-DUMITRESCU PhD StudentAnca NOVAC PhD Student

MODEL ECONOMETRIC DE STUDIU A CORELAȚIEI DINTRE EVOLUȚIA NUMĂRULUI DE ȘOMERI ȘI PRODUSUL INTERN BRUT 118ECONOMETRIC MODEL FOR STUDYING THE CORRELATION BETWEEN THE EVOLUTION OF THE NUMBER OF UNEMPLOYED AND THE GROSS DOMESTIC PRODUCT 130Lecturer Ștefan Virgil IACOB PhDȘtefan Gabriel DUMBRAVĂ PhD StudentDana Luiza GRIGORESCU PhD StudentElena MĂHĂREA Student

wwwrevistadestatisticarosupliment

Romanian Statistical Review - Supplement nr 4 20202

ANALIZA EVOLUȚIEI POPULAȚIEI DUPĂ DOMICILIU IcircN ROMAcircNIA LA SFAcircRȘITUL ANULUI 2019 142ANALYSIS OF THE EVOLUTION OF THE POPULATION BY DOMICILE IN ROMANIA AT THE END OF 2019 150Assoc prof Mădălina Gabriela ANGHEL PhDIulian RADU PhD StudentOana BIcircRSAN PhD Student

STUDIU PRIVIND EVOLUȚIA ACTIVITĂȚII AGRICOLE IcircN ROMAcircNIA IcircN 2019 158STUDY ON THE EVOLUTION OF AGRICULTURAL ACTIVITY IN ROMANIA IN 2019 171Prof Constantin ANGHELACHE PhDDaniel DUMITRU PhD StudentRadu STOICA PhD Student PhD

MODEL DE ANALIZĂ A EVOLUȚIEI OCUPĂRII POPULAȚIEI ȘI A ȘOMAJULUI IcircN ROMAcircNIA 184MODEL FOR ANALYZING THE EVOLUTION OF EMPLOYMENT AND UNEMPLOYMENT IN ROMANIA 203Lecturer Ștefan Virgil IACOB PhDElena MĂHĂREA Student

Revista Romacircnă de Statistică - Supliment nr 4 2020 3

Model de analiză a evoluţiei investiţiilor nete şi a activităţii de construcţii icircn anul 2019

Prof univ dr Constantin ANGHELACHE (actinconyahoocom)

Academia de Studii Economice din București Universitatea bdquoArtifexrdquo din BucureștiDrd Cristian OLTEANU (alexandraolteanus1anafro)

Academia de Studii Economice din BucureștiDrd Alexandra OLTEANU (alexandraolteanus1anafro)

Academia de Studii Economice din București

Abstract Investițiile nete realizate icircn cadrul economiei naționale reprezintă una din prioritățile care ar trebui să fi e icircn orice program de guvernare Din acest punct de vedere investițiile nete consideracircnd aici investițiile interne și externe au rolul de a asigura o dezvoltare a economiei naționale care să fi e sustenabilă și durabilă Desigur investițiile societăților comerciale romacircnești trebuie să fi e o prioritate dar desigur că nu putem neglija rolul investițiilor străine directe care trebuie să se adauge și să aducă un spor net icircn cadrul economiei naționale Desigur icircn anul 2019 comparativ cu anul anterior 2018 dar și analiza structurată pe trimestre arată o posibilitate de analiză care să poată prefi gura o perspectivă pentru perioada următoare Anul 2019 a fost un an favorabil investițiilor autohtone dar chiar și a investițiilor străine directe existacircnd creșteri de la un trimestru la altul ceea ce evidențiază o posibilitate de a considera că se poate anticipa o revenire la nivelul cerut de o evoluție pozitivă și icircn viitor Icircn principal construcțiile noi achiziția de utilaje și alte cheltuieli icircn acest domeniu evidențiază de asemenea o creștere icircnsemnată atacirct față de trimestrul anterior trimestrul numărul III cacirct și fată de situația anterioară din anul 2018 Analiza efectuată icircn prezent nu ține seama de startul anului 2020 și tocmai din acest punct de vedere studiul efectuat este acela de a evidenția un anumit nivel cert evolutiv care să stea apoi la baza unor studii comparative icircn ceea ce privește volumul investițiilor nete și al activității privind construcțiile icircn perioada următoare actualei pandemii Fără a intra și a elabora prea mult rezultă că icircn perioada următoare după ce această criza icircși va limita efectele se va declanșa o puternică criză economico-fi nanciară cu efecte mai mult decacirct greu de imaginat acum Analiștii consideră că poate să fi e rezultate mult mai catastrofale comparativ cu criza economico-fi nanciară din 2008-2009 sau cu alte crize care s-au mai perpetuat


Studiul urmărește tocmai această evoluție și face o analiză pe total și structurat De asemenea se au icircn vedere și unele comparați icircn timp care asigură posibilitatea desprinderii tendințelor și estimărilor evoluțiilor viitoare ale economiei naționale a Romacircniei Cuvinte cheie investiții construcții evoluții crize economie Clasifi carea JEL C50 E20

Introducere

Icircn acest articol autorii au analizat pe larg investițiile nete realizate icircn economia națională icircn anul 2019 comparativ cu 2018 relevacircnd că există o creștere de 179 De asemenea s-a efectuat o analiză structurală evidențiindu-se că icircn trimestrul IV 2019 investițiile nete au crescut la toate capitolele De asemenea investițiile străine directe au avut și ele creșteri Se face o apreciere pe baza datelor furnizate de Institutul Național de Statistică asupra acestor aspecte și de asemenea se efectuează o interpretare a posibilităților de sporire a investițiilor icircn perioada ușor previzionată de cacircțiva ani Icircn continuare sunt analizate rezultatele din activitatea de construcții pe total și structurat pe lucrări de construcții utilaje mijloace de transport alte cheltuieli rezultacircnd o serie de evoluții care dau semnifi cație evoluției icircn perioada următoare Sunt utilizate datele publicate de Institutul Național de Statistică care sunt interpretate icircn stracircnsă concordanță cu nivelul lor evolutiv Articolul cuprinde o serie de tabele și reprezentări grafi ce care ușurează din acest punct de vedere modul icircn care a evoluat economia națională a Romacircniei la capitolul construcții Icircn altă ordine de idei se face și un studiu asupra evoluției acestor lucrări de construcții icircn perioada ianuarie 2015 - decembrie 2019 rezultacircnd anumite creșteri și descreșteri pe capitole de clădiri rezidențiale nerezidențiale și construcții inginerești Concluziile desprinse sunt icircn stracircnsă concordanță cu modul icircn care au evoluat construcțiile de locuințe structurat pe medii pe fonduri private sau publice pe localități și așa mai departe relevacircndu-se că icircncă este un domeniu deosebit de important căruia trebuie să i se acorde atenție și icircn perioada următoare

Literature review

Anghel Anghelache Dumbravă Mirea și Stoica (2018) au realizat un studiu privind evoluția activității de industrie din Romacircnia O temă similară a fost studiată de către Anghel (2014) și de către Anghelache et al (2016) Anghelache Anghelache Fetcu și Iarca (2011) au abordat o serie de aspecte referitoare la investițiile icircn activitatea de construcții Anghelache a efectuat o


amplă analiză a parcursului economico-social al Romacircniei icircntr-o sută de ani Anghelache Anghel Lilea Burea și Avram (2017) au analizat principalele aspecte ale strategiei UE icircn domeniul industriei Cho și Son (2012) au realizat o cercetare empirică a industriilor IT pentru construcții Love și Irani (2004) au analizat modul de gestionare a benefi ciilor IMM-urilor din industria construcțiilor Pacheco-Torgal (2014) s-au referit la o serie de elemente cu privire la tipurile de materiale de construcție Tykkauml S și colab (2010) politica Uniunii Europene referitoare la dezvoltarea fi rmelor din sectorul construcțiilor

Unele precizări metodologice

Investiţiile nete reprezintă cheltuielile destinate creării de noi mijloace fi xe dezvoltării modernizării şi reconstrucţiei celor existente precum şi valoarea serviciilor legate de transferul de proprietate asupra mijloacelor fi xe existente şi al terenurilor preluate cu plată de la alte unităţi sau de la populaţie (taxe notariale comisioane cheltuieli de transport de manipulare etc) Indicii de volum icircn construcţii se determină prin defl atarea datelor valorice cu indicii de cost icircn construcţii pe elemente de structură şi pe obiecte de construcţii Indicii de volum icircn construcţii sunt calculaţi pe total ramură construcţii (secţiunea F CAEN Rev2) pe elemente de structură (lucrări de construcţii noi reparaţii capitale şi lucrări de intreţinere şi reparaţii curente) şi pe obiecte de construcţii (clădiri rezidenţiale clădiri nerezidenţiale şi construcţii inginereşti) Indicii lucrărilor de construcţii pe total se calculează ca medie aritmetică ponderată a indicilor pe elemente de structură sau a indicilor pe obiecte de construcţii Pe lacircngă indicii de volum icircn construcţii (serie brută) se calculează lunar şi indici ajustaţi cu numărul de zile lucrătoare şi de sezonalitate prin metoda regresivă folosindu-se pachetul de programe JDEMETRA+ versiunea 20 (metoda TRAMOSEATS) metodă recomandată de regulamentele europene referitoare la indicatorii pe termen scurt (Regulamentul Consiliului nr11651998)

Date rezultate și discuții

Icircn 2019 investiţiile nete realizate icircn economia naţională au fost de 1041248 milioane lei fi ind icircn creștere cu 179 comparativ cu 2018 Icircn trimestrul IV 2019 investiţiile nete realizate icircn total au icircnsumat 370896 milioane lei icircn creștere cu 171 față de trimestrul IV 2018 Datele sunt prezentate icircn tabelul numărul 1


Investiţiile nete realizate icircn economia naţională icircn trimestrul IV 2019

faţă de trimestrul IV 2018

Tabel 1

trim IV 2019

- milioane lei

prețuri curente -

icircn faţă de

trim IV 2018

Structură ()

trim IV 2018

trim IV 2019

Lucrări de construcţii noi 163830 1279 394 442

Utilaje (inclusiv mijloace de transport) 155064 1190 422 418

Alte cheltuieli 52002 881 184 140

TOTAL 370896 1171 1000 1000

Sursa Institutul Național de Statistică Comunicat nr 59 09032020

Icircn trimestrul IV 2019 față de trimestrul IV 2018 investiţiile nete realizate icircn Romacircnia au crescut cu 171 icircnregistrată icircn lucrări de construcţii noi cu 279 și utilaje cu 190 La alte cheltuieli s-a icircnregistrat o scădere cu 119 Datele sunt reprezentate icircn grafi cul numărul 1

Structura investițiilor nete pe elemente de structură icircn trimestrul IV 2019 comparativ cu trimestrul IV 2018

Grafi c 113+

-G+13-13 E F

13

1313

131313

$


Datele cu privire la investițiile realizate icircn 2019 comparativ cu 2018 sunt sintetizate icircn tabelul numărul 2 Creșteri importante s-au icircnregistrat la lucrări de construcții noi utilaje și mijloace de transport


Investiţiile nete realizate icircn economia naţională icircn anul 2019 faţă de

anul 2018

Tabel 2

Anul 2019

- milioane

lei prețuri curente -

Icircn faţă de

anul 2018

Structură ()

anul 2018

anul 2019




TOTAL 1041248 1179 1000 1000


Icircn 2019 comparativ cu 2018 investiţiile nete realizate icircn economia naţională au crescut cu 179 creștere icircnregistrată la lucrări de construcţii noi cu 325 și utilaje cu 93 La alte cheltuieli s-a icircnregistrat o scădere cu 21 Datele sunt prezentate sugestiv icircn grafi cul numărul 2

Structura investițiilor nete pe elemente de structură anul 2019 comparativ cu anul 2018

Grafi c 2

-G+13-13 E F

13

1313

131313

$


Icircn grafi cul numărul 3 se prezintă structura investițiilor nete pe domenii economice icircn 2019 față de 2018


Structura investiţiilor nete pe activităţi ale economiei naţionale icircn anul

2019 comparativ cu anul 2018

Grafi c 313

$

amp13 amp13 13

13

$


Icircn 2019 volumul lucrărilor de construcţii a crescut faţă de 2018 ca serie brută cu 276 Icircn decembrie 2019 volumul lucrărilor de construcţii a crescut faţă de luna precedentă ca serie brută cu 133 iar ca serie ajustată icircn funcţie de numărul de zile lucrătoare şi de sezonalitate a scăzut cu 18 Comparativ cu luna corespunzătoare din 2018 volumul lucrărilor de construcţii a crescut ca serie brută cu 248 şi ca serie ajustată icircn funcţie de numărul de zile lucrătoare şi de sezonalitate cu 296

Evoluţia lunară a lucrărilor de construcţii pe elemente de structură

conform CAEN Rev2 ianuarie 2015 ndash decembrie 2019 (serie ajustată icircn

funcţie de numărul de zile lucrătoare şi de sezonalitate)

Grafi c 4B13

13

13

13

13

13

13

13

13

13

13



Icircn grafi cele numerele 4 și 5 se prezintă sugestiv evoluția lunară a lucrărilor de construcții pe elemente de structură și pe obiective de construcții icircn perioada 2015-2019 Se poate observa că icircn perioada octombrie 2018 - decembrie 2019 s-au icircnregistrat creșteri semnifi cative

Evoluţia lunară a lucrărilor de construcţii pe obiecte de construcţii

conform CAEN Rev 2 ianuarie 2015 ndash decembrie 2019 (serie ajustată icircn


Grafi c 5

-G+13-136FE6

13

13

$

13

13

$

13

13

$

13

13

$

13

13

$

$$ $$


Analiza evoluției acestor indicatori icircn luna decembrie 2019 față de luna anterioară relevă creșteri Astfel volumul lucrărilor de construcţii a crescut ca serie brută cu 133 refl ectată la lucrările de reparaţii capitale cu 242 lucrările de icircntreţinere şi reparaţii curente cu 128 şi la lucrările de construcţii noi cu 119 Pe obiecte de construcţii s-au icircnregistrat creşteri respectiv clădirile rezidenţiale (+340) clădirile nerezidenţiale (+180) şi construcţiile inginereşti (+27) Ca serie ajustată icircn funcţie de numărul de zile lucrătoare şi de sezonalitate volumul lucrărilor de construcţii a scăzut pe total cu 18 refl ectată icircn lucrările de icircntreţinere şi reparaţii curente (-72) lucrările de construcţii noi (-16) şi la lucrările de reparaţii capitale (-15) Pe obiecte de construcţii volumul lucrărilor de construcţii a scăzut la construcţiile inginereşti (-85) Creşteri s-au realizat la clădirile rezidenţiale (+174) şi la cele nerezidenţiale (+22) Icircn continuare vom analiza realizările din luna decembrie 2019 față de luna corespunzătoare din 2018 Astfel volumul lucrărilor de construcţii ca serie brută a crescut pe total cu 248 respectiv la lucrările de construcţii noi


(+328) şi la lucrările de icircntreţinere şi reparaţii curente (+209) La lucrările de reparaţii capitale s-a icircnregistrat scădere (-39) Pe obiecte de construcţii volumul lucrărilor de construcţii a crescut astfel clădirile nerezidenţiale (+827) la clădirile rezidenţiale (+110) şi construcţiile inginereşti (+43) Ca serie ajustată icircn funcţie de numărul de zile lucrătoare şi de sezonalitate volumul lucrărilor de construcţii a crescut cu 296 respectiv la lucrările de construcţii noi (+347) şi la lucrările de icircntreţinere şi reparaţii curente (+174) Lucrările de reparaţii capitale au scăzut cu 41 Pe obiecte de construcţii volumul lucrărilor de construcţii a crescut astfel clădirile nerezidenţiale (+799) clădirile rezidenţiale (+100) şi la lucrările de construcţii inginereşti (+89) Comparația pe rezultatele anuale din 2019 și 2018 arată creșteri icircn anul 2019 Astfel volumul lucrărilor de construcţii ca serie brută a crescut pe total cu 276 creştere refl ectată la toate elementele de structură astfel lucrările de construcţii noi (+325) lucrările de icircntreţinere şi reparaţii curente (+263) şi la lucrările de reparaţii capitale (+09) Pe obiecte de construcţii volumul lucrărilor de construcţii a crescut la clădirile nerezidenţiale (+491) clădirile rezidenţiale (+262) şi la construcţiile inginereşti (+166) Indicii lucrărilor de construcții sunt prezentați icircn tabelul numărul 3 Datele sunt sintetizate pe tipuri de construcții pentru perioadele supuse analizei

Indicii lucrărilor de construcţii

Tabel 3Decembrie 2019

1I-31XII 2019

1I-31XII 2018

Noiembrie

2019

Decembrie

2018

Construcţii - totalB 1133 1248 1276

S 982 1296 -- pe elemente de structură

Construcţii noi B 1119 1328 1325S 984 1347 -

Reparaţii capitale B 1242 961 1009S 985 959 -

Icircntreţinere şi reparaţii curente B 1128 1209 1263S 928 1174 -

- pe obiecte de construcţii

Clădiri rezidenţiale B 1340 1110 1262S 1174 1100 -

Clădiri nerezidenţiale B 1180 1827 1491S 1022 1799 -

Construcţii inginereşti B 1027 1043 1166S 915 1089 -


B= serie brută S= serie ajustată icircn funcţie de număr zile lucrătoare şi de sezonalitate


La capitolul lucrări de construcţii de locuinţe s-au realizat creșteri Astfel icircn 2019 au fost terminate 67512 locuinţe icircn creştere cu 7799 locuinţe faţă de 2018 Icircn ultimul trimestrul al anului 2019 au fost date icircn folosinţă 21075 locuinţe icircn creştere cu 1740 locuinţe faţă de perioada corespunzătoare din 2018

Locuinţe terminate pe medii de rezidenţă şi surse de fi nanţare

Tabel 4 Locuinţe terminate

ndashnumăr-

Structură

( )

trimIV

2018)trimIV

2019

trimIV 2019

faţă de

trimIV 2018

(+-)

trimIV

2018

trimIV

2019

Mediul urban 11367 12701 +1334 588 603

Mediul rural 7968 8374 +406 412 397

din total surse de finanţare

Fonduri private 18342 20030 +1688 949 950

Fonduri publice 993 1045 +52 51 50

TOTAL 19335 21075 +1740 1000 1000


Icircn trimestrul IV 2019 au fost date icircn folosinţă 21075 locuinţe cu 1740 locuinţe mai mult faţă de trimestrul IV 2018 Pe medii de rezidenţă icircn trimestrul IV 2019 cele mai multe locuinţe au fost construite icircn mediul urban (603) Repartiţia pe fonduri de fi nanţare a locuinţelor terminate relevă faptul că icircn trimestrul IV 2019 faţă de trimestrul IV 2018 a crescut atacirct numărul locuinţelor realizate din fonduri private cu 1688 de locuinţe cacirct şi cele din fonduri publice cu 52 de locuinţe Datele sunt prezentate icircn grafi cul numărul 6


Locuinţe terminate pe regiuni de dezvoltare icircn trimestrul IV 2019

comparativ cu trimestrul IV 2018

Grafi c 6

4235

2697

3356

1455

807

1759

2787

2239

5284

2139

3651

2359

1007

1847

2121

2667

0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000 5500 6000

Nord-Est

Sud-Est

Sud-Muntenia

Sud-Vest Oltenia

Vest

Nord-Vest

Centru

Bucuresti-Ilfov

trimIV 2018 trimIV 2019


Analiza icircn profi l regional icircn trimestrul IV 2019 comparativ cu trimestrul IV 2018 evidenţiază creşterea numărului locuinţelor terminate icircn unele regiuni de dezvoltare respectiv BucureştindashIlfov (+1049 locuinţe) Vest (+904) NordndashEst (+428) NordndashVest (+295) SudndashVest Oltenia (+200) şi SudndashMuntenia (+88) Scăderi au avut loc icircn două regiuni de dezvoltare Sud-Est (-666 locuinţe) şi Centru (-558) Datele sunt cuprinse icircn tabelul numărul 5


Locuinţe terminate pe regiuni de dezvoltare

Tabel 5

Locuinţe terminate

-număr-

Structură

( )

trim IV2018

trim IV2019

trim IV 2019

faţă de

trim IV 2018

(+-)

trim IV2018

trim IV2019

NordndashEst 2239 2667 +428 116 126SudndashEst 2787 2121 -666 144 101SudndashMuntenia 1759 1847 +88 91 88SudndashVest Oltenia 807 1007 +200 42 48Vest 1455 2359 +904 75 112NordndashVest 3356 3651 +295 174 173Centru 2697 2139 -558 139 101BucureştindashIlfov 4235 5284 +1049 219 251TOTAL 19335 21075 +1740 1000 1000


Analiza anuală refl ectă aceeași situație Astfel icircn anul 2019 au fost terminate 67512 locuinţe icircn creştere cu 7799 locuinţe faţă de anul 2018 Situaţia pe medii de rezidenţă icircn anul 2019 faţă de anul 2018 pune icircn evidenţă creşterea ponderii locuinţelor terminate icircn mediul urban (de la 584 icircn anul 2018 la 601 icircn anul 2019) şi o scădere icircn mediul rural ( de la 416 icircn anul 2018 la 399 icircn anul 2019)


Tabel 6Locuinţe terminate

-număr-

Structură

()

anul 2018 anul 2019anul 2019 faţă de

anul 2018 (+-)anul 2018 anul 2019

Mediul urban 34896 40589 +5693 584 601Mediul rural 24817 26923 +2106 416 399

din total

Fonduri private 57709 65159 +7450 966 965Fonduri publice 2004 2353 +349 34 35TOTAL 59713 67512 +7799 1000 1000


Repartiţia pe fonduri de fi nanţare a locuinţelor terminate relevă faptul că faţă de anul 2018 icircn anul 2019 a crescut atacirct numărul locuinţelor realizate din fonduri private (+7450 locuinţe) cacirct şi numărul locuinţelor realizate din fonduri publice (+349 locuinţe) Datele privind regiunile de dezvoltare sunt prezentate icircn grafi cul numărul 7 și tabelul numărul 7


Locuinţe terminate pe regiuni de dezvoltare icircn anul 2019 comparativ cu

anul 2018

Grafi c 7

11272

8437

11074

5465

2932

5603

7408

7522

14832

8946

12816

6837

2896

6208

7027

7950

0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000 11000 12000 13000 14000 15000 16000

Nord-Est

Sud-Est

Sud-Muntenia

Sud-Vest Oltenia

Vest

Nord-Vest

Centru

Bucuresti-Ilfov

anul 2018 anul 2019



Tabel 7

Locuinţe terminate

-număr-

Structură

()

anul 2018 anul 2019

anul 2019

faţă de

anul 2018

(+-)

anul 2018 anul 2019

NordndashEst 7522 7950 +428 126 118SudndashEst 7408 7027 -381 124 104SudndashMuntenia 5603 6208 +605 94 92SudndashVest Oltenia 2932 2896 -36 49 43Vest 5465 6837 +1372 92 101NordndashVest 11074 12816 +1742 185 190Centru 8437 8946 +509 141 132BucureştindashIlfov 11272 14832 +3560 189 220TOTAL 59713 67512 +7799 1000 1000


Distribuţia icircn profi l regional icircn anul 2019 faţă de anul 2018 pune icircn evidenţă o creştere a numărului de locuinţe terminate icircn următoarele regiuni de dezvoltare BucureştindashIlfov (+3560 locuinţe) NordndashVest (+1742) Vest (+1372) Sud-Muntenia (+605) Centru (+509) şi Nord ndash Est (+428)


Scăderi s-au icircnregistrat icircn regiunile de dezvoltare SudndashEst (-381 locuinţe) şi SudndashVest Oltenia (-36) Evoluția locuințelor terminate trimestrial pe regiuni de dezvoltare este sintetizată icircn tabelul numărul 8


Tabel 8

Nord-Est Sud-Est

Sud-

Muntenia

Sud-Vest

Oltenia Vest Nord-Vest Centru

Bucuresti-

Ilfov

TOTAL

ȚARĂ

trimestrul I 2014 1197 725 946 553 811 1792 748 1498 8270

trimestrul I 2015 1110 924 996 426 835 1057 1363 2521 9232

trimestrul I 2016 2321 1302 1093 562 1079 1553 1573 2107 11590

trimestrul I 2017 1584 1290 961 581 687 1897 1542 1542 10084

trimestrul I 2018 1176 1074 1227 408 1275 2221 1239 1653 10273

trimestrul I 2019 1555 1270 1275 626 1174 2575 2028 2211 12714

trimestrul II 2014 1653 857 1072 531 890 1731 624 1954 9312

trimestrul II 2015 1492 1024 1159 686 985 1476 1224 2256 10302

trimestrul II 2016 1548 1461 1145 487 1275 2404 1402 2794 12516

trimestrul II 2017 1842 1174 1293 466 1300 1888 1597 3413 12973

trimestrul II 2018 1692 1767 1141 665 1012 2564 1607 2294 12742

trimestrul II 2019 1673 1450 1395 592 1402 2447 1967 3564 14490

semestrul I 2014 2850 1582 2018 1084 1701 3523 1372 3452 17582

semestrul I 2015 2602 1948 2155 1112 1820 2533 2587 4777 19534

semestrul I 2016 3869 2763 2238 1049 2354 3957 2975 4901 24106

semestrul I 2017 3426 2464 2254 1047 1987 3785 3139 4955 23057

semestrul I 2018 2868 2841 2368 1073 2287 4785 2846 3947 23015

semestrul I 2019 3228 2720 2670 1218 2576 5022 3995 5775 27204

trimestrul III 2014 1870 1385 1335 685 803 1461 1229 2205 10973

trimestrul III 2015 1791 996 1284 621 1162 1529 1467 2787 11637

trimestrul III 2016 2317 1225 1456 554 1087 2181 1422 2609 12851

trimestrul III 2017 2208 2186 1378 643 1755 3208 2453 2484 16315

trimestrul III 2018 2415 1780 1476 1052 1723 2933 2894 3090 17363

trimestrul III 2019 2055 2186 1691 671 1902 4143 2812 3773 19233

per1I-30IX2014 4720 2967 3353 1769 2504 4984 2601 5657 28555

per1I-30IX2015 4393 2944 3439 1733 2982 4062 4054 7564 31171

per1I-30IX2016 6186 3988 3694 1603 3441 6138 4397 7510 36957

per1I-30IX2017 5634 4650 3632 1690 3742 6993 5592 7439 39372

per1I-30IX2018 5283 4621 3844 2125 4010 7718 5740 7037 40378

per1I-30IX2019 5283 4906 4361 1889 4478 9165 6807 9548 46437

trimestrul IV 2014 2396 1973 1603 754 1045 2109 2096 4453 16429

trimestrul IV 2015 3271 1992 1530 667 1130 2105 1600 3518 15813

trimestrul IV 2016 2740 1927 1654 739 1365 2520 1792 2512 15249

trimestrul IV 2017 2448 1433 1771 625 1411 2489 1704 2094 13975

trimestrul IV 2018 2239 2787 1759 807 1455 3356 2697 4235 19335

trimestrul IV 2019 2667 2121 1847 1007 2359 3651 2139 5284 21075

Anul 2014 7116 4940 4956 2523 3549 7093 4697 10110 44984

Anul 2015 7664 4936 4969 2400 4112 6167 5654 11082 46984

Anul 2016 8926 5915 5348 2342 4806 8658 6189 10022 52206

Anul 2017 8082 6083 5403 2315 5153 9482 7296 9533 53347

Anul 2018 7522 7408 5603 2932 5465 11074 8437 11272 59713

Anul 2019 7950 7027 6208 2896 6837 12816 8946 14832 67512



Din studiul datelor cuprinse icircn acest tabel rezultă că regiunea București-Ilfov regiunea Nord-Vest și regiunea Nord-Est au icircnregistrat cele mai bune rezultate

Locuinţe terminate pe medii de rezidenţă şi surse de fi nanţare icircn

trimestrul IV 2019 comparativ cu trimestrul IV 2018

Tabel 9Locuinţe terminate Structură

ndashnumăr- ( )

trimIV

2018

trimIV

2019

trim IV 2019 faţă

de trim IV 2018

(+-)

trimIV

2018

trimIV

2019

Mediul urban 11367 12701 1334 588 603

Mediul rural 7968 8374 406 412 397

din total

Fonduri private 18342 20030 1688 949 950

Fonduri publice 993 1045 52 51 50

TOTAL 19335 21075 1740 100 100


Icircn tabelele numerele 9 și 10 sunt prezentate date referitoare la locuințele terminate pe medii de rezistență și surse de fi nanțare trimestrial respectiv anual Se efectuează un studiu comparativ trimestrial și anual pe trimestrul IV din 2018 și 2019 precum și pe icircntregul an 2019 față de 2018

Locuinţe terminate pe medii de rezidenţă şi surse de fi nanţare icircn anul


Tabel 10

Locuinţe terminate -număr- Structură ()

anul 2018 anul 2019

anul 2019 faţă de

anul 2018

(+-)

anul 2018 anul 2019

TOTAL 59713 67512 7799 1000 1000

Mediul urban 34896 40589 5693 584 601

Mediul rural 24817 26923 2106 416 399

din total

Fonduri private 57709 65159 +7450 966 965




Icircn continuare se efectuează analiza structurală pe regiuni de dezvoltare Analiza se face pe bază de date absolute și relative de structură



Tabel 11

Locuinţe terminate -număr- Structură ( )

trim IV

2018

trim IV

2019

trim IV 2019

faţă de trim IV

2018

(+-)

trim IV

2018

trim IV

2019

NordndashEst 2239 2667 +428 116 126SudndashEst 2787 2121 -666 144 101SudndashMuntenia 1759 1847 +88 91 88SudndashVest Oltenia 807 1007 +200 42 48Vest 1455 2359 +904 75 112NordndashVest 3356 3651 +295 174 173Centru 2697 2139 -558 139 101BucureştindashIlfov 4235 5284 +1049 219 251TOTAL 19335 21075 1740 1000 1000Sursa Institutul Național de Statistică Comunicat nr 58 09032020


anul 2018

Tabel 12


anul 2018 anul 2019

anul 2019

faţă de anul

2018 (+-)

anul 2018 anul 2019

NordndashEst 7522 7950 +428 126 118SudndashEst 7408 7027 -381 124 104SudndashMuntenia 5603 6208 605 94 92SudndashVest Oltenia 2932 2896 -36 49 43Vest 5465 6837 +1372 92 101NordndashVest 11074 12816 +1742 185 190Centru 8437 8946 +509 141 132BucureştindashIlfov 11272 14832 +3560 189 220TOTAL 59713 67512 7799 1000 1000


Icircn tabelele numerele 11 și 12 sunt prezentate datele referitoare la situația locuințelor terminate icircn cei doi ani supuși analizei


Concluzii

Din studiul efectuat rezultă că icircn anul 2019 icircn domeniu investițiilor nete s-au icircnregistrat progrese așa cum a rezultat și icircn ceea ce privește realizarea de construcții Investițiile nete au crescut icircn majoritatea categoriilor de investiții iar o analiză structurată relevă faptul că anul 2019 a reprezentat un an pozitiv din punct de vedere al creșterii investițiilor nete precum și al icircmbunătățirii activității icircn domeniul construcțiilor Concluziile care se desprind din acest articol sunt icircn stracircnsă legătură cu necesitatea de a se sporii volumul investițiilor nete din economie Pe de altă parte o creștere mai substanțială a investițiilor nete și activității de construcții de locuințe și alte tipuri de construcții s-ar putea realiza dacă accesul la credite creditele oferite de băncile autohtone ar fi favorabil dar icircn condițiile actuale icircn care dobacircnzile la credite sunt deosebit de mari investitorii manifestă reținere icircn a contracta credite pe termen mediu și lung mai ales Cele mai multe credite sunt credite pe termen scurt care ajută la fi nalizarea unor obiective deja icircncepute deja puse icircn grupa posibilei concretizării O altă concluzie este aceea că rezultatele din 2019 pot să reprezinte un vacircrf icircn contextul icircn care icircn momentul acestei analize cunoaștem deja efectele crizei coronavirus (COVID 19) care icircn mod cert va avea o infl uență negativă asupra sporirii activității icircn aceste domenii ale investițiilor nete și al construcțiilor De asemenea investițiile străine directe vor fi și ele destul de fi rave icircntrucacirct nu există o atracție deosebită pentru investitorii străini să vină icircn țară cu lansare de mari proiecte O altă concluzie este aceea că autoritățile romacircne din acest domeniu al managementului economico-fi nanciar trebuie să găsească soluții prin care investitorii mai ales cei autohtoni să aibă o buna cooperare cu băncile romacircnești sau băncile care sunt localizate icircn țara noastră așa icircncacirct nivelul investițiilor să poată să crească Fără proiecte pe termen lung care să fi e garantate de posibilitatea de a obține credite avantajoase nu putem anticipa o creștere substanțială a investițiilor totale nete autohtone și străine directe care se pot realiza icircn Romacircnia

Bibliografi e

1 Anghel MG Anghelache C Dumbravă ŞG Mirea M Stoica R (2018) Analysis of the evolution of activity in industry and construction ndash the fi rst nine months of 2017 Romanian Statistical Review Supplement 1 32-43

2 Anghel MG (2014) Evoluţii icircn domeniul construcţiilor şi transporturilor ART ECO - Review of Economic Studies and Research 5 (1) 54-62

3 Anghelache GV Anghelache C Fetcu AE Iarca I (2011) Investments in Constructions and Production of Services ART ECO ndash Review of Economic Studies and Research 2 (3) 62-69


4 Anghelache C (2018) The economic balance of Romania at one hundred years Editura Economică Bucureşti

5 Anghelache C Anghel MG Lilea FPC Burea D Avram D (2017)

European Union Strategy For Industry Trade and Services Development

Romanian Statistical Review Supplement 8 145-158

6 Anghelache C et al (2016) Signifi cant Aspects regarding the Evolution of

Economic Activity in Constructions and Transports Romanian Statistical Review Supplement 5 85-95

7 Cho DH Son JM (2012) Job Embeddedness and Turnover Intentions An

Empirical Investigation of Construction IT Industries International Journal of Advanced Science and Technology 40 March 101-110

8 Love P Irani Z (2004) An exploratory study of information technology

evaluation and benefi ts management practices of SMEs in the construction

industry Information amp Management 42 (1) 227-242

9 Pacheco-Torgal F (2014) Eco-effi cient construction and building materials

research under the EU Framework Programme Horizon 2020 Construction and Building Materials 51 151-162

10 Tykkauml S et al (2010) Development of timber framed fi rms in the construction

sector mdash Is EU policy one source of their innovation Forest Policy and Economics 12 (3) 199-206

11 Institutul Național de Statistică Comunicat nr 43 14022020




MODEL FOR ANALYZING THE EVOLUTION OF NET INVESTMENTS AND

CONSTRUCTION ACTIVITY IN 2019

Prof Constantin ANGHELACHE PhD (actinconyahoocom)

Bucharest University of Economic Studies bdquoArtifexrdquo University of BucharestCristian OLTEANU PhD Student (alexandraolteanus1anafro)

Bucharest University of Economic StudiesAlexandra OLTEANU PhD Student (alexandraolteanus1anafro)

Bucharest University of Economic Studies

Abstract

The net investment in the national economy is one of the priorities that should be in any government program From this point of view the net investments considering here the internal and external investments have the role of ensuring a development of the national economy which is sustainable and sustainable Of course the investments of Romanian companies must be a priority but of course we cannot neglect the role of foreign direct investment which must be added and bring a net increase in the national economy Of course in 2019 compared to the previous year 2018 but also the analysis structured by quarters shows a possibility of analysis that can foreshadow a perspective for the next period 2019 was a favorable year for domestic investments but even for foreign direct investment with increases from one quarter to another which highlights a possibility to consider that a return to the level required by a positive evolution can be anticipated and in future Mainly new construction the purchase of equipment and other expenses in this area also highlights a signifi cant increase both compared to the previous quarter the third quarter and compared to the previous situation in 2018 The analysis carried out at present does not take into account the start of 2020 and precisely from this point of view the study carried out is to highlight a certain certain level of evolution which would then be the basis for comparative studies in terms of net investment and construction activity in the period following the current pandemic Without going into and elaborating too much it turns out that in the next period after this crisis will limit its eff ects a strong economic and fi nancial crisis will start with eff ects more than hard to imagine now Analysts believe that the results could be much more catastrophic compared to the economic and fi nancial crisis of 2008-2009 or other crises that have been perpetuated


The study follows precisely this evolution and makes a total and structured analysis Also some comparisons over time are taken into account which ensure the possibility of detaching the trends and estimates of future developments of Romaniarsquos national economy Keywords investments constructions evolutions crises economy JEL Classifi cation C50 E20

Introduction

In this article the authors analyzed in detail the net investments made in the national economy in 2019 compared to 2018 revealing that there is an increase of 179 Also a structural analysis was performed highlighting that in the fourth quarter of 2019 net investments increased in all chapters Foreign direct investment has also increased An assessment is made on the basis of data provided by the National Institute of Statistics on these issues and also an interpretation of the possibilities to increase investments in the slightly forecast period of several years Next the results from the total and structured construction activity are analyzed on construction works equipment means of transport other expenses resulting in a series of evolutions that give signifi cance to the evolution in the next period The data published by the National Institute of Statistics are used which are interpreted in close accordance with their evolutionary level The article includes a series of tables and graphical representations that facilitate from this point of view the way in which the national economy of Romania has evolved in terms of constructions In other words a study is made on the evolution of these construction works between January 2015 and December 2019 resulting in certain increases and decreases in terms of residential non-residential buildings and engineering constructions The conclusions drawn are in close agreement with the way in which housing constructions have evolved structured on environments on private or public funds on localities and so on revealing that it is still a particularly important area that needs to be given attention in the next period

Literature review

Anghel Anghelache Dumbravă Mirea and Stoica (2018) conducted a study on the evolution of industry in Romania A similar topic was studied by Anghel (2014) and by Anghelache et al (2016) Anghelache Anghelache Fetcu and Iarca (2011) addressed a number of issues related to investments in construction Anghelache made an extensive analysis of Romaniarsquos


economic and social path in a hundred years Anghelache Anghel Lilea Burea and Avram (2017) analyzed the main aspects of the EU strategy in the fi eld of industry Cho and Son (2012) conducted an empirical research of the

construction IT industries Love and Iran (2004) analyzed how to manage the

benefi ts of SMEs in the construction industry Pacheco-Torgal (2014) referred

to a number of elements regarding the types of construction materials Tykkauml

S et al (2010) European Union policy on the development of companies in

the construction sector

Some methodological clarifi cations

Net investments represent expenses for the creation of new fi xed

assets development modernization and reconstruction of existing ones as

well as the value of services related to the transfer of ownership of existing

fi xed assets and land taken over from other units or from the population (notary

fees commissions transport handling expenses etc)

Volume indices in constructions are determined by defl ation of

value data with cost indices in constructions on structural elements and on

construction objects Volume indices in constructions are calculated on the

total construction branch (section F CANE Rev2) on structural elements

(new construction works capital repairs and maintenance and current repairs)

and on construction objects (residential buildings buildings non-residential

and engineering constructions)

The indices of construction works in total are calculated as a weighted

arithmetic mean of indices on structural elements or indices on construction

objects

In addition to volume indices in construction (gross series) indices

adjusted with the number of working days and seasonality by the regressive

method are calculated monthly using the JDEMETRA + software package

version 20 (TRAMO SEATS method) method recommended by the

regulations on short-term indicators (Council Regulation no 11651998)

Data results and discussions

In 2019 the net investments made in the national economy were

1041248 million lei increasing by 179 compared to 2018

In the fourth quarter of 2019 the total investments made in total

amounted to 370896 million lei increasing by 171 compared to the fourth

quarter of 2018 The data are presented in table number 1


Net investments made in the national economy in the fourth quarter of

2019 compared to the fourth quarter of 2018

Table 1

quarter IV 2019

- million lei

current prices -

in

compared to

quarter IV

2018

Structure ()

quarter IV

2018

quarter

IV 2019

New construction works 163830 1279 394 442

Equipment (including means of transport)

155064 1190 422 418

Other expenditure 52002 881 184 140

TOTAL 370896 1171 1000 1000

Source National Institute of Statistics Press release no 59 09032020

In the fourth quarter of 2019 compared to the fourth quarter of 2018 the net investments made in Romania increased by 171 registered in new

construction works by 279 and equipment by 190 Other expenses

decreased by 119 The data are represented in graph number 1

Structure of net investments by structural elements in the fourth

quarter of 2019 compared to the fourth quarter of 2018

Chart 113+

-G+13-13 E F

13

1313

131313

$


Data on investments made in 2019 compared to 2018 are summarized

in table number 2 Signifi cant increases were recorded in new construction

works equipment and means of transport


Net investments made in the national economy in 2019

compared to 2018

Table 2

Year 2019 - million

lei current prices -

in compared

toyear 2018

Structure ()

year 2018

year 2019

New construction works 521214 1325 434 501Equipment (including means of transport) 392721 1093 421 377Other expenditure 127313 979 145 122TOTAL 1041248 1179 1000 1000


In 2019 compared to 2018 the net investments made in the national economy increased by 179 an increase registered for new construction

works by 325 and equipment by 93 Other expenses decreased by 21

The data are shown suggestively in graph number 2

Structure of net investments by structural elements year 2019

compared to 2018

Chart 2

-G+13-13 E F

13

1313

131313

$


Graph number 3 shows the structure of net investments by economic

domains in 2019 compared to 2018


The structure of net investments by activities of the national economy in

2019 compared to 2018

Chart 313

$

amp13 amp13 13

13

$


In 2019 the volume of construction works increased compared to 2018 as a gross series by 276

In December 2019 the volume of construction works increased compared

to the previous month as a gross series by 133 and as a series adjusted

according to the number of working days and seasonality decreased by 18

Compared to the corresponding month of 2018 the volume of

construction works increased as a gross series by 248 and as a series

adjusted according to the number of working days and seasonality by 296

Monthly evolution of construction works by structural elements

according to CANE Rev2 January 2015 - December 2019 (series

adjusted according to the number of working days and seasonality)

Graph 4B13

13

13

13

13

13

13

13

13

13

13



Graphs numbers 4 and 5 suggestively show the monthly evolution of construction works by structural elements and construction objectives in the period 2015-2019 It can be seen that between October 2018 and December 2019 there were signifi cant increases

Monthly evolution of construction works by construction objects

according to CANE Rev 2 January 2015 - December 2019 (series


Graph 5

-G+13-136FE6

13

13

$

13

13

$

13

13

$

13

13

$

13

13

$

$$ $$


The analysis of the evolution of these indicators in December 2019

compared to the previous month reveals increases Thus the volume of

construction works increased as gross series by 133 refl ected in capital

repair works by 242 maintenance and current repairs by 128 and in

new construction works by 119 Residential buildings (+ 340) non-

residential buildings (+ 180) and engineering constructions (+ 27)

registered increases on construction objects respectively

As a series adjusted according to the number of working days and

seasonality the volume of construction works decreased by a total of 18

refl ected in current maintenance and repair works (-72) new construction

works ( -16) and for capital repair works (-15)

By construction objects the volume of construction works decreased

for engineering constructions (-85) Increases were made in residential

buildings (+ 174) and non-residential buildings (+ 22)

Next we will analyze the achievements in December 2019 compared

to the corresponding month in 2018 Thus the volume of construction works

as gross series increased by a total of 248 respectively for new construction


works (+ 328 ) and for current maintenance and repair works (+ 209) The

capital repair works decreased (-39) By construction objects the volume of

construction works increased as follows non-residential buildings (+ 827)



seasonality the volume of construction works increased by 296 respectively for

new construction works (+ 347) and for current maintenance and repair works

(+17 4) Capital repair works decreased by 41 By construction objects the

volume of construction works increased as follows non-residential buildings (+

799) residential buildings (+ 100) and engineering works (+ 89)

The comparison on the annual results from 2019 and 2018 shows

increases in 2019 Thus the volume of construction works as gross series

increased in total by 276 an increase refl ected in all structural elements

as follows new construction works ( + 325) for current maintenance and

repair works (+ 263) and for capital repair works (+ 09) By construction

objects the volume of construction works increased for non-residential

buildings (+ 491) residential buildings (+ 262) and for engineering

constructions (+ 166)

The indices of construction works are presented in table number

3 The data are synthesized by types of constructions for the periods under

analysis

Indices of construction works

Table 3December 2019

1I-31XII 2019

1I-31XII 2018

November

2019

December

2018

Constructions - totalB 1133 1248 1276S 982 1296 -

- on structural elementsNew constructions B 1119 1328 1325

S 984 1347 -Major repairs B 1242 961 1009

S 985 959 -

Current maintenance and repairsB 1128 1209 1263S 928 1174 -

- on construction objects

Residential buildingsB 1340 1110 1262S 1174 1100 -

Non-residential buildingsB 1180 1827 1491S 1022 1799 -

Engineering constructionsB 1027 1043 1166S 915 1089 -


B = gross series S = series adjusted according to the number of working days and seasonality


Increases were made in the fi eld of housing construction works Thus

in 2019 67512 homes were completed increasing by 7799 homes compared

to 2018

In the last quarter of 2019 21075 homes were put into use increasing

by 1740 homes compared to the corresponding period of 2018

Completed dwellings by residence and sources of fi nancing

Table 4Completed dwellings

ndashnumber-Structure

( )

Quarter

IV

2018)

Quarter

IV

2019

Quarter IV 2019

compared to IV

2018

(+-)

Quarter

IV

2018

Quarter IV

2019

Urban area 11367 12701 +1334 588 603The rural environment 7968 8374 +406 412 397

from total sources of

funding 18342 20030 +1688 949 950Private funds 993 1045 +52 51 50TOTAL 19335 21075 +1740 1000 1000


In the fourth quarter of 2019 21075 homes were put into use with

1740 more homes than in the fourth quarter of 2018

By areas of residence in the fourth quarter of 2019 most homes were

built in urban areas (603)

The distribution of completed housing fi nancing funds reveals that in

the fourth quarter of 2019 compared to the fourth quarter of 2018 both the

number of homes made from private funds increased by 1688 homes and

those from public funds with 52 homes

The data are presented in graph number 6


Completed dwellings by development regions in the fourth quarter of


Chart 6

4235

2697

3356

1455

807

1759

2787

2239

5284

2139

3651

2359

1007

1847

2121

2667

0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000 5500 6000

Nord-Est

Sud-Est

Sud-Muntenia

Sud-Vest Oltenia

Vest

Nord-Vest

Centru

Bucuresti-Ilfov



The analysis in regional profi le in the fourth quarter of 2019

compared to the fourth quarter of 2018 highlights the increase in the number

of completed homes in some development regions respectively Bucharest-

Ilfov (+1049 homes) West (+904) North-East (+428) North ndashWest (+295)

South-West Oltenia (+200) and South-Muntenia (+88) Decreases occurred in

two development regions Southeast (-666 dwellings) and Center (-558)

The data are contained in table number 5


Completed dwellings by development regions

Table 5

Completed dwellings

-number-

Structure

( )

quarter IV

2018

quarter IV

2019

quarter IV 2019

compared to

quarter IV 2018

(+-)

quarter IV

2018

quarter IV

2019

North-East 2239 2667 +428 116 126South-East 2787 2121 -666 144 101South-Muntenia 1759 1847 +88 91 88South-West Oltenia 807 1007 +200 42 48West 1455 2359 +904 75 112North-West 3356 3651 +295 174 173Center 2697 2139 -558 139 101Bucharest-Ilfov 4235 5284 +1049 219 251TOTAL 19335 21075 +1740 1000 1000


The annual analysis refl ects the same situation Thus in 2019 67512

homes were completed increasing by 7799 homes compared to 2018

The situation by areas of residence in 2019 compared to 2018

highlights the increase in the share of completed housing in urban areas (from

584 in 2018 to 601 in 2019) and a decrease in rural areas ( from 416

in 2018 to 399 in 2019)

Completed dwellings by means of residence and sources of fi nancing


-number-

Structure

()

year 2018 year 2019year 2019

compared to year 2018 (+-)

year 2018 year 2019


out of the total

Private funds 57709 65159 +7450 966 965Public funds 2004 2353 +349 34 35TOTAL 59713 67512 +7799 1000 1000


The distribution of completed housing by funds reveals that compared

to 2018 in 2019 both the number of homes made from private funds (+7450

homes) and the number of homes made from public funds (+349 homes)


increased Data on development regions are presented in graph number 7 and table number 7

Completed dwellings by development regions in 2019 compared to 2018

Chart 7

11272

8437

11074

5465

2932

5603

7408

7522

14832

8946

12816

6837

2896

6208

7027

7950

0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000 11000 12000 13000 14000 15000 16000

Nord-Est

Sud-Est

Sud-Muntenia

Sud-Vest Oltenia

Vest

Nord-Vest

Centru

Bucuresti-Ilfov

anul 2018 anul 2019




-number-

Structure

()

year 2018 year 2019

year 2019

faţă de

year 2018

(+-)

year 2018 year 2019

North-East 7522 7950 +428 126 118South-East 7408 7027 -381 124 104South-Muntenia 5603 6208 +605 94 92South-West Oltenia 2932 2896 -36 49 43West 5465 6837 +1372 92 101North-West 11074 12816 +1742 185 190Center 8437 8946 +509 141 132Bucharest-Ilfov 11272 14832 +3560 189 220TOTAL 59713 67512 +7799 1000 1000


The distribution in regional profi le in 2019 compared to 2018

highlights an increase in the number of completed homes in the following

development regions Bucharest-Ilfov (+3560 homes) North-West (+1742)

West (+1372 ) South-Muntenia (+605) Center (+509) and North-East (+428)


Decreases were registered in the South-East development regions (-381 dwellings) and South-West Oltenia (-36) The evolution of housing completed quarterly by development regions is summarized in table number 8


Table 8

Nord-Est Sud-Est

Sud-

Muntenia

Sud-Vest


Bucuresti-

Ilfov

TOTAL

ȚARĂ

trimestrul I 2014 1197 725 946 553 811 1792 748 1498 8270

trimestrul I 2015 1110 924 996 426 835 1057 1363 2521 9232

trimestrul I 2016 2321 1302 1093 562 1079 1553 1573 2107 11590

trimestrul I 2017 1584 1290 961 581 687 1897 1542 1542 10084

trimestrul I 2018 1176 1074 1227 408 1275 2221 1239 1653 10273

trimestrul I 2019 1555 1270 1275 626 1174 2575 2028 2211 12714

trimestrul II 2014 1653 857 1072 531 890 1731 624 1954 9312

trimestrul II 2015 1492 1024 1159 686 985 1476 1224 2256 10302

trimestrul II 2016 1548 1461 1145 487 1275 2404 1402 2794 12516

trimestrul II 2017 1842 1174 1293 466 1300 1888 1597 3413 12973

trimestrul II 2018 1692 1767 1141 665 1012 2564 1607 2294 12742

trimestrul II 2019 1673 1450 1395 592 1402 2447 1967 3564 14490

semestrul I 2014 2850 1582 2018 1084 1701 3523 1372 3452 17582

semestrul I 2015 2602 1948 2155 1112 1820 2533 2587 4777 19534

semestrul I 2016 3869 2763 2238 1049 2354 3957 2975 4901 24106

semestrul I 2017 3426 2464 2254 1047 1987 3785 3139 4955 23057

semestrul I 2018 2868 2841 2368 1073 2287 4785 2846 3947 23015

semestrul I 2019 3228 2720 2670 1218 2576 5022 3995 5775 27204

trimestrul III 2014 1870 1385 1335 685 803 1461 1229 2205 10973

trimestrul III 2015 1791 996 1284 621 1162 1529 1467 2787 11637

trimestrul III 2016 2317 1225 1456 554 1087 2181 1422 2609 12851

trimestrul III 2017 2208 2186 1378 643 1755 3208 2453 2484 16315

trimestrul III 2018 2415 1780 1476 1052 1723 2933 2894 3090 17363

trimestrul III 2019 2055 2186 1691 671 1902 4143 2812 3773 19233

per1I-30IX2014 4720 2967 3353 1769 2504 4984 2601 5657 28555

per1I-30IX2015 4393 2944 3439 1733 2982 4062 4054 7564 31171

per1I-30IX2016 6186 3988 3694 1603 3441 6138 4397 7510 36957

per1I-30IX2017 5634 4650 3632 1690 3742 6993 5592 7439 39372

per1I-30IX2018 5283 4621 3844 2125 4010 7718 5740 7037 40378

per1I-30IX2019 5283 4906 4361 1889 4478 9165 6807 9548 46437

trimestrul IV 2014 2396 1973 1603 754 1045 2109 2096 4453 16429

trimestrul IV 2015 3271 1992 1530 667 1130 2105 1600 3518 15813

trimestrul IV 2016 2740 1927 1654 739 1365 2520 1792 2512 15249

trimestrul IV 2017 2448 1433 1771 625 1411 2489 1704 2094 13975

trimestrul IV 2018 2239 2787 1759 807 1455 3356 2697 4235 19335

trimestrul IV 2019 2667 2121 1847 1007 2359 3651 2139 5284 21075

Anul 2014 7116 4940 4956 2523 3549 7093 4697 10110 44984

Anul 2015 7664 4936 4969 2400 4112 6167 5654 11082 46984

Anul 2016 8926 5915 5348 2342 4806 8658 6189 10022 52206

Anul 2017 8082 6083 5403 2315 5153 9482 7296 9533 53347

Anul 2018 7522 7408 5603 2932 5465 11074 8437 11272 59713

Anul 2019 7950 7027 6208 2896 6837 12816 8946 14832 67512



From the study of the data contained in this table it results that the Bucharest-Ilfov region the North-West region and the North-East region recorded the best results

Completed dwellings by areas of residence and sources of fi nancing in

the fourth quarter of 2019 compared to the fourth quarter of 2018

Table 9Completed dwellings ndashnumber- Structure ( )

Quarter IV

2018

Quarter IV

2019

Quarter IV 2019

compared to

quarter IV 2018

(+-)

Quarter IV

2018

Quarter IV

2019

Urban area 11367 12701 1334 588 603The rural environment 7968 8374 406 412 397 out of the total Private funds 18342 20030 1688 949 950Public funds 993 1045 52 51 50TOTAL 19335 21075 1740 100 100


Tables numbers 9 and 10 present data on homes completed by means of resilience and sources of funding quarterly and annually A comparative study is carried out quarterly and annually for the fourth quarter of 2018 and 2019 as well as for the entire year 2019 compared to 2018



Table 10

Completed dwellings -number- Structure ()

year 2018 year 2019

year 2019

compared to

year 2018

(+-)

year 2018 year 2019

TOTAL 59713 67512 7799 1000 1000Urban area 34896 40589 5693 584 601The rural environment 24817 26923 2106 416 399 out of the total Private funds 57709 65159 +7450 966 965Public funds 2004 2353 349 34 35Source National Institute of Statistics Press release no 58 09032020

Next the structural analysis is performed by development regions The analysis is based on absolute and relative structural data


Table 11 Completed dwellings by development regions in the fourth quarter of 2019 compared to the fourth quarter of 2018

Completed dwellings -number- Structure( )

quarter IV

2018

quarter IV

2019

quarter IV

2019

compared to

quarter IV

2018

(+-)

quarter IV

2018

quarter IV

2019

Northeast 2239 2667 +428 116 126South East 2787 2121 -666 144 101South-Muntenia 1759 1847 +88 91 88South-West Oltenia 807 1007 +200 42 48West 1455 2359 +904 75 112Northwest 3356 3651 +295 174 173Center 2697 2139 -558 139 101Bucharest-Ilfov 4235 5284 +1049 219 251TOTAL 19335 21075 1740 1000 1000Source National Institute of Statistics Press release no 58 09032020

Completed dwellings by development regions in year 2019 compared to

year 2018

Table 12


year 2018 year 2019

year 2019

compared

to year 2018

(+-)

year 2018 year 2019

North-East 7522 7950 +428 126 118

South-East 7408 7027 -381 124 104

South-Muntenia 5603 6208 605 94 92

South-West Oltenia 2932 2896 -36 49 43

West 5465 6837 +1372 92 101

North-West 11074 12816 +1742 185 190Center 8437 8946 +509 141 132Bucharest-Ilfov 11272 14832 +3560 189 220TOTAL 59713 67512 7799 1000 1000


Tables 11 and 12 show the data on the situation of completed homes in the two years under analysis


Conclusions

The study shows that in 2019 in the fi eld of net investments progress

was made as it resulted in the construction Net investments increased in most

categories of investments and a structured analysis reveals that 2019 was a

positive year in terms of increasing net investments as well as improving

construction activity

The conclusions drawn from this article are closely related to the need

to increase the volume of net investment in the economy On the other hand

a more substantial increase in net investment and housing activity and other

types of construction could be achieved if access to credit loans provided by

domestic banks were favorable but in the current conditions where interest

rates loans are particularly high investors are reluctant to take out loans in

the medium and long term especially Most loans are short-term loans which

help to complete some objectives already started already put in the group of

possible realization

Another conclusion is that the results of 2019 may represent a peak

in the context in which at the time of this analysis we already know the

eff ects of the coronavirus crisis (COVID 19) which will certainly have a

negative infl uence on increasing activity in these areas net investment and

construction Also foreign direct investment will be quite fragile as there is

no particular attraction for foreign investors to come to the country with the

launch of large projects

Another conclusion is that the Romanian authorities in this fi eld

of economic and fi nancial management must fi nd solutions through which

investors especially domestic ones have a good cooperation with Romanian

banks or banks that are located in our country so that the level investment

to be able to grow Without long-term projects which are guaranteed by the

possibility of obtaining advantageous loans we cannot anticipate a substantial

increase in the total net domestic and foreign direct investments that can be

made in Romania

References

1 Anghel MG Anghelache C Dumbravă ŞG Mirea M Stoica R (2018)

Analysis of the evolution of activity in industry and construction ndash the fi rst nine

months of 2017 Romanian Statistical Review Supplement 1 32-43


3 Anghelache GV Anghelache C Fetcu AE Iarca I (2011) Investments in

Constructions and Production of Services ART ECO ndash Review of Economic Studies and Research 2 (3) 62-69

4 Anghelache C (2018) The economic balance of Romania at one hundred years

Editura Economică Bucureşti


5 Anghelache C Anghel MG Lilea FPC Burea D Avram D (2017) European Union Strategy For Industry Trade and Services Development Romanian Statistical Review Supplement 8 145-158
















Model de analiză a corelaţiei dintre forţa de muncă şi Produsul Intern Brut din Romacircnia

Conf univ dr Mădălina-Gabriela ANGHEL (madalinagabriela_anghelyahoocom)

Universitatea bdquoArtifexrdquo din BucureștiDrd Dana Luiza GRIGORESCU (danaluiza2004yahoocom)

Academia de Studii Economice din BucureștiDrd Ștefan Gabriel DUMBRAVĂ (stefandumbravagmailcom)


Abstract Forța de muncă icircn concordanță și cu prevederile conceptului Cobb Douglas referitor la activitatea economică se bazează pe funcția de producție adică pe existența celor trei factori care pot contribui la dezvoltarea activității utilizacircnd forța de muncă existentă Din păcate icircn Romacircnia populația activă e mai dezvoltată față de oferta dată de piața muncii Analiza pe trimestrul al IV-lea al anului 2019 și apoi extinsă și pe unele poate anterioare evidențiază că icircn Romacircnia forța de muncă a avut o evoluție oscilantă pe măsură ce unele activități s-au suspendat sau au dispărut icircn același timp au apărut noi domenii așa că din 1990 pacircnă icircn 2019 putem vorbi de o populație destul de interesantă icircn ceea ce privește forța de muncă existentă Icircn articol se prezintă unele precizări icircn legătură cu defi nirea conținutului unor indicatori statistici care sunt utilizați icircn concordanță deplină cu metodologia utilizată de Institutul Național de Statistică (Eurostat) icircn ceea ce privește urmărirea și raportarea forței de muncă Se constată că icircn această perioadă forța de muncă a avut o evoluție oarecum pozitivă icircn anul 2019 fi ind utilizată și asiguracircnd pe cacirct posibil o anumită evoluție concretă a forței de muncă Este analizată apoi pe structura de populația activă populația ocupată șomaj salariați și alte categorii de persoane existacircnd o icircntreagă expunere de situații bazate pe structura forței de muncă locurile de muncă aparente care au fost utilizate sau nu au fost utilizate și așa mai departe Icircn analiza forței de muncă se face o interpretare și din punct de vedere al structurii ocupării pe categorii de vacircrstă medii urban sau rural sexe precum și pe unele profesii care au existat sau care există icircn țara noastră Icircn fi nal se utilizează modelul de regresie liniară simplă pentru a evidenția corelația care există icircntre evoluția Produsului Intern Brut și forța de muncă Cuvinte cheie Forță de muncă indicatori statistici evoluție domenii de activitate corelații Clasifi carea JEL C13 J20


Introducere

Icircn acest articol s-a icircnceput analiza pentru trimestrul IV al anului 2019 cu o analiză totală și structurală evidențiindu-se că a existat o ocupare corespunzătoare a forței de muncă pentru condițiile din țara noastră Sunt prezentate cifre și date majoritatea icircn unele tabele și grafi ce care sunt sugestive din punctul de vedere al ocupării forței de muncă De asemenea analiza se face și pe grupe profesionale existacircnd astfel posibilitatea de a desprinde tendințele care vor exista icircn perioada următoare Analiza se efectuează icircntr-un moment particular al evoluției economice al Romacircniei icircn sensul că există această pandemie criza coronavirus care va avea efecte deosebite asupra ocupării forței de muncă din Romacircnia Icircn acest sens fără a intra icircn detalii icircn legătură cu șomajul și altele precizăm faptul că icircn țara noastră exista un număr de șomeri oarecum rezonabil a existat posibilitatea ocupării unor locuri vacante care sunt scoase de regulă la tacircrgurile de muncă dar din punctul de vedere al perspectivelor constatăm că icircn acest moment al anului 2020 icircncepacircnd cu luna martie situația este total diferită Icircn primul racircnd la numărul de șomeri existent al celor aproape un milion de persoane trecute icircn șomaj tehnic fără perspectiva de a putea anticipa dacă vor reveni la forma de angajare inițială pe care au avut-o se adaugă și peste un milion trei sute de mii de persoane dintre cele peste patru milioane care lucrau icircn exterior și s-au reicircntors icircn țară Desigur condiția imediată este aceea a crizei sanitare dată de pandemia coronavirus dar trebuie să subliniem că aceste persoane din cele peste patru milioane care sau icircntors icircn țară sunt cele care au lucrat fără acorduri fără contracte fără posibilități certe de a avea drepturile care se impun a fi luate icircn considerație icircn condițiile Uniunii Europene Astfel marea parte dintre aceste persoane erau ori lucrători sezonieri cu contracte limitate și fără drepturi așa cum trebuie să fi e ele și cum sunt icircnscrise icircn codul muncii și codul muncii internațional dar care au lucrat și fără astfel de acorduri Aceste persoane pe lacircngă efectul negativ pe care l-au adus icircn ceea ce privește perspectiva resurselor de viață au avut o contribuție și datorită unor defi ciențe ale organizării statului Romacircn icircn rdquoimportulrdquo virusului corona cu efecte care sunt greu de anticipat acum De aceea icircn perspectiva analizei evoluției forței de muncă al populației ocupate este mult mai difi cil să ne pronunțăm acum deoarece a exista o perioadă de cel puțin unu doi ani icircn care Romacircnia va fi sufocată de un număr important de persoane care nu au loc de muncă icircn corelație imediată cu posibilitatea economiei naționale de a acorda acestora locuri de muncă Icircn acest articol am făcut și un studiu concret analizacircnd evoluția Produsul Intern Brut pacircnă icircn 2019 cu evoluția forței de muncă angajate icircn aceeași perioadă amintită Am utilizat regresia liniara simplă care ne-a


arătat clar corelația dintre forța de muncă ocupată și creșterea Produsului

Intern Brut pe baza acestui factor sens icircn care după utilizarea metodei de

regresie liniara simplă și calculacircnd parametrii de regresie am putut efectua

și o estimare a perspectivei evoluției ocupării forței de muncă a numărului

de salariați comparativ cu creșterea Produsului Intern Brut Desigur acest

studiu rămacircne valabil chiar dacă el este fracturat icircn anul 2020 prin aceea că

au apărut elemente suplimentare icircn ceea ce privește forța de muncă numărul

de persoane disponibil inclus sau nu icircn șomaj capacitatea de absorbție a

economiei romacircnești capacitatea de inițiere a unor afaceri și multe altele

Literature review

Agrawala și Matsab (2013) a studiat o serie de aspecte cu privire

la riscul de șomaj Anghel și Radu (2020) au analizat principalele elemente

care caracterizează locurile vacante pe piața muncii icircn Romacircnia Anghel

Marinescu Burea Olteanu și Samson (2018) precum și Anghelache Avram

Burea Petre (Olteanu) (2018) au analizat corelația dintre mișcarea naturală

a populației și forța de muncă din Romacircnia O temă similară este studiată

de către Anghelache C Marinescu R T Soare DV (2015) Anghelache

Anghel Căpușneanu și Topor (2019) au utilizat instrumentarul econometric

pentru a analiza corelația dintre Produsul Intern Brut și agregatele economice

Bijak Kupiszewska Kupiszewski Saczuk și Kicinger (2007) au efectuat

proiecții privind populația și forța de muncă pacircnă icircn anul 2050 pentru 27 de

state din Europa Donangelo (2014) precum și Klein și Ventura (2009) și-au

icircndreptat atenția asupra efectelor mobilității forței de muncă Maestas Mullen

și Powell (2016) au analizat corelația dintre icircmbătracircnirea populației forța de

muncă și creșterea economică Saraceno și Keck (2010) s-a referit la strategii

și politici intergeneraționale icircn Europa


Pentru asimilarea mai efi cientă a unor aspecte din acest studiu

prezentăm unele precizări metodologice preluate din metodologia elaborată

și utilizată de Institutul Național de Statistică Astfel sursa datelor o constituie

Cercetarea statistică asupra forţei de muncă icircn gospodării (AMIGO) care

se realizează trimestrial icircn conformitate cu Regulamentul Consiliului şi

Parlamentului European nr 5771998 cu privire la organizarea unei anchete

statistice selective asupra forţei de muncă icircn Comunitatea Europeană

Populaţia activă din punct de vedere economic cuprinde toate

persoanele care furnizează forţa de muncă disponibilă pentru producţia de

bunuri şi servicii icircn timpul perioadei de referinţă incluzacircnd populaţia ocupată

şi şomerii


Rata de activitate reprezintă ponderea populaţiei active din grupa de vacircrstă x icircn populaţia totală din aceeaşi grupă de vacircrstă xRata de activitate a populaţiei icircn vacircrstă de muncă reprezintă ponderea populaţiei active icircn vacircrstă de 15-64 ani icircn populaţia totală icircn vacircrstă de 15-64 ani Populaţia ocupată cuprinde toate persoanele de 15 ani şi peste care au desfăşurat o activitate economică producătoare de bunuri sau servicii de cel puţin o oră icircn perioada de referinţă (o săptămacircnă) icircn scopul obţinerii unor venituri sub formă de salarii plată icircn natură sau alte benefi cii Icircncepacircnd din anul 2011 lucrătorii pe cont propriu şi lucrătorii familiali neremuneraţi care lucrează icircn agricultură sunt consideraţi persoane ocupate doar dacă sunt proprietarii producţiei agricole (nu neapărat şi ai pămacircntului) obţinute şi icircndeplinesc una dintre următoarele condiţii producţia agricolă este destinată fi e şi măcar icircn parte vacircnzării sau schimbului icircn natură (troc) și producţia agricolă este destinată exclusiv consumului propriu dacă aceasta reprezintă o parte substanţială a consumului total al gospodăriei Icircn afara persoanelor care au un loc de muncă şi au lucrat icircn cursul săptămacircnii de referinţă indiferent de statutul profesional se consideră persoane ocupate şi cele care fac parte din următoarele categorii persoanele care icircn cursul săptămacircnii de referinţă au desfăşurat o muncă oarecare plătită sau aducătoare de venit chiar dacă erau icircn curs de pregătire şcolară obligatorie erau la pensie sau benefi ciau de pensie erau icircnscrise la Agenţia Naţională pentru Ocuparea Forţei de Muncă (ANOFM) primind sau nu indemnizaţie de şomaj ucenicii şi stagiarii remuneraţi care lucrează cu program de lucru complet sau parţial și membrii forţelor armate Populaţia ocupată se clasifi că după statutul profesional icircn - Salariat - este considerată persoana care-şi exercită activitatea pe baza unui contract de muncă icircntr-o unitate economică sau socială - indiferent de forma ei de proprietate - sau la persoane particulare icircn schimbul unei remuneraţii sub formă de salariu icircn bani sau icircn natură sub formă de comision etc Prin ldquocontract de muncărdquo se icircnţelege şi orice alt tip de acord de muncă (icircncheiat icircn formă scrisă sau verbală) - Patron - este persoana care-şi exercită ocupaţia (meseria) icircn propria sa unitate (icircntreprindere agenţie atelier magazin birou fermă etc) pentru a cărei activitate are angajaţi unul sau mai mulţi salariaţi - Lucrător pe cont propriu - este persoana care-şi exercită activitatea icircn unitatea proprie sau icircntr-o afacere individuală fără a angaja nici un salariat fi ind ajutat sau nu de membrii familiei neremuneraţi - Lucrător familial neremunerat - este persoana care-şi exercită activitatea icircntr-o unitate economică familială condusă de un membru al familiei sau o rudă pentru care nu primeşte remuneraţie sub formă de salariu


sau plată icircn natură Gospodăria ţărănească (agricolă) este considerată o astfel de unitate - Membru al unei societăţi agricole sau al unei cooperative neagricole - este considerată persoana care a lucrat fi e ca proprietar de teren agricol icircntr-o

societate agricolă constituită conform Legii 361991 fi e ca membru al unei

cooperative meşteşugăreşti de consum sau de credit Rata de ocupare reprezintă ponderea populaţiei ocupate din grupa de vacircrstă x icircn populaţia totală din aceeaşi grupă de vacircrstă x Rata de ocupare a populaţiei icircn vacircrstă de muncă reprezintă ponderea populaţiei ocupate icircn vacircrstă de 15-64 ani icircn populaţia totală icircn vacircrstă de 15-64 ani Şomerii conform defi niţiei internaţionale (BIM) sunt persoanele icircn vacircrstă de 15-74 ani care icircndeplinesc simultan următoarele trei condiţii nu au un loc de muncă sunt disponibile să icircnceapă lucrul icircn următoarele două săptămacircni și s-au afl at icircn căutare activă a unui loc de muncă oricacircnd icircn decursul ultimelor patru săptămacircni Rata şomajului reprezintă ponderea şomerilor icircn populaţia activă

Date rezultate și discuții Icircn trimestrul IV 2019 rata de ocupare a populaţiei icircn vacircrstă de 20-64 ani a fost de 711 cu 11 puncte procentuale peste ţinta naţională de 70 stabilită icircn contextul Strategiei Europa 2020 Icircn al patrulea trimestru al anului 2019 populaţia activă a Romacircniei era de 9008 mii persoane din care 8654 mii persoane erau ocupate şi 354 mii persoane erau şomeri Studiul privind participarea populației la forței de muncă pe sexe vacircrstă și medii se bazează pe datele din tabelul numărul 1


Participarea populaţiei la forţa de muncă pe sexe şi medii icircn trimestrul

IV 2019

Tabel 1 Total Masculin Feminin Urban Rural - mii persoane -Populaţia activă 9008 5195 3813 4952 4056din care Populaţia ocupată 8654 4963 3691 4803 3851Şomeri 354 232 122 149 205 - procente -Rata de activitate 688 788 585 699 67520-64 ani 738 845 629 744 73015-24 ani 299 373 222 210 37625-54 ani 841 933 743 870 80255-64 ani 495 632 370 456 550Rata de ocupare 660 752 566 678 63920-64 ani 711 809 610 723 69515-24 ani 244 303 183 170 30825-54 ani 816 901 725 850 77055-64 ani 481 611 362 445 533Rata şomajului 39 45 32 30 5115-24 ani 185 190 177 189 18325 ani şi peste 29 33 23 23 36


Grafi cul numărul 1 sintetizează și prezintă structura populației

pe următoarele categorii activă ocupată șomeri salariați și alte categorii

implicate icircn activitate

Categorii de populaţie icircn trimestrul IV 2019 (mii persoane)

Grafi c 1

Populatia activa (9008)

Populatia ocupata (8654) Someri

(354)

Salariati (6586) Alte categorii

(2068)



Rata de ocupare a populaţiei icircn vacircrstă de muncă icircntre 15 și 64 de ani a fost icircn trimestrul IV al anului 2019 de 660 icircn scădere faţă de trimestrul anterior cu 07 puncte procentuale Gradul de ocupare a fost mai mare la bărbaţi (752 faţă de 566 la femei) şi la persoanele din mediul urban (678 faţă de 639 icircn mediul rural) Important este faptul că rata de ocupare a tinerilor cu vacircrsta cuprinsă icircntre 15 și 24 de ani a fost de 244

Evoluţia ratei de ocupare a populaţiei de 15 ani şi peste pe grupe de

vacircrstă ()

Tabel 2 Tr IV 18 Tr I 19 Tr II 19 Tr III 19 Tr IV 1915-24 ani 238 230 256 256 24425-54 ani 799 799 822 821 81655-64 ani 472 460 481 489 48165 ani şi peste 80 72 81 78 71Sursa Institutul Național de Statistică Comunicat nr 82 27032020

De asemenea se constată că icircn mod constant icircn icircntregul an 2019 populația ocupată din categoria de vacircrstă 65 ani și peste a fost cuprinsă icircntre 71 icircn trimestrul IV 2019 și 81 icircn trimestrul II 2019 din totalul populației ocupate

Evoluţia ratei de ocupare a populaţiei de 15 ani şi peste

pe grupe de vacircrstă

Tabel 2


Rata şomajului icircn trimestrul IV 2019 a fost de 39 icircn creștere cu 01 față de cea icircnregistrată icircn trimestrul anterior Cu privire la rata șomajului trebuie să precizăm că analiza este efectuată pentru icircntregul an 2019 situația fi ind pozitivă Icircn momentul studiului pentru acest articol (aprilie 2020) nu a


fost luată icircn considerație situația din primul trimestru al anului 2020 Facem această precizare deoarece icircn prezent populația neocupată și numărul de șomeri icircnregistrați a crescut icircn mod deosebit Această creștere are la bază creșterea ratei șomajului și a populației neocupate ca urmare a imigrării (peste un milion de persoane) și a șomajului tehnic care se poate concretiza icircn șomaj

Rata şomajului pe grupe de vacircrstă sexe şi medii

icircn trimestrul IV 2019 ()

Tabel 3 Masculin Feminin Urban Rural

15-24 ani 190 177 189 183

25-34 ani 53 31 32 62

35-44 ani 28 15 18 30

45-54 ani 24 28 21 31

55 ani şi peste 28 17 24 23


Icircn tabelul numărul 3 și grafi cul numărul 3 se prezintă rata șomajului pe grupe de vacircrstă sexe și medii

Rata şomajului pe grupe de vacircrstă sexe şi medii icircn trimestrul IV 2019

Grafi c 3

13 13 13 13 13

13 13 13 13 13

$ amp


Pe sexe ecartul dintre cele două rate ale şomajului a fost de 13 adică 45 la bărbaţi faţă de 32 la femei iar pe medii rezidenţiale de 21 adică 51 icircn mediul rural faţă de 30 icircn mediul urban Pe grupe de vacircrstă rata şomajului a atins nivelul cel mai ridicat și anume de 185 icircn racircndul tinerilor cu vacircrste cuprinse icircntre 15 și 24 de ani


Pentru a evidenția corelația care există icircntre evoluția Produsului Intern Brut și forța de muncă icircn cele ce urmează s-a efectuat o analiză statistico-econometrică utilizacircnd un model de regresie liniară simplă Astfel seriile de date referitoare la evoluția celor două variabile statistice considerate sunt structurate icircn tabelul numărul 4

Evoluția Produsului Intern Brut și a forței de muncă

icircn perioada 1991-2018

Tabel 4ANUL 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000

PIB (mil lei) 2204 6029 200360 497730 721350 1089190 2529260 3737980 5519140 8037730

Număr Salariați (mii persoane)

10786 10548 10062 10011 9493 9379 9023 8813 8420 10508

ANUL 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010

PIB (mil lei) 11676870151475101975648024736800288954603446506041600680524388705105228053388110


10440 9234 9223 9158 92672 93307 93648 93659 8952 8713

ANUL 2011 2012 2013 2014 2015 2016 2017 2018

PIB (mil lei) 56509720 59668150 63758310 66859010 71258780 76513540 85672660 89442260


8528 8605 8549 8614 8535 8449 8671 8896

Sursa Institutul Național de Statistică

Icircn grafi cele numerele 4 și 6 este prezentată evoluția Produsului Intern Brut din Romacircnia icircn perioada cuprinsă icircntre anii 1991 și 2018

Evoluția Produsului Intern Brut icircn perioada 1991-2018

Grafi c 4


Interpretacircnd evoluția Produsului Intern Brut icircn perioada cuprinsă icircntre anii 1991 și 2018 din reprezentarea grafi că de mai sus constatăm că icircn perioada de douăzeci și opt de ani supusă analizei s-au icircnregistrat creșteri ajungacircndu-se icircn anul 2018 la un maxim de 8944226 mil Ron valoare confi rmată și de histograma prezentată icircn grafi cul numărul 5

Histograma Produsului Intern Brut

Grafi c 5

0

2

4

6

8

10

12

0 200000 400000 600000 800000

Series PIB

Sample 1991 2018

Observations 28

Mean 3304484

Median 2681613

Maximum 8944226

Minimum 2204000

Std Dev 3008084

Skewness 0371250

Kurtosis 1718197

Jarque-Bera 2560046

Probability 0278031

Conform grafi cului numărul 5 putem afi rma că distribuția valorilor PIB-ului icircn perioada supusă analizei este una mai lentă avacircnd icircn vedere rezultatul testului Kurtosis a cărui valoare de 171 se situează sub pragul de 3 și icircn același timp distribuția nu este perfect simetrică avacircnd icircn vedere valoarea de 037 semnifi cativ diferită de zero a testului Skewness Icircn grafi cele numerele 6 și 7 este prezentată evoluția numărului de salariați din Romacircnia icircn perioada cuprinsă icircntre anii 1991 și 2018


Evoluția numărului de salariați icircn perioada 1991-2018Grafi c 6

Interpretacircnd evoluția numărului de salariați din Romacircnia icircn perioada supusă analizei constatăm din reprezentarea grafi că de mai sus că au existat mici oscilații dar numărul de salariați s-a păstrat la o valoare relativ constantă fapt care rezultă și din datele prezentate icircn grafi cul numărul de 7 (histograma) unde valoarea mediană de 92478 mii de persoane este destul de apropiată de punctele de extrem (maximul de 10786 mii de persoane și minimul de 8420 mii de persoane)

Histograma numărului de salariațiGrafi c 7

0

1

2

3

4

5

6

7

8

8500 9000 9500 10000 10500 11000

Series NSAL

Sample 1991 2018

Observations 28

Mean 9247807

Median 9190500

Maximum 1078600

Minimum 8420000

Std Dev 6980081

Skewness 0815831

Kurtosis 2590306

Jarque-Bera 3301862

Probability 0191871


De asemenea putem afi rma că distribuția valorilor numărului de salariați icircn perioada supusă analizei este una mai lentă avacircnd icircn vedere rezultatul testului Kurtosis a cărui valoare de 259 se situează sub pragul de 3 și icircn același timp distribuția nu este perfect simetrică avacircnd icircn vedere valoarea de 081 semnifi cativ diferită de zero a testului SkewnessCorelația dintre Produsul Intern Brut și numărului de salariați este prezentată icircn grafi cul numărul 8

Corelația dintre PIB și numărului de salariați

Grafi c 8

-200000

0

200000

400000

600000

800000

1000000

8000 9000 10000 11000

NSAL

PIB

PIB vs NSAL

Conform reprezentării grafi ce de mai sus putem afi rma că norul de puncte aferent valorilor pe care le-au icircnregistrat cei doi indicatori studiați descriu o dreaptă fapt ce ne permite continuarea studiului statistico-econometric utilizacircnd un model de regresie liniară simplă de forma

(1)unde este variabila dependentă

este variabila independentă sunt parametrii de regresie

reprezintă variabila reziduală


Pentru estimarea parametrilor a și b respectiv și vom utiliza metoda celor mai mici pătrate Icircn aceeași ordine de idei pentru testarea semnifi cației modelului autorii au apelat la programul de analiză statistico-econometrică EViews iar rezultatele sunt prezentate icircn fi gura numărul 1

Rezultatele analizei dependenței PIB-ului de evoluția numărului de salariați

Figura 1

Dependent Variable PIBMethod Least SquaresSample 1991 2018Included observations 28

Variable Coeffi cient Std Error t-Statistic Prob C 2949772 5906924 4993753 00000

NSAL -2832373 6369905 -4446491 00001R-squared 0431958 Mean dependent var 3304484Adjusted R-squared 0410110 SD dependent var 3008084SE of regression 2310337 Akaike info criterion 2760726Sum squared resid 139E+12 Schwarz criterion 2770242Log likelihood -3845017 F-statistic 1977128Durbin-Watson stat 0454546 Prob(F-statistic) 0000145

Interpretacircnd rezultatele analizei sintetizate icircn fi gura numărul 1 putem afi rma că modelul este unul bun avacircnd icircn vedere faptul că valorile coefi cienților sunt semnifi cativ diferite de zero Icircn aceeași ordine de idei modelul este confi rmat și de testele statistice adică F-statistic = 1977 avacircnd o valoare superioară celei tabelate și de asemenea aceeași situație este confi rmată și de testul t-Statistic cu valori superioare celor tabelate și cu o probabilitate de a greși aproape nulă Icircn ceea ce privește valorea de 043 icircnregistrată de R-squared confi rmă faptul că există și alți factori care au infl uență asupra evoluției Produsului Intern Brut dar modelul este confi rmat și putem scrie ecuația care ne permite calcularea valorilor prognozate ale acestui indicator macroeconomic sub forma

(2)

Infl uența altor factori asupra evoluției Produsului Intern Brut este confi rmată și de valoarea mare a coefi cientului termenului liber (2949772) iar semnul plus al valorii acestui coefi cient ne indică faptul ca infl uența celorlalți factori neluați icircn calcul este una pozitivă


Concluzii Articolul de față este bazat pe un studiu care se oprește icircntr-un fel justifi cat la 31 decembrie 2019 pentru că aceasta a fost intenția autorilor de a evidenția evoluția ocupării forței de muncă deci a sporirii numărului de salariați și a reducerii pe cacirct posibil a ratei șomajului Am zis pacircnă la 31 decembrie 2019 deoarece pacircnă atunci au existat condiții normale de evoluție care s-au menținut și perpetuat pentru o perioadă de timp Icircn continuare problema icircncepacircnd cu luna martie 2020 trebuie să facă obiectul unui alt studiu deși anticipăm că după reașezarea economiei romacircnești după criza economico-fi nanciară ce va urma acestei pandemii determinată de criza coronavirus corelația se menține și va trebui icircn cele din urmă să fi e reașezată icircn parametrii săi Facem o succintă observație aici că s-ar putea ca resetarea economiei mondiale resetarea icircn cadrul Uniunii Europene și resetarea inclusiv pe plan intern a economiei romacircnești să aibă nevoie de introducerea și a altor variabile statistice icircn studiu pentru a releva perspectivele mai aproape de realitățile care se vor dezvolta icircn viitorul imediat O primă concluzie care se desprinde este aceea că fără masuri fără un program al guvernului de dezvoltare a economiei icircn ansamblul său nu putem vorbi nici despre creștere economică durabilă și nici despre ocuparea forței de muncă așa cum apare ea icircn piața muncii Romacircnia a avut creștere economică pacircnă icircn anul 2019 inclusiv pe baza consumului și mai puțin pe baza investițiilor Icircn momentul icircn care scriem acest articolul pentru anul 2020 apare scăzut inclusiv criteriul de creștere economică pe baza consumului deoarece piața s-a icircngustat și investițiile au icircntacircrziat deocamdată să apară De aceea concluzia care se desprinde de aici este aceea că icircn reluarea și punerea icircn deplină concordanță a evoluției economiei naționale trebuie să se recurgă la investiții icircn domeniile prioritare să se reia activitatea să se refi nanțeze dezvoltarea agriculturii chiar prin acordarea de facilități deosebite Un rol important trebuie să icircl aibă Uniunea Europeană la care Romacircnia trebuie să solicite obținerea de subvenții suplimentare pentru icircncurajarea și dezvoltarea economiei romacircnești care este una dintre principalele țări cu acest domeniu de activitate cel mai bine pus la punct datorită și condițiilor naturale de care dispune Romacircnia O altă concluzie a ocupării forței de muncă o presupune și aceea icircn a se analiza mai concret posibilitatea conform directivei Uniunii Europene a liberei circulații a persoanelor pentru ca cei care pleacă și icircși găsesc locuri de muncă icircn alte piețe europene să o facă pe bază de angajamente de contracte certe care se le asigure atacirct perspectiva de intrare icircn șomaj cacircnd va fi cazul precum și perspectiva de a obține drepturile care se impun prin segmentul de timp icircn care au lucrat icircn aceste țări la pensionare


O ultima concluzie este aceea că trebuie neapărat adeverit acut acum icircn momentul de față să se coreleze mai activ pregătirea forței de muncă cu condițiile oferite de piața muncii din Romacircnia

Bibliografi e 1 Agrawala A Matsab D (2013) Labor unemployment risk and corporate

fi nancing decisions Journal of Financial Economics 108 (2) 449ndash470 2 Anghel MG Radu I (2020) Studiul evoluției cererii și ofertei de locuri vacante

pe piața muncii icircn Romacircnia The study of the evolution of the demand and supply of vacancies in the labor market in Romania Romanian Statistical Review Supplement 3 87-98

3 Anghel MG Marinescu RT Burea D Olteanu A and Samson T (2018) Natural movement of the population ndash labor force resource in Romania in 2017 Romanian Statistical Review Supplement 1 122-131

4 Anghelache C Anghel MG Căpușneanu S Topor DI (2019) Econometric model used for GDP correlation analysis and economic aggregates Economic Computation and Economic Cybernetics Studies and Research 53 (1) 183-197

5 Anghelache C Avram D Burea D and Petre (Olteanu) A (2018) Analysis of the Natural Movement of Population and Labor Force Development Romanian Statistical Review Supplement 2 115-123

6 Anghelache C Marinescu R T Soare DV (2015) The Population and the Labor Force Market Romanian Statistical Review Supplement 1 7-19

7 Bijak J Kupiszewska D Kupiszewski M Saczuk K and Kicinger A (2007) Population and labour force projections for 27 European countries 2002-052 impact of international migration on population ageing European Journal of Population 23 (1) 2007 1-31

8 Donangelo A (2014) Labor mobility implications for asset pricing Journal of Finance 68 (3) 1321-1346

9 Klein P Ventura G (2009) Productivity diff erences and the dynamic eff ects of labor movements Journal of Monetary Economics 56 (8) 1059ndash1073

10 Maestas N Mullen K Powell D (2016) The eff ect of population aging on economic growth the labor force and productivity National Bureau Of Economic Research Cambridge Working Paper no 22452

11 Saraceno C Keck W (2010) Can we identify intergenerational policy regimes in Europe European Societies Journal 12 (5) 675-696



MODEL FOR ANALYZING THE CORRELATION BETWEEN THE LABOR

FORCE AND THE GROSS DOMESTIC PRODUCT IN ROMANIA

Assoc prof Mădălina-Gabriela ANGHEL PhD (madalinagabriela_anghelyahoocom)

bdquoArtifexrdquo University of Bucharest Dana Luiza GRIGORESCU PhD Student (danaluiza2004yahoocom)

Bucharest University of Economic Studies Ștefan Gabriel DUMBRAVĂ PhD Student (stefandumbravagmailcom)


Abstract The labor force in accordance with the provisions of the Cobb Douglas concept regarding economic activity is based on the production function ie on the existence of the three factors that can contribute to the development of the activity using the existing labor force Unfortunately in Romania the active population is more developed than the off er given by the labor market

The analysis for the fourth quarter of 2019 and then extended and

perhaps some previous ones shows that in Romania the labor force had an

oscillating evolution as some activities were suspended or disappeared at the

same time new ones appeared areas so from 1990 to 2019 we can talk about

a fairly interesting population in terms of existing workforce

The article presents some clarifi cations regarding the defi nition of

the content of statistical indicators that are used in full accordance with the

methodology used by the National Institute of Statistics (Eurostat) regarding

the monitoring and reporting of the workforce It is found that during this period

the labor force had a somewhat positive evolution in 2019 being used and

ensuring as much as possible a certain concrete evolution of the labor force

It is then analyzed on the structure of the active population the

employed population unemployment employees and other categories of

people there is a whole exposure of situations based on the structure of the

workforce the apparent jobs that were used or not used and so on far away

In the analysis of the labor force an interpretation is made from the point

of view of the employment structure by age categories urban or rural areas sexes

as well as by some professions that have existed or that exist in our country

Finally the simple linear regression model is used to highlight the

correlation that exists between the evolution of the Gross Domestic Product

and the labor force


Keywords Labor force statistical indicators evolution fi elds of activity correlations JEL Classifi cation C13 J20

Introduction

In this article the analysis for the fourth quarter of 2019 began with a total and structural analysis highlighting that there was a proper employment for the conditions in our country Figures and data are presented mostly in some tables and graphs that are suggestive in terms of employment Also the analysis is done on professional groups thus having the possibility to detach the trends that will exist in the next period The analysis is performed at a particular time of Romaniarsquos economic evolution in the sense that there is this pandemic the coronavirus crisis which will have special eff ects on employment in Romania In this sense without going

into details about unemployment and others we point out that in our country

there is a somewhat reasonable number of unemployed there was the possibility

of fi lling vacancies that are usually fi lled at job fairs but from the point From the perspective of the perspectives we fi nd that at this time of 2020 starting with March the situation is totally diff erent First of all to the existing number

of unemployed of the almost one million people who have passed into technical

unemployment without the prospect of being able to anticipate whether they

will return to the initial form of employment they had is added over one million

three hundred of the thousands of people over four million who worked abroad

and returned to the country Of course the immediate condition is that of the

health crisis caused by the pandemic coronavirus but we must emphasize that

these people out of the more than four million who returned to the country

are those who worked without agreements without contracts without defi nite possibilities to have the rights that need to be taken into account in the conditions of the European Union Thus most of these people were either seasonal workers with limited contracts and no rights as they should be and as enshrined in the labor code and the international labor code but who also worked without such agreements These people in addition to the negative eff ect they brought in terms

of living resources had a contribution due to defi ciencies in the organization of the Romanian state in the bdquoimportrdquo of the corona virus with eff ects that are

diffi cult to predict now Therefore in the perspective of analyzing the evolution of the labor force of the employed population it is much more diffi cult to decide now because there is a period of at least one or two years in which Romania will be suff ocated by a signifi cant number of people who do not have immediately in

correlation with the possibility for the national economy to grant them jobs


In this article we also made a concrete study analyzing the evolution of the Gross Domestic Product until 2019 with the evolution of the labor force employed in the same mentioned period We used simple linear regression which clearly showed the correlation between employment and Gross Domestic Product growth based on this factor meaning that after using the simple linear regression method and calculating the regression parameters we could also make an estimate of the perspective of the evolution of employment of the number of employees compared to the increase of the Gross Domestic Product Of course this study remains valid even if it is fractured in 2020 in that additional elements have emerged in terms of labor force the number of people available included or not in unemployment the absorption capacity of the Romanian economy the ability to initiate some businesses and more

Literature review Agrawala and Matsab (2013) studied a number of issues regarding the risk of unemployment Anghel and Radu (2020) analyzed the main elements that characterize vacancies on the labor market in Romania Anghel Marinescu Burea Olteanu and Samson (2018) as well as Anghelache Avram Burea Petre (Olteanu) (2018) analyzed the correlation between the natural movement of the population and the labor force in Romania A similar topic is studied by Anghelache C Marinescu R T Soare DV (2015) Anghelache Anghel Căpușneanu and Topor (2019) used the econometric instrumentation to analyze the correlation between the Gross Domestic Product and the economic aggregates Bijak Kupiszewska Kupiszewski Saczuk and Kicinger (2007) made projections on population and labor force by 2050 for 27 states in Europe Donangelo (2014) as well as Klein and Ventura (2009) focused on the eff ects

of labor mobility Maestas Mullen and Powell (2016) analyzed the correlation

between population aging labor force and economic growth Saraceno and

Keck (2010) referred to intergenerational strategies and policies in Europe


For the more effi cient assimilation of some aspects of this study we

present some methodological clarifi cations taken from the methodology

developed and used by the National Institute of Statistics Thus the data

source is the Statistical Survey on Household Labor Force (AMIGO) which

is carried out quarterly in accordance with Council and European Parliament

Regulation no 5771998 on the organization of a selective statistical survey

on the labor force in the European Community

The economically active population includes all persons who provide

the labor force available for the production of goods and services during the


reference period including the employed population and the unemployed The activity rate represents the share of the active population in age group x in the total population in the same age group x The activity rate of the working age population represents the share of the active population aged 15-64 in the total population aged 15-64 The employed population includes all persons aged 15 and over who have carried out an economic activity producing goods or services for at least one hour during the reference period (one week) in order to obtain income in the form of wages payment in kind or other benefi ts Since 2011 self-employed and unpaid family workers working in agriculture are considered employed persons only if they are the owners of agricultural production (not necessarily land) obtained and meet one of the following conditions agricultural production is intended at least in part the sale or exchange in kind (barter) and agricultural production is intended solely for its own consumption if it represents a substantial part of the total consumption of the household In addition to persons who have a job and worked during the reference week regardless of professional status are considered employed persons and those who fall into the following categories persons who during the reference week have performed any paid work or income earners even if they were in compulsory schooling retired or receiving a pension were registered with the National Agency for Employment (ANOFM) receiving or not receiving unemployment benefi ts paid apprentices and trainees who work full or part time and members of the armed forces The employed population is classifi ed according to professional status in - Employee - is considered the person who carries out his activity on the basis of an employment contract in an economic or social unit - regardless of its form of ownership - or to private persons in exchange for a remuneration in the form of salary money or nature in the form of a commission etc bdquoEmployment contractrdquo means any other type of employment agreement (concluded in written or verbal form) - Employer - is the person who exercises his occupation (profession) in his own unit (enterprise agency workshop shop offi ce farm etc) for

whose activity he has employees one or more employees

- Self-employed - is the person who carries out his activity in his own

unit or in an individual business without hiring any employee being helped

or not by unpaid family members

- Unpaid family worker - is the person who carries out his activity in a

family economic unit run by a family member or a relative for whom he does


not receive remuneration in the form of salary or payment in kind The peasant (agricultural) household is considered such a unit - Member of an agricultural company or a non-agricultural cooperative - is considered the person who worked either as an owner of agricultural land in an agricultural company established under Law 361991 or as a member of a craft consumer or credit cooperative The employment rate represents the share of the employed population in age group x in the total population in the same age group x The employment rate of the working age population represents the share of the employed population aged 15-64 in the total population aged 15-64 The unemployed according to the international defi nition (ILO) are people aged 15-74 who simultaneously meet the following three conditions they do not have a job are available to start work in the next two weeks and have been actively looking for a job at any time during the last four weeks The unemployment rate represents the share of the unemployed in the active population

Data results and discussions In the fourth quarter of 2019 the employment rate of the population aged 20-64 was 711 with 11 percentage points above the national target of 70 set in the context of the Europe 2020 Strategy In the fourth quarter of 2019 the active population of Romania was 9008 thousand people of which 8654 thousand people were employed and 354 thousand people were unemployed The study on the participation of the population in the labor force by sex age and environment is based on the data in table number 1


Population participation in the labor force by sex and environment in the fourth quarter of 2019

Table 1 Total Male Female Urban Rural - thousands of people -Active population 9008 5195 3813 4952 4056from which Employed population 8654 4963 3691 4803 3851unemployed 354 232 122 149 205 - percent -Activity rate 688 788 585 699 67520-64 years 738 845 629 744 73015-24 years 299 373 222 210 37625-54 years 841 933 743 870 80255-64 years 495 632 370 456 550Occupancy rate 660 752 566 678 63920-64 years 711 809 610 723 69515-24 years 244 303 183 170 30825-54 years 816 901 725 850 77055-64 years 481 611 362 445 533Unemployment rate 39 45 32 30 5115-24 years 185 190 177 189 18325 years and over 29 33 23 23 36Source National Institute of Statistics Press release no 82 27032020

The graph number 1 summarizes and presents the structure of the population by the following categories active employed unemployed employees and other categories involved in the activity

Population categories in the fourth quarter of 2019 (thousand people)Chart 1



(354)


(2068)



The employment rate of the working age population between 15 and 64 years was in the fourth quarter of 2019 660 down from the previous quarter by 07 percentage points The employment rate was higher for men (752 compared to 566 for women) and for people in urban areas (678 compared to 639 in rural areas) It is important that the employment rate of young people aged 15 to 24 was 244

Evolution of the employment rate of the population aged 15 and over by age groups ()

Table 2

Quarter IV 18 Quarter I 19 Quarter II 19 Quarter III 19 Quarter IV 19

15-24 years 238 230 256 256 24425-54 years 799 799 822 821 81655-64 years 472 460 481 489 48165 years and over 80 72 81 78 71Source National Institute of Statistics Press release no 82 27032020

It is also found that constantly throughout the year 2019 the employed population in the age group 65 years and over was between 71 in the fourth quarter of 2019 and 81 in the second quarter of 2019 out of the total employed population

Evolution of the employment rate of the population aged 15 and over by age groups

Chart 2


The unemployment rate in the fourth quarter of 2019 was 39 up 01 from the previous quarter Regarding the unemployment rate we must specify that the analysis is performed for the entire year 2019 the situation


being positive At the time of the study for this article (April 2020) the situation in the fi rst quarter of 2020 was not taken into account We make this clarifi cation because currently the unemployed population and the number of registered unemployed have increased signifi cantly This increase is based on the increase of the unemployment rate and of the unemployed population as a result of immigration (over one million people) and of the technical unemployment that can materialize in unemployment

Unemployment rate by age groups sexes and averages in the fourth quarter of 2019 ()

Table 3 Male Female Urban Rural15-24 years 190 177 189 18325-34 years 53 31 32 6235-44 years 28 15 18 3045-54 years 24 28 21 3155 years and over 28 17 24 23Source National Institute of Statistics Press release no 82 27032020

Table number 3 and graph number 3 show the unemployment rate by age groups sexes and averages

Unemployment rate by age groups sexes and averages in the fourth quarter of 2019

Chart 3

13 13 13 13 13

13 13 13 13 13

$ amp


By sex the gap between the two unemployment rates was 13 ie 45 for men compared to 32 for women and for residential areas 21 ie 51 in rural areas compared to 30 in urban areas


By age groups the unemployment rate reached the highest level namely 185 among young people aged between 15 and 24 yearsIn order to highlight the correlation that exists between the evolution of the Gross Domestic Product and the labor force in the following a statistical-econometric analysis was performed using a simple linear regression model Thus the data series regarding the evolution of the two statistical variables considered are structured in table number 4

Evolution of Gross Domestic Product and labor force during 1991-2018Table 4

YEAR 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000

GDP (million lei) 2204 6029 200360 497730 721350 1089190 2529260 3737980 5519140 8037730

Number of Employees (thousands of people)

10786 10548 10062 10011 9493 9379 9023 8813 8420 10508

YEAR 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010

GDP (million lei) 11676870 151475101975648024736800288954603446506041600680524388705105228053388110


10440 9234 9223 9158 92672 93307 93648 93659 8952 8713

YEAR 2011 2012 2013 2014 2015 2016 2017 2018

GDP (million lei) 5650972059668150637583106685901071258780765135408567266089442260


8528 8605 8549 8614 8535 8449 8671 8896

Source National Institute of Statistics

The graphs numbers 4 and 6 show the evolution of the Gross Domestic Product in Romania in the period between 1991 and 2018


Evolution of Gross Domestic Product during 1991-2018Graph 4

Interpreting the evolution of the Gross Domestic Product in the period between 1991 and 2018 from the graphic representation above we fi nd that in the period of twenty-eight years subject to analysis there were increases reaching in 2018 a maximum of 894422 6 million RON value also confi rmed by the histogram presented in graph number 5

Gross Domestic Product HistogramGraph 5

0

2

4

6

8

10

12

0 200000 400000 600000 800000

Series PIB

Sample 1991 2018

Observations 28

Mean 3304484

Median 2681613

Maximum 8944226

Minimum 2204000

Std Dev 3008084

Skewness 0371250

Kurtosis 1718197

Jarque-Bera 2560046

Probability 0278031


According to graph number 5 we can say that the distribution of GDP values in the period under analysis is slower considering the result of the Kurtosis test whose value of 171 is below the threshold of 3 and at the same time the distribution is not perfectly symmetrical having considering the value of 037 signifi cantly non-zero of the Skewness test Graphs numbers 6 and 7 show the evolution of the number of employees in Romania in the period between 1991 and 2018

Evolution of the number of employees in the period 1991-2018Chart 6

Interpreting the evolution of the number of employees in Romania during the period under analysis we fi nd from the above graphical representation that there were small fl uctuations but the number of employees

remained at a relatively constant value which results from the data presented

in chart number 7 ( histogram) where the median value of 92478 thousand

people is quite close to the extreme points (maximum of 10786 thousand

people and minimum of 8420 thousand people)


Histogram of the number of employeesGraph 7

0

1

2

3

4

5

6

7

8

8500 9000 9500 10000 10500 11000

Series NSAL

Sample 1991 2018

Observations 28

Mean 9247807

Median 9190500

Maximum 1078600

Minimum 8420000

Std Dev 6980081

Skewness 0815831

Kurtosis 2590306

Jarque-Bera 3301862

Probability 0191871

We can also say that the distribution of values of the number of employees in the period under analysis is slower given the result of the Kurtosis test whose value of 259 is below the threshold of 3 and at the same time the distribution is not perfectly symmetrical taking into account view value of 081 signifi cantly diff erent from zero of the Skewness test

The correlation between the Gross Domestic Product and the number

of employees is presented in graph number 8


Correlation between GDP and number of employeesChart 8

-200000

0

200000

400000

600000

800000

1000000

8000 9000 10000 11000

NSAL

PIB

PIB vs NSAL

According to the graphical representation above we can say that the point cloud related to the values recorded by the two indicators studied describes a line which allows us to continue the statistical-econometric study using a simple linear regression model such as

(1)where is the dependent variable

is the independent variable are the regression parameters

represents the residual variable

To estimate the parameters a and b respectively and we will use the least squares method In the same vein to test the signifi cance of the model the authors used the statistical-econometric analysis program EViews and the results are presented in Figure 1


The results of the analysis of the dependence of GDP on the evolution of the number of employees

Figure 1Dependent Variable PIBMethod Least SquaresSample 1991 2018Included observations 28



Interpreting the results of the analysis summarized in fi gure number 1 we can say that the model is a good one given that the values of the coeffi cients are signifi cantly diff erent from zero In the same order of ideas

the model is confi rmed by statistical tests ie F-statistic = 1977 having a

higher value than the tabulated one and also the same situation is confi rmed by

the t-Statistic test with higher values than the tabulated ones and with almost

zero probability of error

Regarding the value of 043 recorded by R-squared confi rms that

there are other factors that infl uence the evolution of Gross Domestic Product but the model is confi rmed and we can write the equation that allows us to calculate the forecast values of this macroeconomic indicator under form

(2)

The infl uence of other factors on the evolution of the Gross Domestic Product is also confi rmed by the high value of the free time coeffi cient

(2949772) and the plus sign of the value of this coeffi cient indicates that the

infl uence of other factors not taken into account is positive

Conclusions This article is based on a study that stops in a justifi ed way on December 31 2019 because it was the intention of the authors to highlight the evolution of employment thus increasing the number of employees and reducing the as much as possible of the unemployment rate I said until December 31 2019 because until then there were normal conditions of evolution that were maintained and perpetuated for a period of time Furthermore the issue starting with March 2020 must be the subject of another study although we anticipate that after the resettlement of the Romanian economy after the economic and fi nancial crisis that will follow


this pandemic caused by the coronavirus crisis the correlation is maintained and will eventually have to be reset to its parameters We make a brief remark here that the reset of the world economy the reset within the European Union and the reset including internally of the Romanian economy may need the introduction of other statistical variables in the study to reveal the perspectives closer to reality which will develop in the immediate future A fi rst conclusion that emerges is that without measures without a program of the governmentrsquos economic development as a whole we can speak neither of sustainable economic growth nor of employment as it appears in the labor market Romania had economic growth until 2019 inclusive based on consumption and less on investments At the time of writing the consumption growth criterion for 2020 is also declining because the market has narrowed and investment has been delayed for the time being Therefore the conclusion that emerges from this is that in the resumption and full alignment of the evolution of the national economy must resort to investments in priority areas to resume activity to refi nance the development of agriculture even by providing special facilities An important role must be played by the European Union to which Romania must apply for additional subsidies to encourage and develop the Romanian economy which is one of the main countries with this fi eld of activity best developed due to the natural conditions of Romania has Another conclusion of employment is to analyze more specifi cally the possibility under the European Union directive on the free movement of persons so that those who leave and fi nd employment in other European markets do so on the basis of employment commitments of certain contracts which ensure them both the prospect of entering unemployment when necessary and the prospect of obtaining the rights required by the time segment in which they worked in these countries to retire One last conclusion is that it must be verifi ed now at the moment to more actively correlate the training of the labor force with the conditions off ered by the Romanian labor market

References 1 Agrawala A Matsab D (2013) Labor unemployment risk and corporate










9 Klein P Ventura G (2009) Productivity diff erences and the dynamic eff ects of

labor movements Journal of Monetary Economics 56 (8) 1059ndash1073

10 Maestas N Mullen K Powell D (2016) The eff ect of population aging on

economic growth the labor force and productivity National Bureau Of Economic

Research Cambridge Working Paper no 22452

11 Saraceno C Keck W (2010) Can we identify intergenerational policy regimes

in Europe European Societies Journal 12 (5) 675-696



Integrarea comerţului icircn UE - un proces cacircştig-cacircştig

PhD student Natalia MOROIANU-DUMITRESCU (nataliamoroianucsieasero)

Academia de Studii Economice din București Romania PhD Anca NOVACUniversitatea Politehnica din București Romania

Abstract Zece dintre țările Europei Centrale și de Est (CEEC) au trecut printr-un proces dramatic de restructurare economică icircn care acordurile comerciale ale Uniunii Europene (UE) au jucat un rol major A 5-a extindere a UE a generat cea mai mare piață comună dar pacircnă icircn prezent există icircncă două piețe regionale intra-UE Avacircnd icircn vedere cele 12 noi state membre care au accesat UE icircn a cincea extindere analizăm creșterea și schimbările celor mai importanți indicatori comerciali segregați pentru bunuri și servicii icircn perioada 2000-2017 și dacă au icircn vedere integrarea comercială Rezultatele arată că icircn 2017 toți cei 12 nou-veniți au obținut acțiuni de import mai mari atacirct la bunuri cacirct și servicii la nivel intra-UE ceea ce icircnseamnă un cacircștig pentru vechii membri ai UE Pe de altă parte 9 din 14 dintre membrii vechi ai UE arată o creștere semnifi cativă a cotei globale de import de mărfuri la tranzacționare cu piața regională agregată a celor 12 nou-veniți ceea ce icircnseamnă un cacircștig important pentru preluarea cotelor de pe piața occidentală Icircntre timp rezultatele analizei facute confi rmă faptul că integrarea comercială continuă cu succes și icirci determină pe toți membrii UE să se dezvolte icircn continuare Cuvinte cheie integrare fl uxuri comerciale CEEC UE-15 UE-Extindere Clasifi carea JEL F14 O11 O24

1 INTRODUCERE

Icircn zilele noastre datorită studiilor extinse asupra aspectului economic al globalizării se acceptă icircn general că deschiderea comerțului este benefi că dezvoltării (Edwards 1997) Icircntre timp se știe că indicatorul defi citului comercial și cota de piață a importurilor și exporturilor ar putea fi utilizate ca instrumente de măsurare pentru gradul de integrare comercială pe o piață comună specifi că Icircn urma extinderilor UE din anii 80 și 90 multe documente au utilizat convergența pentru a evalua integrarea țărilor nou-venite dar rezultatele


și opiniile lor au fost destul de divergente Opus lui Tsionas (2000) care a concluzionat convergența UE-15 la nivel de țară este relevant Henrekson et al (1997) consideră că icircn comparație cu țările externe membrii UE au icircnregistrat o creștere anuală a PIB-ului cu 06 pacircnă la 08 puncte procentuale iar convergența obvious evidentă obținută pentru perioada 1960ndash1998 de Cuaresma și colab (2008) demonstrează că integrarea UE-15 este icircn desfășurare și prezintă efecte pozitive pe termen lung Icircn caz contrar analizacircnd un grup european extins de 33 de țări din 1980 pacircnă icircn 1998 Bornschier et al (2004) arată că pentru membrii UE creșterea economică a acestora este mai mare decacirct una din țările externe iar membrii săraci ai UE cresc mai rapid Procesul de integrare europeană a continuat după cea de-a 5-a extindere (2004 2007) care icircn prima decadă a secolului nostru a dat naștere celei mai mari piețe comune De-a lungul timpului țările CEE au fost studiate atacirct ca candidați externi cacirct și ca grup interior al noilor state membre (NMS) (Crespo amp Fontoura 2007 Andersson și colab 2014 Dobrinsky și Havlik 2014 Matkowski și colab 2016 ) dar majoritatea studiilor se referă la convergența cu nivelul veniturilor celor 15 membri Pe de altă parte fosta UE-15 și anume vechile state membre (OMS) au fost tratate și ca o singură zonă (adică Salsecci amp Pesce 2008 Głodowska 2017) Unul dintre primii autori care subliniază importanța măsurării integrării prin utilizarea indicatorilor comerciali este Prichett (1996) a cărui lucrare a deschis o literatură comercială care a crescut propunacircnd și discutacircnd măsuri alternative de evaluare a conceptului de deschidere a comerțului (de exemplu Proudman și colab 1997 Arribas și colab 2009) și prin utilizarea unor indicatori comerciali (Krings și colab 2014) Un raport scurt de calitate privind integrarea comercială a fost publicat de Comisia Europeană (Eurostat 2019) dar numai pentru perioada 2013 - 2016

2 DATE ȘI METODOLOGIE Analiza noastră empirică se bazează pe două serii de date diferite O primă serie reprezentacircnd valorile anuale agregate la nivelul Uniunii Europene la nivelul comerțului internațional pentru fi ecare stat membru al UE a fost descărcată din baza de date Eurostat separat pentru comerțul de bunuri și servicii pentru intervalul de timp cuprins icircntre 2000 și 2017 Pentru a calcula indicatorii comerțului au fost descărcate tabele cu PIB-ul anual pentru toți membrii UE din baza de date Eurostat Icircn aceeași perioadă alte serii de date au fost descărcate din baza de date a FMI sub formă de tabele care conțin comerțul anual de mărfuri icircntre fi ecare țară UE cu fi ecare altă țară a lumii Din aceste tabele am selectat ulterior doar numerele anuale de export și import corespunzătoare fi ecărui membru al UE cu toate celelalte țări ale UE și de


asemenea valorile comerciale globale ale acestora pentru a calcula ponderea globală a fi ecărei țări icircn parte precum și creșterea și schimbarea cotei globale a comerțului internațional icircntre fi ecare din cele 14 OMS (excluzacircnd Luxemburgul ca nereprezentant) și agregatul celor 12 SNM formacircnd icircncă o piață regională intra-UE Deși integrarea și icircntrebările conexe au fost deja examinate din mai multe puncte de vedere lucrarea de față combină evoluția temporală a diferitelor valori ale indicatorilor comerciali și abordarea schimbării icircn timp scurt pentru a cuantifi ca icircn mod explicit progresul icircnregistrat de cele 12 noi state membre (NMS) privind integrarea comercială europeană Analiza statistică privind activitatea comercială internațională pentru a evalua progresul integrării comerciale a UE icircn cadrul 12 NMS se bazează atacirct pe contribuția la veniturile măsurate prin PIB cacirct și pe zona de liber schimb a pieței comune extinse a UE-28 Un prim indicator al integrării comerciale icircn acordul comercial european de piață comună utilizat icircn analiza noastră este gradul de deschidere a comerțului (TGDP) - dat de activitatea comercială totală normalizată icircn PIB un al doilea interesant fi ind defi citul comercial (TD) - dat prin echilibrul comercial normalizat la PIB după cum urmează

(a) (b) (1a b) unde X este valoarea anuală la export și M este cea de import la nivelul UE Folosind datele Eurostat ambii acești indicatori sunt analizați pentru comerțul de mărfuri icircn afară de comerțul cu servicii acoperind intervalul de timp cuprins icircntre 2000 și 2017 precum și modifi cările anuale din ultimii doi ani Mai mult folosind tabelele rafi nate de noi de la FMI pentru comerțul internațional de mărfuri icircn perioada de timp cuprinsă icircntre 2013 și 2017 pentru fi ecare an al acestui interval de timp cota anuală de piață globală a fi ecărui SNM ca comerțul său intra-UE mărfurile icircn raport cu cea internațională globală au fost calculate după formula

(2)unde

cu 12 NMS = BG CY CZ EE HU LT LV MT PL RO SI SK and X = export anual și M = import anual

reprezintă activitatea comercială anuală a țării C cu orice alt membru al UE


reprezintă activitatea comercială a țării C cu restul lumii (W) aceste valori globale anuale au fost obținute din baza de date a FMI Pentru a evalua progresul recent de integrare modifi carea anuală a cotei globale a fost calculată pentru ultimii 2 ani din perioada analizată

(3)

Icircntre timp pentru aceeași perioadă de timp cota de piață anuală a fi ecărei SNM pe piața regională formată din cele 12 SNM a fost calculată folosind formula

(4)

unde pentru țara și anul C defi niți icircnainte

reprezintă activitatea comercială anuală a țării C cu un alt SNM

reprezintă activitatea comercială anuală a unui NMS dat cu toate celelalte 11 SNM Icircn mod similar folosind aceleași notații și pentru același interval de timp cota anuală a fi ecărui SNM pe piața sindicală formată din cei 28 de membri ai UE a fost calculată folosind formula

(5)

unde pentru țara și anul C icircn ti reprezintă activitatea comercială anuală a țării C cu orice alt membru al

UE reprezintă activitatea comercială anuală a unui NMS dat cu toți ceilalți

27 de membri ai UE Pentru intervalul de timp considerat icircntre 2013 și 2017 folosind (4) și (5) acțiunile medii anuale ale fi ecărui SNM pe piața regională a SNM precum și pe piața comună totală europeană au fost calculate ca medie aritmetică

(6)

(7)

Icircn plus pentru fi ecare ti din perioada luată icircn considerare am calculat cota anuală a pieței regionale NMS agregate la nivelul Uniunii


(8)

precum și media timpului icircn perioada dată pentru cota uniunii de import și respectiv pentru cea de export

(9)

Icircn sfacircrșit de asemenea icircn scopul evaluării integrării am considerat de interes să analizăm cota fi ecărui comerț de mărfuri OMS cu piața regională agregată de 12 SNM ca o fracțiune din comerțul lor global Prin urmare pentru fi ecare din cele 14 OMS am calculat cota de piață anuală a pieței regionale agregate formată de 12NMS ca procent din activitatea comercială globală proprie utilizacircnd următoarea formulă

(10)

unde cu 14 OMS = AT BE DE DK EL ES FI FR IE IT NL PT

SE UK (LX excluded) și X pentru oricare dat OMS

reprezintă activitatea comercială icircntre OMS și NMS

reprezintă activitatea comercială a unui OMS pe piața regională totală de 12 SNM

reprezintă activitatea comercială icircntre OMS și restul lumii aceste valori globale anuale au fost obținute din baza de date a FMI

Icircn studiul de față atacirct Luxemburgul cacirct și Croația nu sunt analizate dar contribuțiile lor comerciale sunt incluse icircn calculul activității comerciale totale la nivelul uniunilor Analizarea nou-veniților din CEE este interesantă deoarece spre deosebire de cele 15 țări din Europa Occidentală care s-au dezvoltat prin procese de extindere anterioară aceste 10 țări oferă un teren de testare original pentru efectele de integrare comercială bazate pe faptul că au trebuit să construiască relații economice puternice cu fostul Piața comună a UE-15 numai după ce a schimbat vechiul tip de economie centrală la tipul pieței și a decis aderarea la Uniunea Europeană


3 REZULTATE EMPIRICE Icircntrucacirct comerțul este una dintre principalele contribuții la PIB este evident că seria temporală a unor valori importante ale indicatorilor comerțului coroborate cu schimbarea lor anuală ar da o măsură corectă a gradului de integrare europeană obținut de noile economii Icircntre timp creșterea activității comerciale internaționale intra-UE refl ectă evoluția relației de producție transfrontalieră prin valoarea adăugată icircncorporată icircn producția de bunuri și servicii pentru export

31 Deschiderea comerțului (TGDP) - creștere și schimbare anuală Unul dintre indicatorii comerciali studiați icircn mare măsură este deschiderea pieței dată de PIB reprezentată de activitatea comercială internațională totală adică exportul plus importul fi e icircn bunuri fi e icircn servicii Respectacircnd performanța icircn țară a comerțului acest indicator arată de asemenea nivelul de competitivitate astfel cum este refl ectat de exporturi și măsoară deschiderea către importuri și cererea internă Pentru țările UE acesta este un indicator cheie care măsoară integrarea comerțului icircn lanțurile de valori europene Cu alte cuvinte cu cacirct este mai mare procentul TGDP cu atacirct mai mult este statul membru integrat pe piața comună a UE icircn ceea ce privește dimensiunea economiei sale Creșterea deschiderii comerciale calculată pentru comerțul intra-UE de mărfuri precum și serviciile care utilizează (1a) și baza de date Eurostat pentru cele 12 SNM este reprezentată icircn fi gura 1 pentru 6 ani aleși ca reprezentanți


Valorile indicatorului de deschidere a comerțului pentru cele 12 SNM icircntre 2000 și 2017 calculate pentru comerțul internațional internațional

de bunuri (servicii) și servicii (icircn jos) folosind baza de date Eurostat

Ordine descrescătoare după valori anului 2000 Fig 1

(1a) și baza de date Eurostat pentru cele 12 SNM este reprezentată icircn fi gura 1 timp de 6 ani aleși ca reprezentant

[sursa calcul propriu]

Atacirct dependențele de timp ale bunurilor cacirct și ale serviciilor arată că după 2010 aproape toate noile economii au icircnceput procesul de recuperare a comerțului cu excepția Maltei care a prezentat o scădere a deschiderii pentru bunuri și o evoluție permanentă pentru servicii După cum se poate observa pentru cea mai mare parte a SNM deschiderea comerțului pentru mărfuri a atins valori peste 100 la sfacircrșitul intervalului de timp studiat iar

analiza noastră ulterioară arată că 4 din celelalte SNM prezintă un progres al


procesului de integrare Icircn ceea ce privește piața serviciilor cu excepția Maltei și Ciprului valorile deschiderii comerciale sunt sub 50 pentru celelalte 10 SNM deși toate aceste țări icircnregistrează o creștere remarcabilă după 2010 așa

cum se arată icircn inserare

Viteza diferită de evoluție evidențiată de modifi carea punctelor procentuale calculate pentru intervalul dintre 2010 și 2017 sunt reprezentate pentru bunuri servicii și pentru comerțul internațional global UE icircn fi gura 2 icircn timp ce modifi carea calculată icircn ultimii doi ani este prezentată icircn fi gura 3 separat pentru bunuri și servicii

Gradul de integrare a celor 12 SNM dezvăluite de creșterea deschiderii icircntre 2010 și 2017 calculat pentru bunuri servicii și comerț internațional global

intra-UE pe baza de date EurostatOrdine descrescătoare după valorile de creștere a serviciilor

Fig 2


Cu excepția Maltei schimbarea pozitivă a deschiderii comerciale prezentată de toate economiile NMS corespunzătoare comerțului cu bunuri și servicii reprezintă cel mai bun semn al progresului icircn integrarea comercială De fapt deschiderea comerțului cu mărfuri prezintă o creștere mai mare de 20 pp pentru 3 SNM și mai mult de 10 pp pentru alte 7 dar mai puțin de 5 pp pentru Ungaria Estonia și Cipru Icircntre timp marile progrese icircn integrarea comerțului cu servicii sunt demonstrate de creșterea pozitivă a deschiderii comerciale pentru toate cele 12 SNM așa cum se arată icircn fi gura 2 Mai mult


decacirct atacirct mai mult de 10 pp din schimbarea totală a deschiderii comerciale indicată de 10 din 12 SNM este cel mai bun semn al bunei direcții de dezvoltare a comerțului intra UE Valorile creșterii relative din 2010 pacircnă icircn 2017 au fost calculate pentru a sublinia probabilitatea realizărilor demonstrate de unele țări icircn ciuda diferenței mari icircn creșterea absolută precum și a unui succes mai mare icircn ciuda unei schimbări absolute similare

Creșterea relativă și absolută a deschiderii comerțului icircn servicii

pentru perioada cuprinsă icircntre 2010 și 2017 calculată pentru cele 12

SNM folosind baza de date Eurostat Ordine descendentă prin creștere

absolută

Tabelul 1

Creștere darr Țara rarr CY LT RO BG HU SI PL SK EE CZ LV MT

Relativă

[]20172010 4481 5893 5623 2874 1954 2113 3374 2711 988 1814 844 041

Absolută

[pp]20172010 2554 1203 637 564 531 476 466 424 389 347 219 086

(sursa calcul propriu)

După cum arată numerele din primul racircnd al tabelului 1 Lituania și Romacircnia au obținut cam același succes cu o creștere relativă de peste 50 și mai mare decacirct cea a Ciprului icircn prezența unei relații inversate icircntre numerele de creștere absolute corespunzătoare prezentate icircn al doilea racircnd al aceluiași tabel Dimpotrivă cu cifre de creștere absolute similare Polonia a raportat o viteză de integrare mai mare decacirct Slovenia icircn ceea ce privește piața europeană de servicii Modifi carea absolută calculată icircn ultimii doi ani pentru indicatorul de deschidere a comerțului (fi g 3) este cea mai mare parte pozitivă pentru ultimul an atacirct pentru bunuri și servicii cu excepția Ungariei Estoniei și Maltei pentru ambele categorii cacirct și Bulgariei numai pentru servicii Aparent Bulgaria a fost icircngrijorată de compensarea extremă a schimbării negative anterioare a deschiderii sale comerciale pentru mărfuri dar nu a reușit să obțină o schimbare pozitivă a deschiderii sale comerciale pentru servicii Icircn ceea ce privește Malta schimbarea negativă a deschiderii sale comerciale pentru mărfuri a reușit să scadă icircn ultimul an deși ambele modifi cări sunt doar fl uctuații mici comparativ cu valorile ridicate ale deschiderii sale comerciale pentru servicii peste 200 și pentru mărfuri peste 125 (vezi fi g2)


Gradul de integrare a celor 12 SNM dezvăluite de schimbarea anuală

a deschiderii din ultimii ani separată pentru comerțul internațional de bunuri (sus) și servicii (jos) folosind baza de date Eurostat

Ordine descrescătoare după valorile de creștere ale anului trecutFig 3


Cea mai mare realizare este demonstrată de Polonia cu o succesiune de schimbări pozitive semnifi cative ale deschiderii comerțului (mărfuri 300 pp și 358 pp și servicii 145 pp și 063 pp) urmată de Slovenia (mărfuri 013 pp și 871 pp și servicii 095 pp și 095 pp) și Romacircnia (bunuri 056 pp și 079 pp și servicii 008 pp și 110 pp) Icircn ultimul an analizat cea mai mare creștere a deschiderii comerciale este prezentată de Lituania atacirct pentru bunuri (915 pp) cacirct și pentru servicii (293 pp) dar peste 8 pp icircn comerțul de mărfuri au fost icircnregistrate și de Slovenia și Bulgaria

32 Defi citul comercial (TD) - creștere și schimbare anuală Acest indicator comercial important reprezentacircnd echilibrul normalizat la PIB a fost calculat separat pentru bunuri și servicii folosind baza de date Eurostat cu (1b) și referindu-se individual la activitatea comercială intra UE a fi ecăruia dintre cei 12 nou-veniți Valorile creșterii defi citului comercial


sunt reprezentate icircn fi gura 4 pentru aceiași 6 ani aleși ca reprezentanți pentru indicatorul de deschidere comercială Icircncepacircnd cu un defi cit comercial negativ de bunuri icircn 2000 ceea ce icircnseamnă evident valori mai mari la import toate cele 12 SNM au reușit să-și reducă valorile negative după intrarea icircn UE iar patru dintre ele - adică Cehia Slovenia Slovacia și Ungaria - chiar să icircnregistreze valori pozitive Pe de altă parte indicatorul defi citului comercial pentru servicii a icircnceput icircn anul 2000 cu valori pozitive pentru toate SNM dar nu și pentru Romacircnia Icircn mod similar după 2010 pentru toate cele 12 SNM acest indicator comercial important arată valori pozitive icircn creștere ceea ce icircnseamnă că noii veniți au obținut o pondere din ce icircn ce mai mare pe piața europeană a serviciilor După cum se arată icircn fi gura 4 la sfacircrșitul intervalului de timp studiat Malta și Cipru arată cele mai mici valori pentru comerțul de mărfuri și cele mai mari valori pentru comerțul de servicii Acest fapt se datorează specifi cului economic al acestor două insule Toate celelalte economii NMS arată o pondere relativ mică a balanței icircn creștere a serviciilor icircn mare parte icircntre 4 și 8 la sută din PIB-ul lor dar icircn scădere pentru Cehia și Slovacia Aparent aceste țări au fost concentrate pe icircmbunătățirea balanței de comerț cu mărfuri neglijacircnd serviciile Icircn mod similar creșterea absolută a indicatorului defi citului comercial icircntre 2010 și 2017 a fost analizată segregată pentru servicii bunuri și comerț internațional global icircn UE iar rezultatele sunt prezentate icircn fi gura 5

Valorile indicatorului defi citului comercial pentru cele 12 SNM icircntre

2000 și 2017 calculate pentru comerțul internațional de bunuri (servicii)

și servicii (icircn jos) icircn interiorul UE utilizacircnd baza de date Eurostat

Ordine descrescătoare după valori de 2000 de ani Fig 4



Creșterea absolută măsoară efortul comercial făcut de fi ecare din cele 12 economii NMS pentru a realiza o integrare comercială la nivel superior Așa cum se arată icircn fi gura 5 cea mai mare schimbare de sold icircntre 2010 și 2017 pe piața serviciilor a fost icircnregistrată de Malta a cărui export de servicii a crescut masiv cu 1593 pp urmată de Cipru cu 519 pp Cu excepția Estoniei și Bulgariei care prezintă o creștere negativă alte 8 SNM au icircnregistrat o creștere pozitivă trei dintre acestea icircnregistracircnd o creștere semnifi cativă peste 3 pp respectiv 341 pp pentru Lituania 327 pp pentru Ungaria și 315 pp pentru Romacircnia

Gradul de integrare a celor 12 SNM dezvăluite de creșterea absolută a defi citului comercial icircntre 2010 și 2017 separat pentru bunuri servicii

și comerț internațional global intra-UE folosind baza de date Eurostat

Ordine descrescătoare după valorile de creștere a serviciilorFig 5



Pe piața bunurilor dispersia valorilor defi citului comercial este mult mai mare Excluzacircnd creșterea negativă icircnregistrată de Estonia Ungaria și Cipru valorile pozitive ale defi citului comercial de creștere sunt icircmprăștiate icircntre 006 pp pentru Letonia și 789 pp pentru Bulgaria Icircn ceea ce privește activitatea comercială totală valorile pozitive ale defi citului comercial demonstrează progresul remarcabil icircn integrarea obținut de toți noii veniți cu excepția Estoniei ale cărei valori negative icircnregistrate arată că importurile au crescut mai rapid decacirct exporturile atacirct icircn categoriile de bunuri cacirct și de servicii Cea mai mare rată de creștere a indicatorului defi cit comercial pentru activitatea comercială totală a fost icircnregistrată de Malta (+2180 pp) urmată de Slovenia (+829 pp) Bulgaria (+651 pp) și Polonia (+602 pp) Icircn cadrul analizei noastre privind indicatorul TD schimbarea anuală absolută a fost calculată icircn mod similar pentru ultimii doi ani separată pentru comerțul de bunuri și servicii iar rezultatele corespunzătoare sunt reprezentate icircn fi gura 6 Icircn ambele cazuri comanda a fost făcută de schimbarea anului trecut

Gradul de integrare a celor 12 SNM dezvăluite de schimbarea anuală a defi citului comercial din ultimii ani calculată segregată pentru comerțul

internațional de bunuri și servicii utilizacircnd baza de date Eurostat

Ordine descrescătoare după valorile de creștere ale anului trecut

Fig 6



Comparativ cu creșterea ultimilor doi ani și evaluarea după numărul de schimbări pozitive 2016 a fost un an mai bun decacirct 2017 pentru ambele categorii comerciale După cum se vede icircn fi gura 6 cu excepția Romacircniei și a Ciprului cu două modifi cări anuale negative succesive pentru toate celelalte 10 SNM soldul comercial al mărfurilor a icircnregistrat modifi cări anuale pozitive pentru perioada 20162015 Icircntre timp cu excepția Estoniei icircn aceeași perioadă soldul comercial al serviciilor a icircnregistrat schimbări anuale pozitive pentru toate celelalte 11 SNM Icircn ultimul an al perioadei analizate cea mai mare valoare a creșterii defi citului comercial este prezentată de Malta atacirct pentru bunuri (581 pp) cacirct și pentru servicii (197 pp) dar aceasta din urmă este mai mică decacirct valoarea de 338 pp icircnregistrată de Cipru icircn anul precedent 20162015 Este de remarcat faptul că pentru ultimul an analizat 20172016 mai mult de jumătate dintre nou-veniți de fapt 8 dintre ei au icircnregistrat două modifi cări anuale pozitive succesive ale indicatorului defi citului comercial acest rezultat arătacircnd un succes clar al procesului de integrare prin creșterea cotei a exporturilor de SNM pe piața serviciilor europene

33 Cota europeană globală pentru 12 comerț cu mărfuri NMS pe piața UE-28

Din rezultatele prezentate indicatorul de deschidere a comerțului arată că comerțul cu mărfuri icircnregistrează un procent mai mare din PIB decacirct comerțul de servicii pentru toți noii veniți cu excepția Maltei și Ciprului Icircntre timp se acceptă faptul că cele 12 SNM formează icircncă o piață regională relativ conturată icircn cadrul pieței comune mai mari a UE Acest lucru ar fi atunci cacircnd avem icircn vedere unii alți indicatori comerciali neglijați icircn prezent icircn analiza integrării ar deveni deosebit de interesanți


Cota de piață valori indicatoare pentru cele 12 SNM icircntre 2013 și

2017 calculate ca procent din comerțul internațional internațional de mărfuri pentru exporturi (icircn sus) și importuri (icircn jos) utilizacircnd baza de

date FMI Scăderea comenzii după valorile din anul 2017

Fig 7


Icircn acest moment avem icircn vedere cota anuală de export și import a pieței comune intra-UE peste activitatea comercială globală pentru fi ecare din cele 12 SNM Rezultatele calculate de (2) utilizacircnd FMI rafi nate de tabelele bazei noastre de date sunt reprezentate icircn fi gura 7 După cum se arată cu excepția Maltei și Ciprului toate celelalte SNM reprezentacircnd 10 economii


din CEE au obținut o cotă globală de export peste 50 și o importare peste 60 Ponderea din ce icircn ce mai mare de import a produselor UE este o dovadă cheie a progreselor de integrare icircnregistrate de noii veniți Icircntre timp această cotă din ce icircn ce mai mare de export pe piața UE subliniază competitivitatea produselor NMS și icircntre timp o dovadă a preferinței vechilor membri occidentali Pe de altă parte așa cum se arată icircn rezultatele calculate cu (3) și reprezentate icircn fi gura 8 Malta și Cipru au icircnregistrat unele schimbări anuale evidente extrem de fl uctuante atacirct icircn importuri cacirct și icircn exporturi iar țările baltice au icircnregistrat o evoluție ușor descendentă din ultimii doi ani a modifi cării anuale a cotei de export

Gradul de integrare a celor 12 SNM dezvăluite de cota de piață modifi carea anuală din ultimii ani calculată ca modifi carea fracției

intra-UE a comerțului internațional de bunuri folosind baza de date

FMI Ordine descrescătoare după valorile de creștere ale anului trecut

Fig 8



Cota comercială NMS icircn exportul și importul de mărfuri a reprezentat

12 piețe regionale NMS și piața UE-28 folosind baza de date FMI

Ultimul racircnd valori medii pentru perioada 2013-2017 Ordine

descrescătoare după cota de import

Tabelul 2

Țara Cota de import a mărfurilor Cota de export a mărfurilor

12 NMS eu-28 12 NMS eu-28

Poland 2929 391 2961 373

Czechia 1837 245 1992 250

Hungary 1275 170 1342 169

Slovakia 1105 147 1149 144

Romania 993 133 860 108

Lithuania 431 057 408 051

Bulgaria 427 057 394 050

Slovenia 398 053 421 053

Latvia 219 029 181 023

Estonia 208 028 194 024

Cyprus 106 014 047 006

Malta 074 010 049 006

12 NMS icircn medie 2013-17 1258 1333


Icircn scopul de a avea o imagine clară a contribuției la import și export a noilor veniți am calculat ponderea medie a fi ecărui SNM pe piața regională de 12 SNM pe (6) și pacircnă la (7) pe piața comună a UE folosind valorile anterioare calculat pentru fi ecare an al perioadei analizate de relația (4) respectiv (5) Rezultatele fi nale sunt prezentate icircn tabelul 2 Rezultatele prezentate demonstrează (fi g 8) că pentru economiile mai mari ale SNM schimbările icircn sus și icircn jos ale acțiunilor comerciale sunt destul de mici sub plusmn 2 pp suprapuse unei creșteri continue a acțiunilor (fi g 7) ceea ce ar putea fi rezonabil atribuită unei politici economice la nivel de stat care prezintă progrese icircn integrarea comerțului Dimpotrivă cota de piață anuală extrem de oscilantă a Ciprului Maltei și a statelor baltice (fi g 8) ar putea fi considerată irelevantă pe baza cotei lor foarte mici atacirct pe piața regională a 12 NMS (sub 431 pentru import cacirct și sub 408) pentru export) și pe icircntreaga piață comună a UE (sub 057 pentru import și sub 051 pentru


export) așa cum se arată icircn coloanele corespunzătoare menționate bdquo12 NMSrdquo din tabelul 2 Icircn plus aceste schimbări anuale extrem de oscilante cel mai probabil nu ar putea fi denumite o politică economică ci mai degrabă ca o activitate

comercială generată de circumstanțele locale Ultimul racircnd al tabelului 2 conține valorile medii de timp ale icircntregii cote regionale de import și export de piață NMS pe piața comună a UE calculate pentru perioada considerată de 5 ani icircntre 2013 și 2017 pe baza (8) și ulterior folosirii (9) ) De fapt icircn ultimul an (2017) al perioadei analizate cota de piață regională a nou-veniților la nivelul UE a atins un procent aproape egal icircn importuri (1399) și exporturi (1308) de mărfuri iar aceste valori sunt mai mari decacirct Valorile medii de 5 ani date icircn tabelul 2 care demonstrează din nou un progres semnifi cativ al procesului de integrare

34 Cota de 12 piețe regionale NMS pe piața regională a mărfurilor comercializate de către cele 14 OMS

Un alt indicator comercial interesant pentru analiza integrării ar fi ponderea agregatului anual de export și import reprezentat pentru piața

regională de 12 SNM icircn activitatea comercială globală a fi ecărui membru

vestic al UE cu excepția Luxemburgului ca nereprezentant

Folosind baza de date FMI prelucrată de către noi acțiunile globale

au fost calculate cu (10) iar rezultatele pentru perioada 2013-2017 sunt

prezentate icircn fi gura 9

Cu excepția Irlandei pentru toate celelalte OMS atacirct acțiunile globale

de export cacirct și de import au reprezentat o creștere continuă a pieței regionale

a 12 NMS icircn perioada analizată din 2013 pacircnă icircn 2017 Cota de 12 NMS atinge

aproape 20 din exportul lor global pentru Austria și Grecia ( fi gura 9 icircn sus)

și peste 15 din importul lor global pentru Germania și Austria (fi gura 9 mai

jos) Este remarcabil faptul că există mai mulți membri din vestul UE pentru

care cota de import este mai mare decacirct cota de export respectiv Germania

Suedia Danemarca Franța Belgia și Irlanda Dimpotrivă pentru Austria

Grecia și Norvegia cota de export este mai mare

Modifi cările anuale din ultimii doi ani ai perioadei analizate

demonstrează că și icircn țările occidentale 2016 a fost un an mai bun așa cum

se refl ectă atacirct icircn cota de export cacirct și la import rezultatele calculului propriu

fi ind reprezentate icircn fi gura 10 Cacircteva pozitive modifi cările anuale ale celor

12 cote globale ale pieței regionale NMS atacirct la export cacirct și la import sunt

icircnregistrate de Austria Germania Belgia și Italia icircn timp ce alte OMS prezintă

o activitate comercială oscilantă dar numai icircntr-un punct procentual


Valori ale indicelui cotei de piață pentru cele 14 OMS icircntre 2013 și 2017

calculate ca fracțiunea de piață regională a 12 NMS asupra comerțului

global de mărfuri pentru exporturi (icircn sus) și importuri (icircn jos) folosind

baza de date FMI Scăderea comenzii după valorile din anul 2017

Fig 9



Gradul de integrare a celor 12 SNM dezvăluite de cota de piață modifi carea anuală din ultimii ani calculată ca cota de piață regională a 12 NMS asupra comerțului global de mărfuri pentru cele 14 OMS icircntre 2013 și 2017 separat pentru exporturi și import folosind baza de date

FMI Comandă descrescătoare pacircnă la valorile anului 20172016 Fig 10


O imagine relevantă a progresului integrării comerciale este obținută prin compararea celor 12 acțiuni globale ale pieței regionale NMS icircnregistrate icircn 2017 și 2000 așa cum este reprezentată icircn fi gura 11 După cum se poate observa există modifi cări considerabile atacirct la import cacirct și la export global acțiuni ale activității comerciale a fi ecărui OMS cu piața regională a SNM De fapt cu excepția Norvegiei Portugaliei Belgiei și Irlandei creșterea cotei globale de import este peste sau aproape de 4 pp pentru ceilalți 10 din cei 14 membri vechi


Progresul integrării celor 12 SNM dezvăluite de modifi carea cotei de

piață icircntre 2000 și 2017 calculată ca fracția reprezentată pentru piața

regională a 12 NMS icircn comerțul mondial de mărfuri pentru cele 14

OMS separată pentru exporturi și importuri folosind FMI Bază de

date Ordine descendentă prin valorile de creștere a importurilor

Fig 11


Cota globală a pieței regionale a nou-veniților icircn 2000 (icircn sus) și 2017 (icircn

scădere) calculată ca fracția reprezentată pentru piața regională de 12

SNM din comerțul mondial de mărfuri pentru fi ecare din cele 14 OMS

separat pentru exporturi și importuri folosind Baza de date FMI

Fig 12



Cea mai mare creștere a cotei globale a reprezentat importul de mărfuri de pe piața regională a 12 NMS a fost realizată de Germania cu 868 pp urmată de Grecia cu 613 pp iar Suedia cu 603 pp Valorile de creștere ale aceleiași piețe regionale

globale cota dar a reprezentat exporturile de mărfuri au fost remarcabil mai mici

deoarece pentru 8 din cele 14 OMS creșterea totală din 2000 pacircnă icircn 2017 a fost

cuprinsă icircntre 2 pp și 3 pp Cea mai mare valoare de 605 pp a fost atinsă de Austria

urmată de Germania cu 515 pp Grecia cu 493 pp și Norvegia cu 433 pp Cele mai

mici valori au fost obținute de Marea Britanie (155 pp) și Irlanda (075 pp)

O altă comparație relevantă ar putea fi făcută icircntre cotele globale de

export și import reprezentate de piața regională a nou-veniților icircn anul 2000 și

icircn 2017 După cum se arată icircn fi gura 12 pentru un număr dintre vechii membri

ai UE balanța comercială cu piața regională a noilor veniți a schimbat semnul

icircn 2017 printre care Marea Britanie și Franța

Un sold comercial ponderat a fost calculat ca diferență icircntre acțiunile

globale de export și import pentru fi ecare OMS cu excepția Luxemburgului

pentru primul și ultimul an al perioadei analizate iar rezultatele (icircn pp) sunt

prezentate icircn tabelul 3

Soldul comercial ponderat icircn mărfuri pentru anii 2000 și 2017 icircn pp

pentru fi ecare din cele 14 OMS cu piața regională agregată de 12 SNM

folosind baza de date rafi nată a FMITabelul 3

AT BE DK FI FR DE EL IE IT NL PT ES SE UK

2000 204 013 -029 242 104 -010 1054 038 175 049 000 143 017 058

2017 444 118 -307 012 -025 -363 935 042 -014 232 033 011 -328 -138



Conform primului racircnd icircn 2000 Danemarca și Germania au fost singurele țări care au icircnregistrat un defi cit comercial foarte mic cu grupul celor 12 viitori membri ai UE care intră pe piața comună a UE prin a cincea extindere La zece ani de la cea mai mare extindere la nivelul UE aproape trei sferturi din vechile membre ale pieței comune - de fapt 9 din cele 14 OMS analizate - prezintă un excedent comercial mai mic sau chiar un defi cit comercial

Cacircștigul nou-veniților a fost demonstrat printr-un defi cit crescut icircn balanța comercială a acțiunilor globale pentru bunuri icircntre fi ecare

dintre cele 14 OMS și cele 12 piețe regionale NMS comparativ cu 2000 și 2017 folosind baza de date FMI

Fig 13

Legendă verde - excedent comercial roșu - defi cit comercial


Pentru a sublinia modifi carea icircnregistrată icircn 2017 icircn comparație cu situația icircnregistrată icircn 2000 valorile calculate pentru soldul acțiunilor globale corespunzătoare comerțului internațional de mărfuri icircntre fi ecare dintre cele 14 OMS și grupul noilor veniți ca efectiv piața regională intra-UE a fost reprezentată icircn puncte procentuale din fi gura 13 unde cele mai recente valori negative sunt evidențiate cu roșu icircnchis După cum s-a arătat icircn 2017 numărul OMS care icircnregistrează un sold al defi citului comercial a crescut la 6 astfel DE (defi cit comercial de 363 pp) SE (defi cit comercial de 328 pp) DK (defi cit comercial de 307 pp) Marea Britanie ( defi cit comercial de 138 pp) FR (defi cit comercial de 025 pp) și IT (defi cit comercial de 014 pp) valorile date icircntre paranteze au fost prezentate icircn racircndul inferior al tabelului 3 Icircn plus pentru alte trei surplusul s-a diminuat de mai multe ori AT BE ES


Este destul de remarcabil faptul că patru dintre valorile defi citului balanței comerciale corespund celor mai mari economii ale UE Germania Franța Marea Britanie și Italia

4 CONCLUZII Folosind o serie de indicatori comerciali prezentul studiu statistic arată că integrarea comercială inițiată de al cincilea extindere nu este doar icircn curs dar pentru prima dată demonstrează că este un proces cacircștig-cacircștig pentru ambele piețe regionale intra-UE Acceptacircnd faptul că fostele țări UE-15 sunt icircncă o piață regională intra-UE precum și cealaltă piață regională europeană formată din cei 12 nou-veniți analiza noastră privește nivelul bilateral icircn primul racircnd din punctul de vedere al fi ecăruia dintre nou-veniți și ulterior din punctul de vedere al vechilor membri care urmăreau să sublinieze schimbările acțiunilor de import și export comparativ icircntre anul 2000 și anul 2017 la un deceniu după cea de-a 5-a extindere Din punctul de vedere al vechilor membri ai pieței comune cea de-a cincilea extindere a deschis o nouă piață imensă formată din cele 12 SNM inclusiv cele 10 țări CEE care a fost efi cient utilizată pentru a-și crește exporturile de mărfuri Această mare realizare este refl ectată de acțiunile din ce icircn ce mai mari de import intra-UE ale fi ecărui nou venit și demonstrează că această cea mai mare extindere a fost o decizie bună și un cacircștig pentru vechii membri ai pieței comune Pe de altă parte studiul efectuat a evaluat statisticile comerciale dintre fi ecare stat membru vechi și piața regională agregată nou-veniți analizacircnd schimbările din cota globală OMS a importurilor și exporturilor Calculele noastre demonstrează că icircn 2017 pentru 9 din cele 14 OMS analizate cota globală de import icircn mărfuri a crescut mult mai mult decacirct cota globală la export De fapt deși icircn 2000 existau doar două țări care aveau un defi cit minus al balanței comerciale ponderate icircn 2017 nu numai numărul lor s-a ridicat la 6 iar icircntre ele există 4 dintre cele mai mari economii europene - și anume Germania Franța Marea Britanie și Italia dar defi citul balanței comerciale globale a crescut la valori destul de importante Aceste schimbări arată că noii veniți din CEE au pătruns pe piața occidentală obținacircnd acțiuni globale și icircn plus că produsele lor sunt extrem de competitive la nivel european dovedind că decizia de a accepta invitația și de a intra icircn UE a fost bună și semnifi cacircnd și un cacircștig pentru ei Icircn sfacircrșit studiul efectuat confi rmă faptul că integrarea comercială este un proces continuu care alimentează dezvoltarea tuturor țărilor Uniunii Europene


Contribuția științifi că a prezentului studiu este refl ectată de rezultatele

noastre inițiale și ținacircnd cont de icircmprejurarea că literatura existentă care se

ocupă de integrarea comercială a țărilor CEE este icircncă icircn volum foarte limitat

la fel și numărul de studii privind comerțul dintre vechile state membre UE și

piața regională a celor 12 nou-veniți icircn urma celei de-a cincea extinderi De

asemenea merită menționat faptul că icircn conformitate cu cunoștințele noastre

acest studiu este unul dintre foarte puținele studii cantitative susținacircnd astfel

concluziile sale cu date ofi ciale și precise sperăm că acestea pot oferi o bază

pentru alte studii similare și mai aprofundate

BIBLIOGRAFIE 1 Andersson S Evers N amp Kuivalai O (2014) International New Ventures

Rapid Internationalization Across Diff erent Industry Contexts European Business Journal 26 390ndash405 doi101108EBR-05-2014-0040

2 Arribas I Perez F amp Tortosa-Ausina E (2009) Measuring Globalization of

International Trade Theory and Evidence World Development 37(1) 127-145

doi101016j worlddev200803009

3 Bornschier V Herkenrath M amp Ziltener P (2004) Political and Economic

Logic of Western European Integration European Societies 6 71-96

doi1010801461669032000 176323 71

4 Crespo N amp Fontoura M (2007) Integration of CEECs into EU Market

Structural Change and Convergence Journal of Common Market Studies 45(3)

611ndash632 doi101111j 1468-5965200700726x

5 Cuaresma J Silgoner M-A amp Ritzberger-Gruenwald D (2008) Growth

convergence and EU membership J of Applied Economics 40(05) pp643-656

doi10108000036840 600749524

6 Dobrinsky R amp Havlik P (2014) Economic Convergence and Structural Change

the Role of Transition and EU Accession The Vienna Institute for International Economic Studies Report

7 Edwards S (1997) Openness Productivity and Growth What Do We Really

Know NBER Working Paper No 5978 NBER Programs International Finance and Macroeconomics Program International Trade and Investment Program

8 European Commission (2019) Quality report on European statistics on international trade in goods - 2013-2016 data doi102785813535

9 Głodowska A (2017) Business Environment and Economic Growth in the

European Union Countries What Can be Explained for the Convergence

Entrepreneurial Business and Economics Review 5 189ndash204

10 Henrekson M Torstensson J amp Torstensson R (1997) Growth Eff ects of

European Integration European Economic Review 41(8) 1537-1557

11 Krings G Carpantier J-F amp Delv (2014) Trade Integration and Trade

Imbalances in the European Union A Network Perspective PloS one 9(1) doi101371journalpone 0083448

12 Matkowski Z amp Rapacki R (2016) Real Income Convergence between Central

Eastern and Western Europe Past Present and Prospects Ekonomista 6 853ndash92

13 Prichett L (1996) Measuring Outward Orientation in LDCs Can it Be Done

Journal of Development Economics 49 307-335


14 Proudman J amp Redding S (2002) Evolving Patterns of International Trade Review of International Economics doiorg1011111467-939600229

15 Salsecci G amp Pesce A (2008) Long-term Growth Perspectives and Economic Convergence of CEE and SEE Countries World Transition Economy Research 15 225ndash39 doi101007s11300-008-0004-7

16 Tsionas E (2000) Productivity Convergence in Europe Eastern Economic Journal Eastern Economic Association 26(3) 297-320


TRADE INTEGRATION IN EU ndash A WIN-WIN PROCESS


Bucharest University of Economic Studies Romania PhD Anca NOVACPolitehnica University of Bucharest Romania

Abstract Ten of the Central and Eastern European countries (CEECs) have gone through a dramatic process of economic restructuring in which the European Union (EU) Trade Agreements have played a major role The 5th Enlargement of the EU generated the biggest ever common market but up to now there still persist two regional intra-EU markets Considering the 12 new member states accessing EU in the 5th Enlargement we analyse the growth and changes of the most important trade indicators segregated for goods and services during the period 2000-2017 and whether they account for trade integration The results show that in 2017 all the 12 newcomers have gained higher import shares on both goods and services at the intra-EU level meaning a win for the old EU members On the other side 9 out of 14 of the old EU members show a signifi cant increase of the goods import global share in trading with the aggregate regional market of the 12 newcomers meaning a great win for the later in taking over Western market shares Meantime our results confi rm that trade integration is successfully continuing and powering all the EU members to further develop Key words integration trade fl ows CEEC EU-15 EU-Enlargement

JEL F14 O11 O24

1 INTRODUCTION Nowadays due to extended studies on the economic aspect of the globalisation it is generally accepted that the trade openness is benefi cial to development (Edwards 1997) Meanwhile it is well known that the trade defi cit indicator and the market share of imports and exports could be used as measuring tools for the trade integration degree in a specifi c common market Following the rsquo80 and rsquo90 EU enlargements a lot of papers used β-conver gence to evaluate the integration of the newcomer countries but their results and opinions were rather diverging Opposed to Tsionas (2000) who concluded the EU-15 convergence at country level is relevant Henrekson et al (1997) fi nd that in comparison with outsider countries the EU members registered an annual GDP growth higher by 06 to 08 percentage points and the obvious β-convergence obtained for the period 1960ndash1998 by Cuaresma


et al (2008) demonstrates that the EU-15 integration is in progress and shows positive long term eff ects Otherwise analysing an extended European group of

33 countries from 1980 up to 1998 Bornschier et al (2004) show that for the EU

members their economic growth is higher than the outsider countries one and the

poorer EU members are growing faster

The European integration process went on after the 5th Enlargement

(2004 2007) which during the fi rst decade of our century gave rise to the

ever biggest common market During the time the CEE countries were

studied both as outside candidates and as the inside group of new member

states (NMS) (Crespo amp Fontoura 2007 Andersson et al 2014 Dobrinsky amp

Havlik 2014 Matkowski et al 2016) but most studies refer to convergence

toward the 15 old members income level On the other side the former EU-15

namely the old member states (OMS) were treated as a single area too (ie

Salsecci amp Pesce 2008 Głodowska 2017)

One of the fi rst authors emphasising the importance of measuring the

integration by using trade indicators is Prichett (1996) whose paper opened

a trade literature which has grown up proposing and discussing alternative

measures to evaluate the concept of trade openness (eg Proudman et al 1997

Arribas et al 2009) and by using some trade indicators (Krings et al 2014)

A short quality report concerning the trade integration was published by the

European Commission (Eurostat 2019) but for the period 2013 ndash 2016 only

2 DATA AND METHODOLOGY Our empirical analysis is based on two diff erent data series A fi rst

series representing the annual aggregated on the union level international trade

values for every EU member state was downloaded from the Eurostat database

separately for goods and services trade for the time interval between 2000 and

2017 In order to calculate the trade indicators there were downloaded tables

of annual GDP for all the EU members from Eurostat database too For the

same period other data series were downloaded from the IMF database as

tables containing the annual trade of goods between each EU country with

every other country of the world From these tables we afterwards selected

only the export and import annual numbers corresponding to every EU

member with all the other EU countries and also their global trade values

in order to calculate the global share of every NMS country as well as the

growth and the change of the global share of the international trade between

each of the 14 OMS (excluding Luxemburg as non-representative) and the

aggregate of the 12 NMS still forming a regional intra-EU market

Although the integration and related questions had already been

examined from a variety of points of view the present paper combines the


temporal evolution of diff erent trade indicators values and their short time

change approach in order to explicitly quantify the progress made by the 12

new member states (NMS) on European trade integration

Statistical analysis concerning the international trade activity in order

to evaluate EU trade integration progress of the 12 NMS is based on both the

contribution to the income measured by GDP and on the free trade area of the

enlarged common market of the EU-28

A fi rst indicator of commercial integration in the European common

market trade agreement used in our analysis is the degree of trade openness

(TGDP) ndash given by the total trade activity normalized to GDP a second

interesting one being the trade defi cit (TD) ndash given by the normalized to GDP

trade balance as follows

(a) (b) (1a b)

where X is the export annual value and M is the import one on the EU

level Using the Eurostat data both these indicators are analysed for goods

trade apart from services trade covering the time interval between 2000 and

2017 as well as the annual changes for the last two years

Furthermore using the refi ned by us IMF tables for the international

trade of goods in the time period between 2013 and 2017 for each year of this

time interval the annual global market share of every NMS as its intra-

EU trade of goods over the own global international one was calculated by the

formula

(2)

where

with the 12 NMS = BG CY CZ EE HU LT LV MT PL RO

SI SK

and

X = export annual value and M = import annual value

denotes the annual trade activity of the C country with any other EU

member

denotes the trade activity of the C country with the rest of the world (W)

these annual global values were obtained from the IMF database

In order to evaluate the recent integration progress the annual change

of the global share was calculated for the last 2 years of the analysed period

(3)


Meanwhile for the same time period the annual market share of each NMS on the regional market formed by the 12 NMS was calculated using the formula

(4)

where for the C country and year ti defi ned before

denotes the annual trade activity of the C country with another NMS

denotes annual trade activity of a given NMS with all the other 11 NMS Similarly using the same notations and for the same time interval the annual share of each NMS on the union market formed by the 28 EU members was calculated using the formula

(5)

where for the C country and year ti denotes the annual trade activity of the C country with any other EU

member denotes annual trade activity of a given NMS with all the other 27 EU

members For the considered time interval between 2013 and 2017 using (4) and (5) the average annual shares of every NMS on regional NMS market as well as on the total European common market were calculated as the arithmetic average (6)

(7)

Furthermore for every ti of the considered period we calculated the annual share of the aggregated NMS regional market on the union level (8)

as well as the time average in the given period for the import union share and respectively for the export one

(9)


Finally for the sake of integration evaluation too we considered of interest to analyse the share of each OMS trade of goods with the aggregated 12 NMS regional market as a fraction of their own global trade Therefore for each of the 14 OMS we calculated the annual market share of the aggregated regional market formed by the 12NMS as a percentage of own global trade activity using the following formula

(10)

where with the 14 OMS = AT BE DE DK EL ES FI FR IE IT NL

PT SE UK (LX excluded) and

X for any given OMS

denotes the trade activity between an OMS and an NMS

denotes the trade activity of an OMS on the aggregate 12 NMS regional market

represents the trade activity between an OMS and the rest of the world these annual global values were obtained from the IMF database In the present study both Luxemburg and Croatia are not analysed but their trade contributions are included in the calculation of the total trade activity at the union level Analysing CEE newcomers is interesting because contrary to the 15 Western European countries that developed through prior enlargement processes these 10 countries provide an original testing ground for trade integration eff ects based on the fact that they actually had to build up strong

economic relations with the former EU-15 common market only after changing

the old central type of economy to the market type and deciding to join the

European Union

3 EMPIRICAL RESULTS Since trade is one of the main contributions to GDP it is obvious that

the time series of some important trade indicators values corroborated with

their annual change would give a right measure of the European integration

degree achieved by the newcomer economies

Meanwhile the growth of the international intra-EU trade activity

is refl ecting the crossborder production relationship evolution by the value

added embedded in producing goods and services for export


31 Trade openness (TGDP) ndash growth and annual change One of the largely studied trade indicator is the market openness given by the GPD fraction accounted for by the total international commercial activity ie export plus import in either goods or services Refl ecting countryrsquos performance

in trade this indicator shows also the competitiveness level as refl ected by

exports and measures the openness to imports and the internal demand

For the EU countries this is a key indicator measuring the trade integration

into the European value chains In other words the higher its TGDP percentage

the more is the member state integrated in the EU common market with respect

to the size of its economy Trade openness growth calculated for the intra-EU trade

of goods as well as the services using (1a) and the Eurostat database for the 12

NMS is represented in the fi gure 1 for 6 years chosen as representative

Trade openness indicator values for the 12 NMS between 2000 and 2017 calculated for intra-EU international trade of goods (up) and services

(down) using Eurostat database Descending order by 2000-year valuesFig 1

[source own calculation]


Both goods and services time dependences show that after 2010 almost all the newcomer economies started the trade recovery process excepting Malta which exhibited a decrease of the openness for goods and a stationary evolution for services As it can be seen for most of the NMS the trade openness for goods reached above 100 values at the end of the studied time interval and our further analysis shows that 4 of the other NMS exhibit a progress of the integration process With respect to the services market excepting Malta and Cyprus the trade openness values are under 50 for the other 10 NMS although all these countries register remarkable growth after 2010 as shown in the insertion The diff erent speed of evolution emphasized by the change in

percentage points calculated for the interval between 2010 and 2017 are

represented for goods services and for overall intra-EU international trade in

the fi gure 2 whereas the change calculated for the last two years is shown in

fi gure 3 segregated for goods and services

Integration degree of the 12 NMS revealed by the openness growth between 2010 and 2017 calculated for goods services and overall intra-EU international trade based on Eurostat database Descending order

by service growth valuesFig 2


Excepting Malta the positive change of the trade openness shown by

all NMS economies corresponding to both goods and services trade represents

the best sign of the progress in commercial integration In fact the goods

trade openness exhibits a growth higher than 20 pp for 3 NMS and more


than 10 pp for other 7 but less than 5 pp for Hungary Estonia and Cyprus Meanwhile the great progress in services trade integration is demonstrated by the positive growth of the trade openness for all the 12 NMS as shown in fi gure 2 Furthermore the higher than 10 pp of the total trade openness change shown by 10 out of the 12 NMS is the best sign of the good direction of intra-EU trade development The values of the relative growth from 2010 up to 2017 were calculated to emphasize a likelihood of the achievements demonstrated by some countries despite the big diff erence in the absolute growth as well as

onersquos greater success despite the similar absolute change

Relative and absolute growth of trade openness in services for the period between 2010 and 2017 calculated for the 12 NMS using Eurostat

database Descending order by absolute growthTable 1

Growth darr Country rarr CY LT RO BG HU SI PL SK EE CZ LV MT

Relative []

20172010 4481 5893 5623 2874 1954 2113 3374 2711 988 1814 844 041

Absolute [pp]

20172010 2554 1203 637 564 531 476 466 424 389 347 219 086

(source own calculation)

As shown by the numbers in the fi rst row of the Table 1 Lithuania and Romania achieved quite the same success of above 50 relative growth and greater than that of Cyprus in the presence of an inverted relation between the corresponding absolute growth numbers presented in the second row of the same table By contrary with similar absolute growth numbers Poland reported a higher integration speed than Slovenia concerning the European market of services The absolute change calculated for the last two years for the trade openness indicator (fi g 3) is mostly positive for the last year for both goods and services excepting Hungary Estonia and Malta for both categories and Bulgaria for services only Apparently Bulgaria was concerned about highly compensating the previous negative change of its trade openness for goods but failed to achieve a positive change of its trade openness for services too As for Malta the negative change of its trade openness for goods succeeded to be diminishing in the last year although both these changes are just small fl uctuations compared to the high values of its trade openness for services above 200 and for goods above 125 (see fi g2)


Integration degree of the 12 NMS revealed by the openness annual change for the last years segregated for goods (up) and services (down)

intra-EU international trade using Eurostat database Descending order by last year growth values

Fig 3


The biggest achievement is shown by Poland with a sequence of signifi cant positive changes of the trade openness (goods 300 pp and 358 pp and services 145 pp and 063 pp) followed by Slovenia (goods 013 pp and 871 pp and services 095 pp and 095 pp) and Romania (goods 056 pp and 079 pp and services 008 pp and 110 pp) In the last analysed year the greatest trade openness growth is shown by Lithuania for both goods (915 pp) and services (293 pp) but more than 8 pp in goods trade were registered by Slovenia and Bulgaria too

32 Trade defi cit (TD) ndash growth and annual change

This important trade indicator representing the normalized to GDP balance was calculated segregated for goods and services using the Eurostat database with (1b) and referring individually to the intra-EU trade activity of each of the 12 newcomers Trade defi cit growth values are represented in fi gure 4 for the same 6 years chosen as representative as before for the trade openness indicator


Starting with a negative trade defi cit of goods in 2000 obviously meaning higher import values all the 12 NMS succeeded to reduce their negative values after entering EU and four of them ndash meaning Czechia Slovenia Slovakia and Hungary ndash even to register positive values On the other side the trade defi cit indicator for services started in 2000 with positive values for all the NMS but Romania Similarly after 2010 for all the 12 NMS this important trade indicator shows growing positive values which signifi es that the newcomers have got an increasing share of the European market of services As revealed in the fi gure 4 at the end of the studied time interval Malta and Cyprus show the lowest values for the goods trade and the highest values for the trade of services This fact is due to the economical specifi city of these two islands All the other NMS economies show relatively small weight of the increasing balance of services mostly between 4 and 8 percent of their GDP but decreasing for the Czechia and Slovakia Seemingly these countries were focused on improving their balance of goods trade neglecting the services Similarly the absolute growth of the trade defi cit indicator between 2010 and 2017 was analysed segregated for services goods and overall international intra-EU trade and the results are presented in the fi gure 5


Trade defi cit indicator values for the 12 NMS between 2000 and 2017

calculated for intra-EU international trade of goods (up) and services

(down) using Eurostat database Descending order by 2000-year values

Fig 4


The absolute growth is measuring the commercial eff ort which has

been made by each of the 12 NMS economies to achieve a higher level trade

integration As shown in fi gure 5 the biggest balance change between 2010 and

2017 on the services market was registered by Malta whose services export

grew massively with 1593 pp followed by Cyprus with 519 pp Excepting

Estonia and Bulgaria showing a negative growth the other 8 NMS registered

a positive growth three of them showing a signifi cant growth above 3 pp

namely 341 pp for Lithuania 327 pp for Hungary and 315 pp for Romania


Integration degree of the 12 NMS revealed by the trade defi cit

absolute growth between 2010 and 2017 segregated for goods services

and overall intra-EU international trade using Eurostat database

Descending order by service growth values

Fig 5


On the goods market the dispersion of the trade defi cit values is much larger Excluding the negative growth registered by Estonia Hungary and Cyprus the positive growth trade defi cit values are scattered between 006 pp for Latvia and 789 pp for Bulgaria As for the total commercial activity the positive values of the trade defi cit demonstrate the remarkable progress in integration achieved by all the newcomers excepting Estonia whose small negative registered values show that the imports grew faster than exports in both goods and services categories The highest growth rate of the trade defi cit indicator for total commercial activity was registered by Malta (+2180 pp) followed by Slovenia (+829 pp) Bulgaria (+651 pp) and Poland (+602 pp)In the frame of our analysis concerning the TD indicator the absolute annual change was similarly calculated for the last two years segregated for goods and services trade and the corresponding results are represented in the fi gure 6 In both cases the ordering has been made by the last year change


Integration degree of the 12 NMS revealed by the trade defi cit annual

change in the last years calculated segregated for goods and services

intra-EU international trade using Eurostat database Descending order

by last year growth values

Fig 6


Comparing the last two years growth and judging by the number of positive changes 2016 was a better year than 2017 for both trade categories As seen in the fi gure 6 excepting Romania and Cyprus with two successive negative annual changes for all the other 10 NMS the trade balance of goods registered positive annual changes for the period 20162015 Meanwhile excepting Estonia for the same period the trade balance of services registered positive annual changes for all the other 11 NMS In the last year of the analysed period the highest value of the trade defi cit growth is shown by Malta for both goods (581 pp) and services (197 pp) but this last one is lower than the value of 338 pp registered by Cyprus in the previous year 20162015 It is notable that for the last analysed year 20172016 more than half of the newcomers actually 8 of them registered two successive positive annual changes of the trade defi cit indicator this result showing a clear success of the integration process by rising the share of NMS exports on the European services market


33 Global European share for the 12 NMS trade of goods on the EU-28 market

From our results the trade openness indicator shows that the trade of goods registers higher percentage of GDP than trade of services for all the newcomers excepting Malta and Cyprus Meanwhile it is accepted that the 12 NMS still form a relatively outlined regional market inside the greater EU common market Thatrsquos when considering some other trade indicators currently neglected in integration analysis would become particularly interesting

Market share indicator values for the 12 NMS between 2013 and 2017 calculated as percentage of intra-EU over global international

trade of goods for exports (up) and imports (down) using IMF database Descending order by 2017-year values

Fig 7



At this point we consider the export and import annual share of the intra-EU common market over the global trade activity for each of the 12 NMS The results calculated by (2) using IMF refi ned by us database tables are represented in fi gure 7 As shown excepting Malta and Cyprus all the other NMS representing 10 CEE economies achieved an export global share above 50 and an import one over 60 The growing import share of the EU products is a key proof of the integration progress made by the newcomers Meanwhile this increasing export share on the EU market emphasizes the competitiveness of the NMS products and meantime a proof of being preferred by the Western old members On the other side as shown by the results calculated with (3) and represented in fi gure 8 Malta and Cyprus registered some obvious highly fl uctuating annual changes in both imports and exports and the Baltic countries

registered a slightly descending evolution of the last two years annual change

of the export share

Integration degree of the 12 NMS revealed by the market share annual change in the last years calculated as the change of intra-EU fraction of the global international trade of goods using IMF database Descending

order by last year growth valuesFig 8



NMS trade share in goods export and import accounted for the 12 NMS regional market and for the EU-28 market using FMI database Last

row average values for the period from 2013 to 2017 Descending order by import share

Table 2

Country Goods Import share Goods Export share


Poland 2929 391 2961 373Czechia 1837 245 1992 250Hungary 1275 170 1342 169

Slovakia 1105 147 1149 144

Romania 993 133 860 108

Lithuania 431 057 408 051

Bulgaria 427 057 394 050Slovenia 398 053 421 053Latvia 219 029 181 023Estonia 208 028 194 024Cyprus 106 014 047 006

Malta 074 010 049 006

12 NMS average 2013-17 1258 1333


Aiming to have a clear image of the import and export contribution of the newcomers we calculated the time average share of every NMS on the regional 12 NMS market by (6) and by (7) on the EU common market using the values previously calculated for every year of the analysed period by the relation (4) respectively (5) The fi nal results are shown in the Table 2 Our results demonstrate (fi g 8) that for the greater NMS economies the up and down changes of the trade shares are quite small below plusmn2 pp superposed on a continuous increase of the shares (fi g 7) which could be reasonably assigned to an economic policy at the state level showing progress in trade integration By contrary the highly oscillating annual market share of Cyprus Malta and the Baltic states (fi g 8) could be considered as irrelevant based on their very small share both on the 12 NMS regional market (below 431 for import and below 408 for export) and on the whole EU common market (below 057 for import and below 051 for export) as shown in the corresponding columns noted ldquo12 NMSrdquo of the Table 2 Furthermore these highly oscillating annual changes most probably could not be referred to as an economic policy but rather as a trade activity generated by local circumstances


The last row of the Table 2 contains the time average values of the whole regional NMS market import and export share on the EU common market calculated for the considered 5 years period between 2013 and 2017 based on (8) and afterwards using (9) In fact in the last year (2017) of the analysed period the newcomers regional market share at the EU level achieved almost equal percentage in imports (1399) and exports (1308) of goods and these values are higher than the 5 years average values given in the Table 2 demonstrating again a signifi cant progress of the integration process

34 The 12 NMS regional market global share in goods traded by the 14 OMS

Another trade indicator interesting for the integration analysis would be the share of export and import annual aggregate accounted for the 12 NMS regional market in the global trade activity of every Western old EU member excepting Luxemburg as nonrepresentative Using the IMF refi ned by us database the global shares were calculated with (10) and the results for the period between 2013 and 2017 are shown in fi gure 9 Excepting Ireland for all the other OMS both export and import global shares accounted for the 12 NMS regional market increase continuously during the analysed period from 2013 up to 2017 The 12 NMS share reaches almost 20 of their global export for Austria and Greece (fi gure 9 up) and above 15 of their global import for Germany and Austria (fi gure 9 down) It is remarkable that there are several Western EU members for which the import share is greater than the export share namely Germany Sweden Denmark France Belgium and Ireland By opposite for Austria Greece and Nederland the export share is bigger The annual changes for the last two years of the analysed period demonstrate that for the Western countries too 2016 was a better year as refl ected in both export and import share the results of own calculation being

represented in fi gure 10 A couple of positive annual changes of the 12 NMS

regional market global shares in both export and import are registered by

Austria Germany Belgium and Italy while other OMS show an oscillating

trade activity but within one percentage point only


Market share indicator values for the 14 OMS between 2013 and 2017 calculated as the 12 NMS regional market fraction over global trade of goods for exports (up) and imports (down) using IMF database

Descending order by 2017-year valuesFig 9



Integration degree of the 12 NMS revealed by the market share annual change in recent years calculated as the 12 NMS regional market share

over global trade of goods for the 14 OMS between 2013 and 2017 segregated for exports (up) and imports (down) using IMF database

Descending order by 20172016 year values Fig 10


A relevant picture of the trade integration progress is obtained by comparing the 12 NMS regional market global shares registered in 2017 and 2000 as represented in the fi gure 11 As it could be seen there are considerable changes referring to both the import and export global shares of the trade activity of each OMS with the regional NMS market In fact excepting Nederland Portugal Belgium and Ireland the growth of the import global share is above or near 4 pp for the other 10 of the 14 old members


Integration progress of the 12 NMS revealed by the market share change between 2000 and 2017 calculated as the fraction accounted for the 12 NMS regional market over global trade of goods for the 14 OMS

segregated for exports and imports using IMF database Descending order by import growth values

Fig 11


Newcomers regional market global share in 2000 (up) and 2017 (down) calculated as the fraction accounted for the 12 NMS regional market

over global trade of goods for each of the 14 OMS segregated for exports and imports using IMF database

Fig 12



The biggest growth of the global share accounted for import of goods from the regional market of the 12 NMS was achieved by Germany with 868 pp followed by Greece with 613 pp and Sweden with 603 pp The growth values of the same regional market global share but accounted for exports of goods were remarkable lower as for 8 of the 14 OMS the total growth from 2000 until 2017 was between 2 pp and 3 pp The greatest value of 605 pp was reached by Austria followed by Germany with 515 pp Greece with 493 pp and Nederland with 433 pp The lowest values were achieved by UK (155 pp) and Ireland (075 pp) Another relevant comparison could be made between export and import global shares accounted for the newcomersrsquo regional market in 2000 and in 2017 As shown in the fi gure 12 for a number of the old EU members the trade balance with the regional market of the newcomers changed the sign in 2017 among them UK and France A weighted trade balance was calculated as the diff erence between the

export and import global shares for every OMS excepting Luxemburg for the fi rst and last year of the analysed period and the results (in pp) are given in Table 3

Weighted trade balance in goods for 2000 and 2017 in pp for each of the 14 OMS with the aggregated 12 NMS regional market using IMF

refi ned database

Table 3 AT BE DK FI FR DE EL IE IT NL PT ES SE UK

2000 204 013 -029 242 104 -010 1054 038 175 049 000 143 017 058

2017 444 118 -307 012 -025 -363 935 042 -014 232 033 011 -328 -138



According to the fi rst row in 2000 Denmark and Germany were the only countries registering a very small trade defi cit with the group of the 12 future EU members entering the EU common market by the 5th Enlargement Ten years after the ever greatest EU enlargement almost three quarters of the old members of the common market ndash in fact 9 of the 14 analysed OMS ndash are showing a lower trade surplus or even a trade defi cit

Newcomersrsquo win demonstrated by enhanced defi cit in the trade balance

of global shares for goods between each of the 14 OMS and the 12 NMS

regional market comparing 2000 and 2017 using IMF database

Fig 13

Legend green ndash trade surplus red ndash trade defi cit


In order to emphasize the change registered in 2017 in comparison with the situation registered in 2000 the calculated values for the balance of the global shares corresponding to the international trade of goods between each of the 14 OMS and the group of the newcomers as an actual regional intra-EU market were represented in percentage points in the fi gure 13 where the most recent negative values are highlighted in dark red As shown in 2017 the number of OMS registering a trade defi cit balance grew to 6 as follows DE (trade defi cit of 363 pp) SE (trade defi cit of 328 pp) DK (trade defi cit of 307 pp) UK (trade defi cit of 138 pp) FR (trade defi cit of 025 pp) and IT (trade defi cit of 014 pp) the values given in brackets have been presented in the lower row of the Table 3 Furthermore for other three the surplus diminished several times AT BE ES It is quite remarkable that four of the trade balance defi cit values correspond to the greatest EU economies Germany France UK and Italy


4 CONCLUSION Using a series of trade indicators the present statistical study show that the trade integration started by the 5th Enlargement is not only in progress but for the fi rst time demonstrates that it is a win-win process for both regional intra-EU markets Accepting that the former EU-15 countries are still an intra-EU regional market as well as the other regional European market formed by the 12 newcomers our analysis concerns the bilateral level fi rst from the point of view of each of the newcomers and afterwards from the point of view of the old members aiming to emphasize the changes in import and export shares by comparison between the year 2000 and the year 2017 a decade after the 5th Enlargement From the point of view of the old common market members the 5th Enlargement opened a huge new market formed by the 12 NMS including the 10 CEE countries which was effi ciently used to increase their exports of

goods This great achievement is refl ected by the increasing intra-EU import

shares of every newcomer and demonstrates that this greatest Enlargement

was a good decision and a win for the old members of the common market

On the other side our study evaluated the trade statistics between

every old member state and the newcomers aggregated regional market

analysing the changes in the OMS global share of the imports and exports

Our calculations demonstrate that in 2017 for 9 of the 14 analysed OMS

the import global share in goods increased a lot more than the export global

share In fact although in 2000 there were only two countries which had a

tiny defi cit of the weighted trade balance in 2017 not only their number arose to 6 and between them there are 4 of the greatest European economies ndash namely Germany France UK and Italy but the defi cit of the global trade balance increased to quite important values These changes show that the CEE newcomers penetrated the Western market gaining global shares and moreover that their products are highly competitive at European level proving that the decision to accept the invitation and enter EU was good and signifying a win for them too Finally our study confi rms that the trade integration is an ongoing process which powers the development of all the European Union countries The scientifi c contribution of the present study is refl ected by our

original results and taking into account the circumstance that the existing

literature dealing with trade integration of the CEE countries is still very

limited in volume as is the number of studies concerning the trade between

the old EU members and the regional market of the 12 newcomers following

the 5th Enlargement It is also worth mentioning that to the best of our


knowledge this study is one of the very few quantitative ones thus supporting its conclusions with offi cial and accurate data we hope this can provide a basis

for further similar and more in-depth studies

REFERENCES 1 Andersson S Evers N amp Kuivalai O (2014) International New Ventures







doi1010801461669032000 176323 71



611ndash632 doi101111j 1468-5965200700726x



doi10108000036840 600749524

















14 Proudman J amp Redding S (2002) Evolving Patterns of International Trade

Review of International Economics doiorg1011111467-939600229

15 Salsecci G amp Pesce A (2008) Long-term Growth Perspectives and Economic

Convergence of CEE and SEE Countries World Transition Economy Research 15 225ndash39 doi101007s11300-008-0004-7



Model econometric de studiu a corelaţiei dintre evoluţia numărului de şomeri şi Produsul Intern Brut

Lect Ștefan Virgil IACOB PhD (stefaniacob79yahoocom)

Universitatea Artifex din București

Ștefan Gabriel DUMBRAVĂ PhD Student (stefandumbravagmailcom)


Dana Luiza GRIGORESCU PhD Student (danaluiza2004yahoocom)


Elena MĂHĂREA Student (eelepsa98yahoocom)


Abstract Produsul Intern Brut este indicatorul cel mai complet de rezultate

care se calculează la nivel macroeconomic Pornind de la metodele de

calcul ale Produsului Intern Brut icircn sistemul conturilor naționale se desprind și o serie de variabile statistice care sunt icircn realitate factori care determină și infl uențează nivelul Produsului Intern Brut care se calculează Astfel productivitatea muncii icircnzestrarea muncii cu mijloace fi xe moderne robotizarea industriei numărul de salariați rata infl ației rata șomajului structura pe ramuri și contribuția fi ecărei ramuri la realizarea Produsului Intern Brut și multe altele Este important atunci cacircnd prognozăm perspectiva creșterii Produsul Intern Brut icircntr-o asemenea previziune trebuie să ținem seama și de estimarea infl uenței pe care o poate avea fi ecare dintre acești factori asupra Produsului Intern Brut Aceste infl uențe ale unor variabile asupra evoluției Produsul Intern Brut sunt icircn realitate corelații care se stabilesc icircntre acestea și rezultatul fi nal al activității economice la nivelul unei țări Icircntr-un studiu aprofundat mai ales atunci cacircnd ne propunem previzionarea evoluției Produsului Intern Brut trebuie să efectuăm analize individuale ale corelației dintre fi ecare variabilă statistică factorială și Produsul Intern Brut dar și analize multifactoriale icircn care să luăm icircn considerație toți indicatorii care au infl uență asupra Produsului Intern Brut Icircn studiul de față ne-am propus să analizăm care este corelația și interdependența dintre numărul șomerilor (rata șomajului) și Produsul Intern Brut Cunoaștem că numărul de șomeri este indisolubil legat de populația ocupată și de modul icircn care această populație ocupată se regăsește icircn numărul de salariați și numărul de șomeri din cadrul economiei naționale


Icircntre cele două variabile numărul de salariați și numărul de șomeri există o stracircnsă legătură Icircn momentul icircn care economia icircși propune perfecționare dezvoltarea de noi activități crearea de locuri de muncă prin investiții este normal ca o parte din numărul de șomeri să fi e atras icircn racircndul salariaților De fapt institutele teritoriale de muncă (ITM-urile) urmăresc și icircnregistrează numărul persoanelor neocupate deci și al șomerilor care trebuie să fi e atrase icircn circuitul economic pentru a ușura contribuția din bugetul consolidat icircn fi nanțarea șomajului Icircn particular putem aprecia că Romacircnia este un caz particular icircn sensul că numărul de șomeri icircnregistrați este corespunzător persoanelor din țară care și-au pierdut locurile de muncă sau au absolvit anumite studii indiferent de nivel și nu au găsit icircncă un loc de muncă Aceasta se datorează faptului că nu e o corelație stracircnsă icircntre piața muncii și cerințele economiei pe structuri de califi care și așa mai departe La racircndul său Produsul Intern Brut este infl uențat numărul de șomeri icircn dublu sens Pe de o parte prin atragerea unui număr mai mare de șomeri icircn cacircmpul muncii pe baza contractuale pe perioade de timp fi nite sau nedefi nite atunci icircnseamnă că sporește numărul de salariați care icircn mod cert icirc-și aduc o contribuție la creșterea Produsului Intern Brut Sunt și cazuri uneori limitate dar există icircn care Produsului Intern Brut este infl uențat de numărul de șomeri chiar dacă numărul acestora rămacircne constant sau chiar se micșorează atunci cacircnd se aplică robotizarea sau alte metode moderne evoluate icircn cadrul economiei naționale asiguracircnd astfel pe calea productivității o creștere mai rapidă Trebuie constatat că icircn termeni generali icircntre numărul de șomeri și Produsul Intern Brut există o legătură inversă icircn sensul că cu cacirct scade numărul de șomeri icircn consecință crește Produsul Intern Brut și de asemenea pe cale de consecință cu cacirct crește Produsul Intern Brut cu atacirct trebuie să scadă numărul de șomeri Icircn acest articol după o prezentare succintă a acestor aspecte autorii au ales metoda regresiei liniare simple pe care au aplicat-o scopul determinării corelației inverse putem anticipa dintre evoluția șomajului și a Produsului Intern Brut Cuvinte cheie șomaj forța de muncă populație ocupată și neocupată Produs Intern Brut model econometric indicatori variabile Clasifi carea JEL C15 E20 J20

Introducere

Studiul asupra corelației care există icircntre evoluția numărului de șomeri și Produsul Intern Brut pleacă de la interpretarea seriilor de date care s-au icircnregistrat icircn douăzeci și nouă de ani respectiv perioada 1991-2019 icircn evoluția celor doi indicatori macroeconomici pe care i-am menționat


Din simplul studiu al acestei serii de date se constată că cu mici excepții evoluția pozitivă a Produsului Intern Brut a fost infl uențată de scăderea numărului de șomeri ca o consecință a faptului că economia icircn evoluția ei oferă locuri mai multe de muncă absoarbe ocupația neocupată și o trece icircn racircndul populației active pe bază de contracte de muncă așa icircncacirct corelația este una inversă ușor deductibilă chiar din modul de prezentare icircn seria de date De aici rezultă că cu cacirct crește Produsul Intern Brut intr-o măsură aproximativă scade numărul șomerilor Am zis o evoluție aproximativă icircn sensul că din timp icircn timp apar și unele fenomene economice cum ar fi crizele apar unele dereglări ale pieței adică a raportului dintre ofertă și cerere se modifi că contribuția unor ramurile la formarea Produsului Intern Brut icirc-și aduce o contribuție diferită exportul net (diferența dintre export și import) la formarea Produsul Intern Brut Reprezentarea grafi că a datelor din această serie de date relevă icircn principiu aceeași oscilație care există icircn evoluția Produsului Intern Brut comparativ cu revoluția numărului de șomeri la nivelul economiei naționale Analizacircnd icircn sens economic pe bază de date statistice putem aprecia că această corelație dintre Produsul Intern Brut și numărul de șomeri este una reciprocă icircn sensul că putem considera Produsul Intern Brut ca variabila rezultativă pe seama diminuării numărului de șomeri sau putem considera ca variabilă rezultativă diminuarea numărului de șomeri icircn concordanță cu creșterea Produsului Intern Brut Icircn continuare au fost făcute unele prezentări icircn legătură cu semnifi cația unor modele statistico-econometrice pentru a determina parametrii care evidențiază interdependența dintre cele două variabile așa icircncacirct să putem estima pornind fi e de la evoluția Produsului Intern Brut modul icircn care va evolua numărul de șomeri fi e de la interpretarea modului icircn care va evolua numărul de șomeri și va avea infl uență de creștere a Produsului Intern Brut Facem unele referiri icircn articol icircn legătură și cu situația la zi icircn sensul că numărul de șomeri icircnregistrați icircn Romacircnia este acea parte dintre cei care icircși pierd locul de muncă sau nu au un loc de muncă dar sunt icircn căutarea unui loc de muncă conform defi nițiilor statistice date șomajului și nu ține seama de populația care a emigrat și icircn felul acesta icirc-și aduce contribuția icircn sensul că nu determină creșterea numărului de șomeri care ar da o altă interpretare corelației pe care o supunem acestei analize De asemenea icircn momentul icircn care scriem acest articol avem icircn vedere criza determinată de pandemia coronavirus (COVID 19) și poate de aici icircn dezvoltare s-ar putea identifi ca și declanșarea crizei economico-fi nanciare care desigur va avea efect asupra celor două mărimi statistice Icircn acest sens este de anticipat ca numărul de șomeri să crească fi e prin pierderea locurilor de muncă ca urmare a reducerii


activități icircntr-o serie de domenii (HoReCa activitățile de servicii icircn anumite domenii activitățile comerciale de desfacere etc) care vor trece poate icircn șomaj tehnic așa cum se icircntacircmplă acum dar la reluarea activității pot să fi e trecuți asimilați șomerilor Crescacircnd acest indicator pe bază de corelație pe care o stabilim icircn acest moment rezultă că Produsul Intern Brut va avea un teren de descrescător de la o perioadă de timp la alta fi e că vorbim despre Produsul Intern Brut lunar trimestrial anul sau multianual Icircn continuare am supus atenției pe bază de reversibilitate faptul că o funcție econometrică poate evidenția modul de evoluție a Produsului Intern Brut icircn stracircnsă dependență cu modifi carea numărului de șomeri și pe de altă parte modul icircn care evoluează numărul de șomeri icircn concordanță inversă cu modul icircn care se modifi că Produsul Intern Brut Indicatorii stabiliți sunt interpretați și subliniază aspectele spuse mai sus

Literature review Anghelache (2008) abordează atacirct teoretic cacirct și prin analize concrete practice indicatorii statistici Anghelache și Angel (2016 2018) abordează din punct de vedere teoretic și practic probleme de statistică economică și econometrie Anghelache (2018) analizează evoluția economică a Romacircniei din ultimii o sută de ani Anghelache Petre și Olteanu (2019) au abordat unele concepte și moduri econometrice de analiză a performanței macroeconomice Ghysels și Osborn (2001) au studiat din punct de vedere econometric seriile de timp afectate de sezonalitate Iacob și Stoica (2020) au abordat modele econometrice utilizacircnd regresia liniară simplă icircn analiza diverselor corelații dintre indicatori precum rentabilitatea productivitatea muncii şi cifra de afaceri Johansen și Nielsen (2010) tratează aspecte legate de inferență

Metodologie date rezultate și discuții

Icircn articolul prezentat autorii și-au propus să urmărească dependențele care există icircntre Produsul Intern Brut și evoluția numărului de șomeri din Romacircnia Astfel seriile de date aferente Produsului Intern Brut și a numărului de șomeri din Romacircnia pe o perioadă de douăzeci și nouă de ani care cuprinde intervalul 1991-2019 sunt structurate icircn tabelul numărul 1


Produsul Intern Brut și numărul de șomeri din Romacircnia icircn perioada

1991-2019

Tabel 1ANUL 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000

Număr de

șomeri337440 929019 1164705 1223925 998432 657564 881435 1025056 1130296 1007131

PIB(mil lei) 2204 6029 200360 497730 721350 1089190 2529260 3737980 5519140 8037730

ANUL 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010

Număr de

șomeri826932 760623 658891 557892 522967 460495 367838 403441 709383 626960

PIB(mil lei) 11676870 15147510 19756480 24736800 28895460 34465060 41600680 52438870 51052280 53388110

ANUL 2011 2012 2013 2014 2015 2016 2017 2018 2019

Număr de

șomeri461013 493775 512333 478338 436242 418237 351105 288 896 257865

PIB(mil lei) 56509720 59668150 63758310 66859010 71258780 76513540 85672660 89442260 93109390


Pentru o mai bună vizualizare evoluției pe care le-au avut acești doi indicatori icircn perioada supusă analizei conform datelor structurate icircn tabelul numărul 1 a fost icircntocmit grafi cul numărul 1

Evoluția Produsului Intern Brut și a numărului de șomeri din Romacircnia


Grafi c 1


Din grafi cul numărul 1 constatăm că evoluția Produsului Intern Brut icircn ultimii 29 de ani este una pozitivă cu creșteri de la an la an avacircnd o singură excepție icircn anul 2009 pe cacircnd evoluția numărului de șomeri icircn aceeași perioadă supusă analizei este una pe de o parte oscilatorie poate chiar ciclică observănd vacircrfurile maxime care se poziționează icircn perioadele de crize economice fi nanciare sau politice cum a fost criza fi nanciară din anii 2008-2009 unde observăm icircn grafi cul numărul 1 și icircn tabelul numărul 1 că acest indicator macroeconomic icircnregistrează un maxim icircn ultimii ani de 709383 de șomeri iar pe de altă parte are o evoluție favorabilă economiei naționale icircn sensul că trendul numărului de șomeri este descendent icircnregistricircnd icircn anul 2019 minimul perioadei supuse analizei de 257865 de șomeri Icircn continuare vor fi analizate pe racircnd evoluțiile celor doi indicatori macroeconomici supuși analizei și icircn grafi cul numărul 2 este prezentată histograma evoluției Produsului Intern Brut al Romacircniei icircn perioada 1990-2019

Histograma evoluției Produsului Intern Brut al Romacircniei icircn perioada 1991-2019

Grafi c 2

0

2

4

6

8

10

12

0 400000 800000

Series PIB

Sample 1991 2019

Observations 29

Mean 3511603

Median 2889546

Maximum 9310939

Minimum 2204000

Std Dev 3157445

Skewness 0358996

Kurtosis 1724927

Jarque-Bera 2587433

Probability 0274250

Interpretacircnd rezultatele prezentate icircn grafi cul numărul 2 constatăm că valoarea maximă pe care a icircnregistrat-o Produsului Intern Brut al Romacircniei icircn perioada cuprinsă icircntre anii 1991 și 2019 este de 93109390 mil Ron pe cacircnd media este de 35116030 Icircn altă ordine de idei valoarea de 035 a testului Skewness ne indică faptul că distribuția nu este perfect simetrică și icircn același timp avacircnd valoarea de 172 mai mică decacirct 3 a testului Kurtosis distribuția este una mai lentă Histograma evoluției numărului de șomeri din Romacircnia icircn perioada 1990-2019 este prezentată icircn grafi cul numărul 3


Histograma evoluției numărului de șomeri din Romacircnia icircn perioada

1991-2019

Grafi c 3

0

1

2

3

4

5

6

7

8

400000 800000 1200000

Series SM

Sample 1991 2019

Observations 29

Mean 6533872

Median 5578920

Maximum 1223925

Minimum 2578650

Std Dev 2849507

Skewness 0538435

Kurtosis 2052682

Jarque-Bera 2485617

Probability 0288573

Interpretacircnd rezultatele prezentate icircn grafi cul numărul 3 și tabelul numărul 1 constatăm că valoarea maximă pe care a icircnregistrat-o evoluția numărului de șomeri din Romacircnia icircn perioada cuprinsă icircntre anii 1991 și 2019 este de 1273925 de persoane valoare aferentă anului 1994 pe cacircnd minimul este de 257865 valoare aferentă anului 2019 De asemenea distribuția este mai lentă decacirct una normală și nu este perfect simetrică dacă urmărim valorile testului Kurtosis de 205 mai mică decăt 3 și cea a testului Skewness de 053 care este semnifi cativ diferită de zero Pentru a urmării și interpreta corelația dintre numărul de șomeri și Produsul Intern Brut a fost icircntocmit grafi cul numărul 4


Corelația dintre numărul de șomeri și Produsul Intern Brut

Grafi c 4

200000

400000

600000

800000

1000000

1200000

1400000

0 500000 1000000

PIB

SM

SM vs PIB

Observăm icircn grafi cul numărul 4 că norul de puncte aferent valorilor pe care le-au icircnregistrat cei doi indicatori macroeconomici studiați icircn evoluția lor descriu o dreaptă fapt ce ne permite continuarea studiului cu o analiză statistico-econometrică utilizacircnd un model de regresie liniară simplă care are următoarea relație



reprezintă variabila reziduală Atacirct pentru estimarea parametrilor a și b respectiv și folosind metoda celor mai mici pătrate cacirct și pentru testarea semnifi cației modelului autorii au apelat la programul de analiză statistico-econometrică EViews iar rezultatele sunt prezentate icircn fi gura numărul 1


Rezultatele analizei dependenței PIB-ului de evoluția numărului de șomeri

Figura 1Dependent Variable PIBMethod Least SquaresSample 1991 2019Included observations 29


SM -0854839 0135682 -6300297 00000R-squared 0595164 Mean dependent var 3511603Adjusted R-squared 0580171 SD dependent var 3157445SE of regression 2045843 Akaike info criterion 2736182Sum squared resid 113E+12 Schwarz criterion 2745612Log likelihood -3947464 F-statistic 3969375Durbin-Watson stat 0548750 Prob(F-statistic) 0000001

Conform rezultatelor din fi gura numărul 1 modelul este unul bun și poate fi utilizat icircn prognozele macroeconomice Acest fapt este confi rmat atacirct de valorile semnifi cativ diferite de zero pe care le-au icircnregistrat parametrii estimați care se găsesc icircn coloana a doua (coloana Coeffi cient) racircndurile 1 și 2 cacirct și de testele statistice F-statistic și t-Statistic ale căror valori sunt superioare celor tabelate Icircn altă ordine de idei conform datelor din fi gura numărul 1 putem estima valorile teoretice ale variabilei dependente conform relației

(2)

Avacircnd icircn vedere studiile realizate de o serie de cercetători mai ales icircn domeniul matematicii icircn care demonstrațiile teoremelor icircn general se sprijină pe cele precedente și se verifi că reciprocitatea afi rmațiilor autorii au considerat necesar icircn acest articol să cerceteze și relația reciprocă icircn sensul că evoluția numărul de șomeri poate fi efectul bunăstării societății din care fac parte al situației economice naționale din statul din care fac parte practic un efect al evoluției Produsului Intern Brut Pe cale de consecință analiza statistico-econometrică icircn acest caz presupune utilizarea unei regresii liniare simple icircn care variabila factorială este Produsul Intern Brut din perioada cuprinsă icircntre anii 1991 și 2019 iar caracteristica rezultativă este numărul de șomeri pe care i-a icircnregistrat Romacircnia icircn acest interval de timp Așadar ecuația de regresie va avea următoarea formă





Ca și icircn cazul analizat anterior estimarea parametrilor a și b respectiv și și pentru testarea semnifi cației modelului autorii au apelat la programul

de analiză statistico-econometrică EViews rezultatele fi ind prezentate icircn

fi gura numărul 2

Rezultatele analizei dependenței numărului șomerilor icircn funcție de

evoluția PIB-ului

Figura 2Dependent Variable SMMethod Least SquaresSample 1991 2019Included observations 29


PIB -0696230 0110507 -6300297 00000R-squared 0595164 Mean dependent var 6533872Adjusted R-squared 0580171 SD dependent var 2849507SE of regression 1846317 Akaike info criterion 2715659Sum squared resid 920E+11 Schwarz criterion 2725088Log likelihood -3917705 F-statistic 3969375Durbin-Watson stat 0920675 Prob(F-statistic) 0000001

Interpretacircnd rezultatele din fi gura numărul 2 constatăm că și icircn acest

caz analizat modelul este bun și poate fi utilizat icircn prognozele macroeconomice

Acest fapt este confi rmat atacirct de valorile semnifi cativ diferite de zero pe care

le-au icircnregistrat parametrii estimați cacirct și de testele statistice F-statistic și

t-Statistic ale căror valori sunt superioare celor tabelate Prin urmare conform

datelor din fi gura numărul 1 putem estima valorile teoretice ale variabilei

dependente conform relației

(4)

Constatăm că rezultatele analizei dependenței numărului șomerilor icircn

funcție de evoluția PIB-ului sunt similare cu cele ale dependenței PIB-ului

de evoluția numărului de șomeri ceea ce implică faptul că reciproca este

adevărată Cu alte cuvinte dacă urmărim valorile icircnregistrate de R-squared

icircn cele două cazuri analizate constatăm că au aceeași valoare și anume 059

care icircntr-adevăr este mai apropiată de valoarea unitară decacirct de zero dar totuși

indică existența și a altor factori care infl uențează evoluțiile caracteristicilor

rezultative din cele două cazuri pe de o parte a Produsului Intern Brut a

cărei evoluție este infl uențată de variabile factoriale precum formarea brută

a capitalului export import etc iar pe de altă parte a evoluția numărului de

șomeri care este infl uențată de exemplu de nivelul investițiilor Acest aspect

este confi rmat și de valorile mari și destul de apropiate pe care le icircnregistrează

coefi cienții termenului liber din cele două cazuri 9097015 și respectiv

8978754


Concluzii Articolul scris pe seama acestui studiu evidențiază unele aspecte care au caracter conclusiv Astfel icircntre evoluția Produsul Intern Brut și evoluția numărului de șomeri este o legătură invers proporțională dar foarte stracircnsă icircn anumite momente Desigur pute discuta despre studiul efectuat asupra seriilor de date brute sau a seriilor de date ajustate icircn funcție de numărul de zile lucrate sau al infl uenței ciclicității Și icircntr-un caz și icircn altul legătura dintre Produsul

Intern Brut și numărul de șomeri rămacircne aceeași și trebuie avută icircn vedere

Așa de pildă cum statistica ne demonstrează o creștere sau descreștere a

unui indicator nu icircntotdeauna au efectul direct de a produce infl uențe asupra

variabilei rezultative icircn același sens Chiar icircn această situație icircn care reducerea

numărului de șomeri (prin absorbția lor icircn cacircmpul muncii din Romacircnia și

nu prin emigrare) are ca efect cert creșterea Produsul Intern Brut De aici

rezultă că icircn cadrul strategiilor economice trebuie să se aibă icircn vedere

faptul ca rezultatele concretizate icircn Produsul Intern Brut să se realizeze prin

investiții prin crearea de noi locuri de muncă ceea ce icircn mod indubitabil vor

avea ca efect direct reducerea numărului de șomeri Fără a fi o concluzie este

un semnal de a atrage atenția că icircn momentul icircn care va apare pe piață acest

articol ca urmare a destabilizării pieței interne icircn domeniul forței de muncă

cerere și ofertă corelația aceasta este o nouă confi rmare asupra celor ce am

spus despre legătura indirectă icircntre cele două variabile dar este una exagerată

icircn sensul că trebuie icircntreprinse planuri de relansare reactivare a producției

prin reluarea activității din majoritatea domeniilor economice

O altă concluzie este aceea că metodele statistice icircn cazul de

față regresia liniară simplă este cea care ne oferă posibilitatea de a stabili

parametrii pe baza cărora să putem estima cu precizie garantată probabilist

evoluția celor doi indicatori pe care i-am supus atenției De asemenea trebuie

să subliniem că după modelul acestei analize pot fi efectuate corelații icircntre

Produsul Intern Brut sau numărul de șomeri și alte variabile statistice care

au sens mai ales atunci cacircnd ne propunem realizarea de prognoze pe termen

scurt mediu sau lung

O ultimă concluzie este aceea că această corelație este uneori

destabilizată ca urmare a unor fenomene de altă natură decacirct cele reale care

se icircntacircmplă icircn complexul activității macroeconomice Așa de pildă crizele

fi nanciar-economice crizele de resurse de materii prime crizele de forță de

muncă uneori posibilitatea redusă de a trage persoanele neocupate de locurile

vacante și multe altele pot să aibă și ele infl uență asupra modifi cării icircn primul

racircnd al numărului de șomeri dar pe cale indirectă și a modifi cări evoluție

Produsul Intern Brut


Bibliografi e 1 Anghelache C (2008) Tratat de statistică teoretică și economică Editura

Economică București 2 Anghelache C Angel MG (2018) Econometrie generală Teorie și studii de caz

Editura Economică București 3 Anghelache C Angel MG (2016) Bazele statisticii economice Editura

Economică București 4 Anghelache C (2018) Evoluția Centenară a Sistemului cooperatist icircn Romacircnia

Editura Economică Bucureşti 526 pp 5 Anghelache C Petre A Olteanu C (2019) Some concepts and econometric

modes of macroeconomic performance analysis Romanian Statistical Review Supplement no 4 pp 12-20

6 Ghysels E Osborn D (2001) The Econometric Anallysis of Seasonal Time Series Cambridge University Press United Kingdom

7 Iacob SV Stoica R (2020) Model de utilizare a regresiei liniare simple icircn analiza corelaţiei dintre rentabilitate productivitatea muncii şi cifra de afaceri la nivel microeconomic Revista Romacircnă de Statistică - Supliment nr 2pp140-152

8 Johansen S Nielsen M (2010) Likelihood inference for a fractionally cointegrated vector autoregressive model CREATES Research Papers 2010-24 School of Economics and Management University of Aarhus


ECONOMETRIC MODEL FOR STUDYING THE CORRELATION BETWEEN THE

EVOLUTION OF THE NUMBER OF UNEMPLOYED AND THE GROSS

DOMESTIC PRODUCT


Artifex University of BucharestȘtefan Gabriel DUMBRAVĂ PhD Student (stefandumbravagmailcom)

The Bucharest University of Economic StudiesDana Luiza GRIGORESCU PhD Student (danaluiza2004yahoocom)

The Bucharest University of Economic StudiesElena MĂHĂREA Student (eelepsa98yahoocom)

The Bucharest University of Economic Studies

Abstract Gross Domestic Product is the most complete indicator of results which is calculated at the macroeconomic level Starting from the calculation methods of the Gross Domestic Product in the system of national accounts there are also a series of statistical variables that are in fact factors that determine and infl uence the level of the Gross Domestic Product that is calculated Thus

labor productivity endowment of labor with modern fi xed assets robotization

of industry number of employees infl ation rate unemployment rate branch

structure and the contribution of each branch to the Gross Domestic Product

and much more

It is important when forecasting the growth prospect of the Gross

Domestic Product in such a forecast we must also take into account the

estimation of the infl uence that each of these factors can have on the Gross

Domestic Product These infl uences of some variables on the evolution of

the Gross Domestic Product are in reality correlations that are established

between them and the fi nal result of the economic activity at the level of a

country

In an in-depth study especially when we aim to predict the evolution

of Gross Domestic Product we must perform individual analyzes of the

correlation between each factorial statistical variable and Gross Domestic

Product but also multifactorial analyzes in which to consider all indicators

that infl uence on Gross Domestic Product

In the present study we aimed to analyze the correlation and

interdependence between the number of unemployed (unemployment rate)


and the Gross Domestic Product We know that the number of unemployed is inextricably linked to the employed population and the way in which this employed population is found in the number of employees and the number of unemployed in the national economy There is a close connection between the two variables the number of employees and the number of unemployed When the economy aims for improvement the development of new activities the creation of jobs through investments it is normal for a part of the number of unemployed to be attracted among employees In fact the territorial labor institutes (ITMs) track and record the number of unemployed people and therefore also the unemployed who must be attracted to the economic circuit in order to facilitate the contribution from the consolidated budget to the fi nancing of unemployment In particular we can appreciate that Romania

is a particular case in the sense that the number of registered unemployed

corresponds to people in the country who have lost their jobs or graduated

certain studies regardless of level and have not yet found a job This is due

to the fact that there is no close correlation between the labor market and the

requirements of the economy on qualifi cation structures and so on

In turn the Gross Domestic Product is infl uenced by the number of

unemployed in two ways On the one hand by attracting a larger number of

unemployed people to work based on contracts for fi nite or indefi nite periods

of time then it means that it increases the number of employees who certainly

contribute to the increase of the Gross Domestic Product There are also

cases sometimes limited but there are in which the Gross Domestic Product

is infl uenced by the number of unemployed even if their number remains

constant or even decreases when applying robotics or other modern methods

developed in the national economy thus ensuring productivity growth faster

It should be noted that in general terms there is an inverse link

between the number of unemployed and the Gross Domestic Product in the

sense that the lower the number of unemployed the higher the Gross Domestic

Product and also consequently the higher the Gross Domestic Product the

number of unemployed must fall

In this article after a brief presentation of these aspects the authors

chose the simple linear regression method that they applied in order to

determine the inverse correlation we can anticipate between the evolution of

unemployment and the Gross Domestic Product

Keywords unemployment labor force employed and unemployed population Gross Domestic Product econometric model indicators variables JEL classifi cationC15 E20 J20


Introduction The study on the correlation that exists between the evolution of the number of unemployed and the Gross Domestic Product starts from the interpretation of the data series that were registered in twenty-nine years respectively the period 1991-2019 in the evolution of the two macroeconomic indicators that we mentioned From the simple study of this data series it is found that with small exceptions the positive evolution of the Gross Domestic Product was infl uenced by the decrease in the number of unemployed as a consequence

of the fact that the economy in its evolution off ers more jobs absorbs the

unoccupied occupation and passes it among the active population on the basis

of employment contracts so that the correlation is an inverse one easily

deducible even from the way of presentation in the data series It follows

that as the Gross Domestic Product increases to an approximate extent the

number of unemployed decreases I said an approximate evolution in the sense

that from time to time there are some economic phenomena such as crises

there are some market disturbances ie the ratio between supply and demand

the contribution of some branches to the formation of Gross Domestic Product

changes in - net export (diff erence between export and import) makes a

diff erent contribution to the formation of Gross Domestic Product

The graphical representation of the data in this data series reveals

in principle the same oscillation that exists in the evolution of the Gross

Domestic Product compared to the revolution in the number of unemployed

in the national economy

Analyzing economically based on statistical data we can appreciate

that this correlation between the Gross Domestic Product and the number

of unemployed is reciprocal in the sense that we can consider the Gross

Domestic Product as a resultant variable due to the decrease in the number

of unemployed or we can consider as a resultant variable the number of

unemployed in line with the increase in Gross Domestic Product

Next some presentations were made about the signifi cance of statistical-econometric models to determine the parameters that highlight the interdependence between the two variables so we can estimate either the evolution of Gross Domestic Product and how the number of unemployed will evolve either from the interpretation of the way in which the number of unemployed will evolve and will have an infl uence of increasing the Gross Domestic Product

We make some references in the article about the current situation

in the sense that the number of unemployed registered in Romania is that

part of those who lose their job or do not have a job but are looking for a job

according to statistical defi nitions given to unemployment and does not take


into account the population that emigrated and thus contributes to it in the sense that it does not increase the number of unemployed which would give a diff erent interpretation to the correlation we submit to this analysis Also

at the time of writing this article we are considering the crisis caused by the

coronavirus pandemic (COVID 19) and perhaps from here in development

could be identifi ed the onset of the economic and fi nancial crisis which of

course will have an eff ect on the two sizes statistics In this respect the

number of unemployed is expected to increase either through the loss of

jobs as a result of the reduction of activities in a number of areas (HoReCa

service activities in certain areas commercial activities etc) who may go

into technical unemployment as is happening now but when they resume

work they may be passed over assimilated to the unemployed Increasing this

indicator on the basis of correlation which we are establishing at the moment

results that the Gross Domestic Product will have a decreasing fi eld from one

period of time to another whether we are talking about the Gross Domestic

Product monthly quarterly annually or multiannually

Next we pointed out on the basis of reversibility that an econometric

function can highlight the evolution of the Gross Domestic Product in close

dependence with the change in the number of unemployed and on the other

hand how the number of unemployed evolves in reverse the Gross Domestic

Product changes The established indicators are interpreted and underline the

aspects mentioned above

Literature review Anghelache (2008) approaches both theoretically and through

concrete practical analyzes statistical indicators Anghelache și Angel (2016 2018) addresses theoretically and practically problems of economic statistics and econometrics Anghelache (2018) analyzes the economic evolution of Romania in the last hundred years Anghelache Petre și Olteanu (2019) approached some econometric concepts and ways of analyzing macroeconomic performanceGhysels și Osborn (2001) studied from an econometric point of view the time series aff ected by seasonality Iacob și Stoica (2020) approached

econometric models using simple linear regression in the analysis of various

correlations between indicators such as profi tability labor productivity and

turnover Johansen și Nielsen (2010) deals with issues related to inference

Methodology data results and discussions In the presented article the authors aimed to follow the dependencies

that exist between the Gross Domestic Product and the evolution of the

number of unemployed in Romania Thus the data series related to the Gross


Domestic Product and the number of unemployed in Romania for a period of twenty-nine years which includes the period 1991-2019 are structured in table number 1

Gross Domestic Product and the number of unemployed in Romania during 1991-2019

Table 1YEAR 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000

Number of unemployed 337440 929019 1164705 1223925 998432 657564 881435 1025056 1130296 1007131

GDP(mil lei) 2204 6029 200360 497730 721350 1089190 2529260 3737980 5519140 8037730

YEAR 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010


GDP (mil lei) 11676870151475101975648024736800288954603446506041600680 52438870 5105228053388110

YEAR 2011 2012 2013 2014 2015 2016 2017 2018 2019Number of

unemployed 461013 493775 512333 478338 436242 418237 351105 288 896 257865

GDP(mil lei) 56509720596681506375831066859010712587807651354085672660 89442260 93109390


In order to better visualize the evolution of these two indicators in the period under analysis according to the data structured in table number 1 the graph number 1 was drawn up

Evolution of the Gross Domestic Product and the number of unemployed in Romania during 1991-2019

Graph 1


From graph number 1 we fi nd that the evolution of the Gross Domestic Product in the last 29 years is a positive one with year-on-year increases with one exception in 2009 while the evolution of the number of unemployed in the same period under analysis is one oscillating perhaps even cyclical observing the maximum peaks that are positioned in periods of economic fi nancial or political crises such as the fi nancial crisis of 2008-2009 where we see in chart number 1 and table number 1 that this macroeconomic indicator registers a maximum in recent years years of 709383 unemployed and on the other hand has a favorable evolution of the national economy in the sense that the trend in the number of unemployed is downward registering in 2019 the minimum of the period subject to analysis of 257865 unemployed Next the evolutions of the two macroeconomic indicators subject to analysis will be analyzed in turn and in graph number 2 is presented the histogram of the evolution of the Gross Domestic Product of Romania in the period 1990-2019

Histogram of the evolution of the Gross Domestic Product of Romania in the period 1991-2019

Graph 2

0

2

4

6

8

10

12

0 400000 800000

Series PIB

Sample 1991 2019

Observations 29

Mean 3511603

Median 2889546

Maximum 9310939

Minimum 2204000

Std Dev 3157445

Skewness 0358996

Kurtosis 1724927

Jarque-Bera 2587433

Probability 0274250

Interpreting the results presented in graph number 2 we fi nd that the maximum value it registered for the Gross Domestic Product of Romania in the period between 1991 and 2019 is 93109390 million RON while the average is 35116030 In other words the value of 035 of the Skewness test indicates that the distribution is not perfectly symmetrical and at the same time having the value of 172 less than 3 of the Kurtosis test the distribution is slower The histogram of the evolution of the number of unemployed in Romania in the period 1990-2019 is presented in graph number 3


Histogram of the evolution of the number of unemployed in Romania during 1991-2019

Graph 3

0

1

2

3

4

5

6

7

8

400000 800000 1200000

Series SM

Sample 1991 2019

Observations 29

Mean 6533872

Median 5578920

Maximum 1223925

Minimum 2578650

Std Dev 2849507

Skewness 0538435

Kurtosis 2052682

Jarque-Bera 2485617

Probability 0288573

Interpreting the results presented in graph number 3 and table number 1 we fi nd that the maximum value recorded by the evolution of the number of unemployed in Romania in the period between 1991 and 2019 is 1273925 people value for 1994 while the minimum is 257865 a value for 2019 Also the distribution is slower than normal and not perfectly symmetrical if we follow the values of the Kurtosis test of 205 less than 3 and that of the Skewness test of 053 which is signifi cantly diff erent from zero

In order to follow and interpret the correlation between the number of

unemployed and the Gross Domestic Product graph number 4 was drawn up


Correlation between the number of unemployed and the Gross Domestic Product

Graph 4

200000

400000

600000

800000

1000000

1200000

1400000

0 500000 1000000

PIB

SM

SM vs PIB

We observe in graph number 4 that the point cloud related to the values recorded by the two macroeconomic indicators studied in their evolution describes a straight line which allows us to continue the study with a statistical-econometric analysis using a simple linear regression model which has the following relation




Both for estimating parameters a and b respectively and using the least squares method as well as to test the signifi cance of the model the authors used the statistical-econometric analysis program EViews and the results are presented in fi gure number 1


The results of the analysis of the dependence of GDP on the evolution of the number of unemployed

Figure 1Dependent Variable GDPMethod Least SquaresSample 1991 2019Included observations 29



According to the results in fi gure number 1 the model is a good one and can be used in macroeconomic forecasts This is confi rmed both by the signifi cantly diff erent values of zero recorded by the estimated parameters

found in the second column (Coeffi cient column) rows 1 and 2 and by the statistical tests F-statistic and t-Statistic whose values are superior to those tabulated In other words according to the data in fi gure number 1 we can estimate the theoretical values of the dependent variable according to the relation

(2)

Given the studies conducted by a number of researchers especially in the fi eld of mathematics in which the proofs of theorems in general are based on the previous ones and the reciprocity of statements is verifi ed the authors considered it necessary in this article to investigate the reciprocal relationship the evolution of the number of unemployed may be the eff ect of the welfare

of the society to which they belong of the national economic situation of the

state of which they are part practically an eff ect of the evolution of the Gross

Domestic Product Consequently the statistical-econometric analysis in this

case involves the use of a simple linear regression in which the factorial

variable is the Gross Domestic Product from 1991 to 2019 and the resultant

characteristic is the number of unemployed registered by Romania in this time

interval Therefore the regression equation will have the following form

(3)

where is the dependent variable

is the independent variable

are the regression parameters



As in the previous case the estimation of the parameters a and b respectively and and to test the signifi cance of the model the authors used the statistical-econometric analysis program EViews the results being presented in fi gure number 2

The results of the analysis of the dependence of the number of unemployed according to the evolution of GDP

Figure 2Dependent Variable SMMethod Least SquaresSample 1991 2019Included observations 29


GDP -0696230 0110507 -6300297 00000R-squared 0595164 Mean dependent var 6533872Adjusted R-squared 0580171 SD dependent var 2849507SE of regression 1846317 Akaike info criterion 2715659Sum squared resid 920E+11 Schwarz criterion 2725088Log likelihood -3917705 F-statistic 3969375Durbin-Watson stat 0920675 Prob(F-statistic) 0000001

Interpreting the results from fi gure number 2 we fi nd that even in this case the model is good and can be used in macroeconomic forecasts This fact is confi rmed both by the values signifi cantly diff erent from zero recorded by

the estimated parameters and by the statistical tests F-statistic and t-Statistic

whose values are higher than those tabulated Therefore according to the data

in fi gure number 1 we can estimate the theoretical values of the dependent

variable according to the relation

(4)

We fi nd that the results of the analysis of the dependence of the

number of unemployed according to the evolution of GDP are similar to those

of the dependence of GDP on the evolution of the number of unemployed

which implies that the reciprocal is true In other words if we look at the

values recorded by R-squared in the two analyzed cases we fi nd that they

have the same value namely 059 which is indeed closer to the unit value

than zero but still indicates the existence of other factors which infl uences

the evolutions of the resultant characteristics in the two cases on the one

hand the Gross Domestic Product whose evolution is infl uenced by factorial

variables such as gross capital formation export import etc and on the other

hand the evolution of the number of unemployed which is infl uenced for

example by the level of investment This aspect is also confi rmed by the large

and fairly close values recorded by the free term coeffi cients in the two cases

9097015 and 8978754 respectively


Conclusions The article written on behalf of this study highlights some aspects that are conclusive Thus between the evolution of the Gross Domestic Product and the evolution of the number of unemployed is an inversely proportional link but very close at certain moments Of course you can discuss the study performed on the raw data series or the data series adjusted according to the number of days worked or the infl uence of cyclicity In both cases the link

between Gross Domestic Product and the number of unemployed remains

the same and must be taken into account For example as statistics show

an increase or decrease in an indicator does not always have the direct eff ect

of producing infl uences on the resulting variable in the same sense Even in

this situation in which the reduction of the number of unemployed (by their

absorption in the labor fi eld in Romania and not by emigration) has as a certain eff ect the increase of the Gross Domestic Product It follows that within the

economic strategies it must be taken into account that the results materialized

in the Gross Domestic Product to be achieved through investments by

creating new jobs which will undoubtedly have the direct eff ect of reducing

the number of the unemployed Without being a conclusion it is a signal to

draw attention to the fact that when this article will appear on the market

as a result of the destabilization of the internal market in the fi eld of labor demand and supply this correlation is a new confi rmation of what I said about the indirect link between the two variables but it is an exaggerated one in the sense that plans must be undertaken to relaunch reactivate production by resuming activity in most economic areas Another conclusion is that the statistical methods in this case simple linear regression is the one that gives us the possibility to establish the parameters on the basis of which we can estimate with probabilistically guaranteed accuracy the evolution of the two indicators we have submitted to We must also emphasize that following the model of this analysis correlations can be made between the Gross Domestic Product or the number of unemployed and other statistical variables that make sense especially when we aim to make short medium or long term forecasts A fi nal conclusion is that this correlation is sometimes destabilized as a result of phenomena other than real ones which occur in the complex of macroeconomic activity For example fi nancial and economic crises raw material resource crises sometimes labor crises the reduced possibility of pulling vacancies and many others can also have an infl uence on the change

in the number of of the unemployed but indirectly and changes the evolution

of the Gross Domestic Product


References 1 Anghelache C (2008) Tratat de statistică teoretică și economică Editura










Analiza evoluţiei populaţiei după domiciliu icircn Romacircnia la sfacircrşitul anului 2019


Universitatea bdquoArtifexrdquo din București

Drd Iulian RADU (julianlinuxcom)


Drd Oana BIcircRSAN (oanavilcufi scontcomro)


Abstract Un element important icircn desfășurarea activității economice icircn orice țară icircl reprezintă forța de muncă Forța de muncă are sursă primară populația țării icircn contingentele care sunt la vacircrsta legală de a muncii dar și de oferta economică pentru forța de muncă pe care o realizează Romacircnia Populația poate fi analizată după domiciliu și după rezidență icircn sensul că pe de o parte avem populația icircnregistrată icircn Romacircnia icircn funcție de domiciliul ales Nu icircntotdeauna domiciliul este similar cu rezidența declarată După domiciliu populația icircn 31 decembrie 2019 a icircnregistrat o scădere de 01 față de ianuarie 2019 dar aceasta icircnseamnă o fetișizare deoarece populația care deși are domiciliul icircn Romacircnia lucrează icircn alte țări și este diferită Două categorii ale populației sunt importante icircn ceea ce privește perspectiva de a interpreta fondul din care se recrutează forță de muncă Icircn primul racircnd este vorba de populația activă și apoi este vorba de populația ocupată Din aceasta din urmă selectacircndu-se numărul de salariai adică forța de muncă activă și numărul de șomeri care reprezintă o rezervă pentru forța de muncă care a provenit ca urmare a reducerii locurilor de muncă sau unor evenimente importante Populația după domiciliu este analizată după grupe de vacircrstă după sexe și după medii urban și rural Prin datele prezentate se evidențiază modul icircn care s-a ajuns la această populație defi nită după domiciliu la data de 31 decembrie 2019 Cuvinte cheie forță de muncă salariați populație domiciliu rezidență Clasifi carea JEL C10 F10 J60


Introducere Icircn cadrul acestui articol privind analiza populației Romacircniei după domiciliu s-a pornit de la necesitatea de a prezenta o serie de elemente metodologice defi nite de Institutul Național de Statistică Aceasta s-a făcut icircn scopul de a asigura mai icircntacirci icircnțelegerea conținutului indicatorilor statistici care au fost calculați și apoi icircn ceea ce privește posibilitatea de a icircnțelege unele structuri care se analizează icircn cadrul forței de muncă De asemenea s-au prezentat o serie de serii de date tabele și grafi ce care pun icircn evidență și ușurează icircnțelegerea modului de interpretare a indicatorilor care fac obiectul acestui articol Populația după domiciliu are o tendință de a scădea de la o perioadă de timp la alta determinată icircn primul racircnd de fertilitate scăzută care există icircn Romacircnia Studiul este unul static și nu pătrunde icircn anvergură spre analiza populației ocupate a populației active și mai ales interpretarea pe categorii forță de muncă șomaj și așa mai departe Populația după domiciliu reprezintă o analiză demografi că interesantă care arată perspectiva evoluției acestui indicator demografi c icircn țara noastră care se presupune că icircn condițiile rezultate icircn analiza efectuată icircn acest moment avea o tendință de scădere Scăderea populației va fi determinată de reducerea planifi cării familiale icircn cazul cuplurilor chiar precauția cuplurilor tinere de a avea moștenitor mai ales icircn contextul icircn care se pun unele probleme destul de delicate cu privire la modalitatea de icircntreținere educare Icircn Europa icircn fond s-a extins conceptul conservator de a apela din ce icircn ce mai rar la realizarea cuplurilor tinere

Literature review Anghel Iacob Dumbravă și Popovici (2019) și Anghelache Anghel et al (2018) au analizat principalele aspecte cu privire la populația din Romacircnia Anghelache și Anghel (2017) au studiat stategia UE privind condițiile de viață a populației Bar și Leukhina (2010) precum și Bloom și Canning (2008) au prezentat elemente referitoare la schimbările demografi ce Iacob (2019) a evidențiat importanța aplicării instrumentarului statistico-econometric icircn analizele economice Gallego (2010) precum și Wonka Baumgartner Mahoney și Berkhout (2010) și-au icircndreptat atenția asupra analizei populației din UE Norris și Shiels (2007) s-au referit la inegalitățile privind locuințele din UE Rossi-Hansberg și Wright (2007) au analizat tendința de creștere urbană


Analiza efectuată se referă la o serie de indicatori demografi ci context icircn care am selectat din metodologia utilizată de Institutul Național de Statistică o serie de aspecte care vor ușura icircnțelegerea punctelor de vedere


exprimate de autori Astfel populaţia după domiciliu reprezintă numărul

persoanelor cu cetăţenie romacircnă şi domiciliul pe teritoriul Romacircniei delimitat după criterii administrativ-teritoriale Altfel spus populaţia după domiciliu

reprezintă populaţia de jure care poate să includă şi emigranţii indiferent de

perioada emigrării acestora A nu se confunda populaţia după domiciliu cu

populaţia rezidentă

Domiciliul persoanei este adresa la care aceasta declară că are locuinţa

principală trecută icircn cartea de identitate aşa cum este luată icircn evidenţa

organelor administrative ale statului

Altfel spus populaţia după domiciliu reprezintă populaţia de jure care

poate să includă şi emigranţii

Vacircrsta medie a populaţiei reprezintă media vacircrstelor unei populaţii

prin vacircrstă icircnţelegacircnd acea variabilă demografi că continuă ce exprimă timpul

scurs de la data naşterii unei persoane pacircnă la un anumit moment de observare

Se determină după formula

aringaring acute+

=

x

x

P

P)50x(x

unde x = vacircrsta icircn ani icircmpliniţi

Px = numărul locuitorilor de vacircrstă x

05 = jumătate de an considerată drept echivalent mediu al variaţiei

abaterilor faţă de data exactă a icircmplinirii unei vacircrste oarecare

Vacircrsta mediană este un indicator ce icircmparte populaţia unei ţări icircn

două părţi egale vacircrsta mediană fi ind acea valoare de mijloc

Indicele de icircmbătracircnire a populaţiei reprezintă numărul persoanelor

vacircrstnice (de 65 ani şi peste) care revine la 100 persoane tinere (sub 15 ani)

Populaţia rezidentă reprezintă totalitatea persoanelor cu cetăţenie

romacircnă străini şi fără cetăţenie care au reşedinţa obişnuită pe teritoriul

Romacircniei Adică populaţia rezidentă reprezintă populaţia de facto care

exclude emigranţii dar include imigranţii Populaţia rezidentă la o anumită

dată este determinată conform metodologiei şi reglementărilor internaţionale

icircn domeniu Reşedinţa obişnuită reprezintă locul icircn care o persoană icircşi petrece

icircn mod obişnuit perioada zilnică de odihnă fără a ţine seama de absenţele

temporare pentru recreere vacanţe vizite la prieteni şi rude afaceri tratamente

medicale sau pelerinaje religioase Se consideră că icircşi au reşedinţa obişnuită

icircntr-o zonă geografi că specifi că doar persoanele care au locuit la reşedinţa

obişnuită o perioadă neicircntreruptă de cel puţin 12 luni icircnainte de momentul de

referinţă Reşedinţa obişnuită poate să fi e aceeaşi cu domiciliul sau poate să

difere icircn cazul persoanelor care aleg să-şi stabilească reşedinţa obişnuită icircn

altă localitate decacirct cea de domiciliu din ţară sau străinătate


Emigraţie icircnseamnă acţiunea prin care o persoană care a avut anterior

reşedinţa obişnuită pe teritoriul Romacircniei icircncetează să mai aibă reşedinţa

obişnuită pe teritoriul acesteia pentru o perioadă care este sau se aşteaptă să

fi e de cel puţin 12 luni

Imigraţie icircnseamnă acţiunea prin care o persoană icircşi stabileşte

reşedinţa obişnuită pe teritoriul Romacircniei pentru o perioadă care este sau se

aşteaptă să fi e de cel puţin 12 luni după ce icircn prealabil a avut reşedinţa

obişnuită icircntr-o altă ţară

Diferenţele de ordin metodologic icircntre cei doi indicatori sunt

prezentate mai jos

Populaţia rezidentă Populaţia după domiciliu

Criteriul reşedinţădomiciliu Reşedinţă (obişnuită) Domiciliu

Prag 12 luni şi peste Da Nu

Criteriul cetăţeniei Nu Da

Nivel de detaliere al datelor

statistice disponibilePacircnă la nivel de judeţ

Pacircnă la nivel de localitate

(municipiu oraş comună)

Datele utilizate pentru determinarea populaţiei după domiciliu provin

din două tipuri de surse de date surse administrative date de Direcţia pentru

Evidenţa Persoanelor şi Administrarea Bazelor de Date (DEPABD) Registrul

Naţional de Evidenţă a Persoanelor Direcţia Generală de Paşapoarte și

surse statistice care sunt rezultatele cercetărilor statistice exhaustive privind

natalitatea şi mortalitatea pentru numărul născuţilor-vii şi al decedaţilor din

intervalul de timp studiat (bazate la racircndul lor pe surse administrative)

Metoda utilizată pentru calculul indicatorului bdquopopulaţia după

domiciliurdquo este metoda componentelor

vttd

tttttt CMDNPP +D+-+= ++++ 1111

unde 1+tP reprezintă populaţia cu domiciliul icircn ţară la momentul t+1

tP reprezintă populaţia cu domiciliul icircn ţară la momentul t

1 +ttN reprezintă numărul de născuţi-vii icircn perioada t ndash t+1 ai căror

mame au avut domiciliul icircn Romacircnia la data naşterii

1 +ttD reprezintă numărul de persoane care au decedat icircn perioada t ndash

t+1 care aveau domiciliul icircn Romacircnia la data decesului

dttM 1 +D reprezintă soldul migraţiei internaţionale cu schimbarea

domiciliului icircn perioada t ndash t+1

vC reprezintă coefi cient de ajustare a vacircrstelor


Date rezultate și discuții La 31 decembrie 2019 populaţia după domiciliu a fost de 22175 mii

persoane icircn scădere cu 01 faţă de 1 ianuarie 2019 Comparacircnd structura populaţiei pe grupe de vacircrstă constatăm că populația urbană şi cea de sex feminin sunt majoritare 564 respectiv 512

Procesul de icircmbătracircnire demografi că s-a accentuat populaţia de 65

ani şi peste depăşind cu circa 507 mii persoane populaţia tacircnără de cu vacircrsta

cuprinsă icircntre 0 și 14 ani adică 3752 mii faţă de 3245 mii persoane

La 31 decembrie 2019 populaţia după domiciliu din mediul urban a fost

de 12512 mii persoane icircn scădere uşoară faţă 1 ianuarie 2019 adică cu 01 Populaţia de sex feminin la 31 decembrie 2019 a fost de 11344 mii persoane icircn scădere cu 01 faţă de aceeaşi dată a anului precedent Procesul de icircmbătracircnire demografi că s-a accentuat comparativ cu 1 ianuarie 2019 remarcacircndu-se o scădere uşoară a ponderii persoanelor tinere

cu vacircrsta cuprinsă icircntre 0 și 14 ani şi icircn acelaşi timp o creştere de 04 a

ponderii populaţiei vacircrstnice de 65 ani şi peste

Structura populației după domiciliu pe grupe de vacircrstă la data de 31 decembrie 2019 (1 ianuarie 2020) este prezentată icircn tabelul numărul 1 și grafi cul numărul 1

Structura populaţiei după domiciliu pe grupe mari de vacircrstă

la 31 decembrie 2019

Tabel 1Grupa de vacircrstă 2019 20200-14 ani 148 14615-64 ani 687 68565 ani şi peste 165 169




Grafi c 1

ampA$1313amp131344M2I11

13

13



Indicele de icircmbătracircnire demografi că a crescut de la 1121 la 1 ianuarie 2019 la 1156 persoane vacircrstnice la 100 persoane tinere la 31 decembrie 2019 Vacircrsta medie a populaţiei era de 417 ani cu 02 ani mai mare decacirct la 1 ianuarie 2019 Vacircrsta mediană a fost de 419 ani și a crescut cu 04 ani faţă de 1 ianuarie 2019 Structura populației după domiciliu pe grupe de vacircrstă și sexe la date de analiză 31 decembrie 2019 este prezentată icircn tabelul numărul 2

Populaţia după domiciliu pe grupe de vacircrstă şi sexe


Tabel 2Grupa de vacircrstă Masculin Feminin

0-4 529233 5017855-9 543296 513972

10-14 594293 56227215-19 580480 54877520-24 594143 56412925-29 686862 65035530-34 923275 87809335-39 875096 82957140-44 972739 92883345-49 899630 87463650-54 862395 86772155-59 592580 62818560-64 659005 76160865-69 558186 69934470-74 382211 52517775-79 252240 39724280-84 189541 344898

85 şi peste 135736 267156Sursa Institutul Național de Statistică Comunicat nr 77 19032020

Grafi cul numărul 2 este construit pe baza datelor privind populația din cele 18 grupe de vacircrstă conform piramidei vacircrstelor Se constată că ponderea ridicată a populației Romacircniei este icircn grupele de vacircrstă 25-50 ani După această vacircrstă ponderea devine descrescătoare pentru contingentele cu vacircrstă icircnaintată Din tabelul numărul 2 rezultă că populația icircn vacircrstă de 65 ani și peste era la 31 decembrie 2019 de 3812321 de persoane Icircn același timp icircn grupa de vacircrstă de peste 85 de ani au fost 432232 de persoane Important ar fi de studiat și care este ponderea populației icircn vacircrstă de 65 de ani și peste icircn numărul de salariați De asemenea este de reținut că icircn grupa de vacircrstă 15-24 ani icircntacirclnim un număr ridicat de șomeri


Populaţia după domiciliu pe grupe de vacircrstă şi sexe la 31 decembrie 2019

Grafi c 2


La 31 decembrie 2019 cea mai mare pondere icircn totalul populaţiei o deţinea grupa de vacircrstă 40-44 ani și anume 86 Icircn racircndul persoanelor de sex masculin ponderea acestei grupe de vacircrstă a fost de 90 iar la cele de sex feminin de 82 Ponderea grupei de 0-4 ani a fost de 47 mai mică decacirct cea a grupei de 5-9 ani (48) şi a celei de 10-14 ani (52) Aceasta relevă faptul că natalitatea redusă conduce la contingente de vacircrstă tot reduse tot mici

Concluzii

Studiul efectuat de autori conține aspecte care pot conduce la o serie de concluzii teoretice și practice Din punct de vedere al populației este clar că icircn perioada următoare avacircnd icircn vedere trendul evolutiv se anticipează o scădere de la una an la altul Aceasta are la bază icircn primul racircnd fertilitatea redusă planifi carea familială și atitudinea a noii generații icircn ceea ce privește acomodarea noilor condițiilor de viață cu perspectiva creșterii copiilor O altă concluzie care se desprinde din acest articol este aceea că guvernul ar trebui să icircntreprindă unele măsuri care să icircncurajeze cuplurile noua generație spre a-și icircntemeia familie chiar dacă nu așa cum se susținea că familia este nucleul celula de bază a societății măcar pentru a asigura condițiile ca familiile să poată să icircși crească icircn condițiile date de secolul XXI eventualii urmași


O altă concluzie care se desprinde de aici este aceea că trebuie să existe și un program demografi c care să nu vizeze icircn primul racircnd forțarea cuplurilor să aibă urmași ci mai degrabă să prevadă condițiile care se vor acorda icircn perspectivă pentru sprijinirea cuplurilor să aibă urmași care se benefi cieze de condiții din ce icircn ce mai bune Și nu icircn ultimul racircnd trebuie

avut icircn vedere faptul că populația țării va scădea poate că icircn acest moment nu este o perspectivă imediată a reducerii fondului din care se recrutează forță de muncă dar icircn perioada următoare se va pune și aceasta problemă O ultimă concluzie ar fi aceea ca un plan demografi c să fi e corelat cu măsuri concrete privind educația de la creșă grădiniță pe icircntreaga fi lieră a structurii educației din Romacircnia și icircn același timp un plan concret de asistență socială și medicală

Bibliografi e 1 Anghel MG Iacob ȘV Dumbravă GȘ Popovici M (2019) Dynamic models

used in analysis capital and population Theoretical and Applied Economics XXVI 4(621) Winter 149-162

2 Anghelache C Anghel MG (2017) The European Unionrsquos strategy for increasing the living conditions of the population in the member states Theoretical and Applied Economics XXIV 3 (612) Autumn 5-18

3 Anghelache C Anghel MG et al (2018) Study of population by domicile and residence Natural movement and imbalances Theoretical and Applied Economics XXV 4 (617) Winter 25-38

4 Bar M Leukhina O (2010) Demographic Transition and Industrial Revolution A Macroeconomic Investigation Review of Economic Dynamics 13 (2) 424ndash451

5 Bloom DE Canning D (2008) Global Demographic Change Dimensions and Economic Signifi cance Population and Development Review 33 (supplement) Population Council New York 17-51

6 Iacob SV (2019) Utilizarea metodelor statistico-econometrice și econofi zice icircn

analize economice Editura Economică București 7 Gallego FJ (2010) A population density grid of the European Union Population

and Environment 31 (6) pp 460-473 8 Norris M Shiels P (2007) Housing inequalities in an enlarged European Union

patterns drivers implications Journal of European Social Policy 17 (1) 65-76 9 Rossi-Hansberg E Wright MLJ (2007) Urban Structure and Growth Review

Economic Studies 74 597-624 10 Wonka A Baumgartner F Mahoney C Berkhout J (2010) Measuring the

size and scope of the EU interest group population European Union Politics 11 (3) 463-476



ANALYSIS OF THE EVOLUTION OF THE POPULATION BY DOMICILE IN ROMANIA

AT THE END OF 2019


Artifex University of BucharestIulian RADU PhD Student (julianlinuxcom)

The Bucharest University of Economic StudiesOana BIcircRSAN PhD Student (oanavilcufi scontcomro)


Abstract An important element in the development of economic activity in any country is the labor force The labor force has as primary source the population of the country in the quotas that are at the legal working age but also of the economic off er for the labor force that Romania achieves The population can be analyzed by domicile and by residence in the sense that on the one hand we have the population registered in Romania according to the chosen domicile The domicile is not always similar to the declared residence After domicile the population on December 31 2019 registered a decrease of 01 compared to January 2019 but this means a fetishization because the population that although domiciled in Romania works in other countries and is diff erent Two categories of the population are important in terms of the perspective of interpreting the fund from which labor is recruited First of all it is about the active population and then it is about the employed population From the latter by selecting the number of employees ie the active labor force and the number of unemployed which represents a reserve for the labor force that came as a result of the reduction of jobs or important events The population by household is analyzed by age groups by sex and by urban and rural areas The data presented highlights the way in which this population defi ned by domicile was reached on December 31 2019 Keywords labor force employees population domicile residence JEL Classifi cation C10 F10 J60

Introduction In this article on the analysis of the Romanian population by domicile we started from the need to present a series of methodological elements defi ned by the National Institute of Statistics This was done in order to ensure


fi rst the understanding of the content of the statistical indicators that were

calculated and then regarding the possibility to understand some structures

that are analyzed in the workforce Also a series of data tables and graphs

were presented which highlight and facilitate the understanding of the

interpretation of the indicators that are the subject of this article

The population after residence has a tendency to decrease from one

period of time to another determined primarily by the low fertility that exists

in Romania

The study is static and does not go into the scope of the analysis of the

employed population the active population and especially the interpretation

by categories of labor force unemployment and so on The population by

domicile represents an interesting demographic analysis which shows the

perspective of the evolution of this demographic indicator in our country

which is assumed that in the conditions resulting from the analysis performed

at this time had a decreasing trend The decrease of the population will be

determined by the reduction of family planning in the case of couples even

the caution of young couples to have an heir especially in the context in

which there are some rather delicate issues regarding the way of maintenance

education In Europe in fact the conservative concept of using young couples

less and less has spread

Literature review Anghel Iacob Dumbravă and Popovici (2019) and Anghelache

Anghel et al (2018) analyzed the main aspects regarding the population

in Romania Anghelache and Anghel (2017) studied the EU strategy on

the living conditions of the population Bar and Leukhina (2010) as well

as Bloom and Canning (2008) presented elements related to demographic

change Iacob (2019) highlighted the importance of applying statistical-

econometric instruments in economic analyzes Gallego (2010) as well as

Wonka Baumgartner Mahoney and Berkhout (2010) turned their attention

to the analysis of the US population Norris and Shiels (2007) referred to

housing inequalities in the UE Rossi-Hansberg and Wright (2007) analyzed

the trend of urban growth


The analysis refers to a series of demographic indicators context in

which we selected from the methodology used by the National Institute of

Statistics a series of aspects which will facilitate the understanding of the

points of view expressed by the authors Thus the population by domicile

represents the number of persons with Romanian citizenship and domicile


on the Romanian territory delimited according to administrative-territorial criteria In other words the population by domicile represents the de jure population that can also include emigrants regardless of the period of their emigration Do not confuse the population by domicile with the resident population The domicile of the person is the address at which he declares that he has the main residence entered in the identity card as it is taken into account by the administrative bodies of the state In other words the population by domicile represents the de jure population that can also include emigrants The average age of the population represents the average age of a population by age meaning that continuous demographic variable that expresses the time elapsed from the date of birth of a person to a certain moment of observation It is determined by the formula

aringaring acute+

=

x

x

P

P)50x(x

where x = age in full years Px = number of inhabitants aged x 05 = half a year considered as the average equivalent of the variation of the deviations from the exact date of reaching a certain age

The median age is an indicator that divides the population of a country into two equal parts the median age being that average value The population aging index represents the number of elderly people (65 years and over) which amounts to 100 young people (under 15 years) The resident population represents the totality of persons with Romanian citizenship foreigners and without citizenship who have their habitual residence on the Romanian territory That is the resident population is the de facto population that excludes immigrants but includes immigrants The resident population at a certain date is determined according to the methodology and international regulations in the fi eld Ordinary residence is the place where a person usually spends his daily rest period regardless of temporary absences for recreation vacations visits to friends and relatives business medical treatments or religious pilgrimages Only persons who have resided in their habitual residence for an uninterrupted period of at least 12 months before the reference time are considered to have their habitual residence in a specifi c geographical area The habitual residence may be the same as the domicile or it may diff er in the case of persons who choose to establish their habitual

residence in another locality than the one of domicile in the country or abroad


Emigration means the action by which a person who previously had his habitual residence on the territory of Romania ceases to have his habitual residence on its territory for a period which is or is expected to be at least 12 months Immigration means the action by which a person establishes his habitual residence on the territory of Romania for a period that is or is expected to be at least 12 months after having previously had his habitual residence in another country The methodological diff erences between the two indicators are

presented below

Resident population Population by householdResidence domicile criterion Residence (usual) HomeThreshold 12 months and over Yes NotCitizenship criterion Not YesLevel of detail of available statistical data

Up to county level Up to locality level

(municipality city commune)

The data used to determine the population by domicile come from

two types of data sources administrative sources given by the Directorate

for Registration and Database Administration (DEPABD) National Register

of Persons General Directorate of Passports and statistical sources that are

the results of research comprehensive statistics on births and deaths for the

number of live births and deaths in the time period studied (based in turn on

administrative sources)

The method used to calculate the bdquopopulation by householdrdquo indicator

is the component method

vttd


where 1+tP represents the population domiciled in the country at time t + 1

tP represents the population domiciled in the country at time t

1 +ttN represents the number of live births in the period t - t + 1

whose mothers had their domicile in Romania at the date of birth

1 +ttD represents the number of persons who died in the period t - t +

1 who had their domicile in Romania at the date of death

dttM 1 +D represents the balance of international migration with change

of domicile in the period t - t + 1

vC represents the age adjustment coeffi cient


Data results and discussions As of December 31 2019 the population by domicile was 22175 thousand people decreasing by 01 compared to January 1 2019 Comparing the structure of the population by age groups we fi nd that the urban and female population are majority 564 respectively 512 The demographic aging process has intensifi ed the population aged 65 and over exceeding by about 507 thousand people the young population aged between 0 and 14 years ie 3752 thousand compared to 3245 thousand people As of December 31 2019 the population by residence in the urban area was 12512 thousand people slightly decreasing compared to January 1 2019 ie by 01 The female population on December 31 2019 was 11344 thousand people down 01 compared to the same date last year The demographic aging process has intensifi ed compared to January 1 2019 with a slight decrease in the share of young people aged between 0 and 14 years and at the same time an increase of 04 in the share of the population aged 65 and over The structure of the population by domicile by age groups on 31 December 2019 (1 January 2020) is presented in table number 1 and graph number 1

Population structure by household by large age groups as of December 31 2019

Table 1Age group 2019 20200-14 years 148 14615-64 years 687 68565 years and over 165 169



Graph 1

ampA$1313amp131344M2I11

13

13



The demographic aging index increased from 1121 on January 1 2019 to 1156 elderly people to 100 young people on December 31 2019 The average age of the population was 417 years 02 years higher than on January 1 2019 The median age was 419 years and increased by 04 years compared to January 1 2019 The structure of the population by household by age groups and sexes at analysis data December 31 2019 is presented in table number 2

Population by household by age groups and sex as of December 31 2019

Table 2Age group Male Female

0-4 529233 501785

5-9 543296 513972

10-14 594293 562272

15-19 580480 548775

20-24 594143 564129

25-29 686862 650355

30-34 923275 878093

35-39 875096 829571

40-44 972739 928833

45-49 899630 874636

50-54 862395 867721

55-59 592580 628185

60-64 659005 761608

65-69 558186 699344

70-74 382211 525177

75-79 252240 397242

80-84 189541 344898

85 and over 135736 267156


The graph number 2 is built based on data on the population of the 18 age groups according to the age pyramid It is found that the high share of the Romanian population is in the 25-50 age groups After this age the share becomes decreasing for older contingents Table 2 shows that the population aged 65 and over was on December 31 2019 of 3812321 people At the same time there were 432232 people in the age group over 85 years old It would be important to study the share of the population aged 65 and over in the number of employees It should also be noted that in the 15-24 age group we meet a high number of unemployed



Chart 2


As of December 31 2019 the largest share in the total population was held by the age group 40-44 years namely 86 Among males the share of this age group was 90 and females 82 The share of the 0-4 year old group was 47 lower than that of the 5-9 year old group (48) and the 10-14 year old group (52) This reveals that low birth rates lead to small still small age quotas

Conclusions The study conducted by the authors contains aspects that can lead to a series of theoretical and practical conclusions From the populationrsquos point of view it is clear that in the next period given the evolutionary trend a decrease from one year to another is anticipated It is based primarily on low fertility family planning and the attitude of the new generation to accommodate new living conditions with a view to raising children Another conclusion that emerges from this article is that the government should take some measures to encourage couples the new generation to start a family even if not as it was claimed that the family is the nucleus the core cell of society at least to ensure the conditions for families to be able to grow up in the conditions given by the 21st century to potential descendants


Another conclusion that emerges from this is that there must be a demographic program which does not primarily aim at forcing couples to have off spring but rather to provide the conditions that will be granted in

the future to support couples to have off spring which benefi ts from better

and better conditions And last but not least it must be borne in mind that the

countryrsquos population will decrease perhaps at this time there is no immediate

prospect of reducing the fund from which labor is recruited but in the next

period this problem will arise

A fi nal conclusion would be that a demographic plan be correlated

with concrete measures regarding the education of the nursery kindergarten

on the entire chain of the education structure in Romania and at the same time

a concrete plan of social and medical assistance

References 1 Anghel MG Iacob ȘV Dumbravă GȘ Popovici M (2019) Dynamic models


2 Anghelache C Anghel MG (2017) The European Unionrsquos strategy for

increasing the living conditions of the population in the member states Theoretical and Applied Economics XXIV 3 (612) Autumn 5-18

3 Anghelache C Anghel MG et al (2018) Study of population by domicile and

residence Natural movement and imbalances Theoretical and Applied Economics XXV 4 (617) Winter 25-38

4 Bar M Leukhina O (2010) Demographic Transition and Industrial Revolution

A Macroeconomic Investigation Review of Economic Dynamics 13 (2) 424ndash451

5 Bloom DE Canning D (2008) Global Demographic Change Dimensions and

Economic Signifi cance Population and Development Review 33 (supplement)

Population Council New York 17-51


analize economice Editura Economică București

7 Gallego FJ (2010) A population density grid of the European Union Population

and Environment 31 (6) pp 460-473

8 Norris M Shiels P (2007) Housing inequalities in an enlarged European Union

patterns drivers implications Journal of European Social Policy 17 (1) 65-76

9 Rossi-Hansberg E Wright MLJ (2007) Urban Structure and Growth Review

Economic Studies 74 597-624

10 Wonka A Baumgartner F Mahoney C Berkhout J (2010) Measuring the

size and scope of the EU interest group population European Union Politics 11

(3) 463-476



Studiu privind evoluţia activităţii agricole icircn Romacircnia icircn 2019


Academia de Studii Economice din București Universitatea bdquoArtifexrdquo din București

Drd Daniel DUMITRU (dumitruteticdanielgmailcom)


Drd Radu STOICA (radustoica68yahoocom)


Abstract Analiza efectuată icircn legătură cu evoluția producției de cereale carne produse din carne produs lapte și produse lactate s-a afl at icircn centrul analizei efectuată de autorii Icircn anul 2019 numărul de sacrifi cări icircn sectorul animalier păsări bovine porcine ovine caprine a fost oarecum sufi cient icircn ceea ce privește cantitățile care s-au produs și evoluția carcaselor la animale și păsări Față de luna decembrie icircn luna ianuarie a existat un trend crescător sau decembrie față de ianuarie 2019 de asemenea un trend crescător Analiza aceasta relevă că deși producția icircn total a mai scăzut sau redus exporturile dar au crescut importurile de produse agroalimentare de carne și produse din carne Icircn ceea ce privește producția lunară de lapte de vacă colectată de unitățile procesatoare se constată că aceasta a urmat un trend oarecum descrescător față de lunile anterioare ne referim la decembrie și ianuarie dar și față de icircntregul an 2018 Aceasta s-a datorat reducerii șeptelului al capacității de procesare al unor efectele pe care l-au avut gripa aviară al unor efecte pe care le-au avut asupra producției icircn domeniul creșterii porcinelor Studiul efectuat asupra producție de carcase a specifi cului acestora a sacrifi cărilor și al producției de lapte relevă că Romacircnia are icircncă nevoie de importuri icircn acest domeniu pentru a suplinii unele descreșteri care s-au icircnregistrat icircn cadrul economiei naționale Producția vegetală la principalele culturi icircn anul 2019 refl ectă faptul că s-au obținut rezultate bune cu o contribuție la formarea Produsului Intern Brut pe măsură Se prezintă date concrete referitoare la producția de gracircu orz orzoaică ovăz porumb boabe fl oarea soarelui soia boabe rapiță cartofi și legume De asemenea se fac precizări privind suprafețele cultivate pe total precum și la unele culturi Cuvinte cheie producție evoluție crize sacrifi cări animale import și export Clasifi carea JEL Q10 Q19


Introducere Acest articol s-a efectuat pornind de la situația icircnregistrată icircn luna ianuarie comparativ cu luna decembrie icircn luna decembrie comparativ cu lunile anterioare precum și icircn ceea ce privește producția icircn general lunară și anuală realizată icircn țara noastră De asemenea s-a urmărit și situația evoluției privind producția de carne și lapte icircn țara noastră Prin tabele și grafi ce s-au exemplifi cat evoluțiile icircn ianuarie icircn decembrie față de perioadele anterioare similare din anul 2018 sau față de lunile anterioare Icircn ceea ce privește cantitatea de lapte de vacă colectate de unități procesatoare se remarcă faptul că au existat perioade oarecum oscilante Astfel icircn lunile aprilie-august cantitatea a fost crescătoare atacirct icircn anul 2019 cacirct și icircn anii anteriori 2018 și 2017 iar din luna august icircn toți cei trei ani activitatea a urmat un trend oarecum descrescător și ceasta ca urmare a unor evoluții greu de anticipat icircn ceea ce privește aceste produse icircn cadrul economiei naționale Se constată de asemenea faptul că sacrifi ce de animale și păsări ca și colectarea de lapte pentru a asigura producția de carne și produse din carne lapte și produse lactate a acoperit icircn măsură mai mică necesarul de consum din Romacircnia icircn perioada supusă analizei Icircn continuare se face o analiză atentă a rezultatelor obținute de Romacircnia icircn domeniul producției vegetale icircn anul 2019 comparativ cu anul 2018 Sunt prezentate date cu privire la recoltele de gracircu porumb orz ovăz fl oarea soarelui soia boabe rapiță cartofi și legume Se fac precizări

și icircn legătură cu producția din pomi-viticultură Datele evidențiază faptul că

Romacircnia ocupă o poziție fruntașă icircn ceea ce privește producția vegetală icircn

contextul Uniunii Europene

Articolul este icircnsoțit de reprezentări grafi ce și tabele care scot icircn

evidență elementele concluzionate de autori

Literature review Anghel Anghelache și Panait (2017) și Anghelache Samson Stoica

(2019) au analizat aspecte cu privire la strategia UE privind activitatea

agricolă Anghelache (2018) a efectuat o amplă analiză a agriculturii

romacircnești Anghelache și Dumitrescu (2015) au analizat indicii de producție

icircn agricultură Bezemer și Headey (2008) au abordat aspecte cu privire la

măsurile care pot fi implementate pentru dezvoltarea agriculturii Fleurbaey

(2009) a icircncercat identifi carea unor măsuri de bunăstare socială Islam (2011)

s-a referit la formele de susținere străină pentru agricultură Lowder Bertini

și Croppenstedt A (2017) au prezentat date privind sărăcia protecția socială


și agricultura Quamrul și Michalopoulos (2015) au cercetat implicațiile fl uctuațiilor climatice asupra agriculturii Swintona Lupi Robertson Hamilton (2007) au analizat rolul ecosistemelor agricole pentru benefi cii diverse

Unele precizări metodologice Sursele datelor lunare sunt prevăzute icircn metodologia elaborată de Institutul Național de Statistică și au la bază icircnsumarea datelor provenite din două surse cercetarea statistică lunară pentru unitățile industriale specializate (abatoare) care furnizează date privind producția de carne (numărul de capete sacrifi cate greutatea icircn viu şi greutatea icircn carcasă a acestora) icircn conformitate cu Regulamentul (CE) nr 11652008 al Parlamentului European şi al Consiliului privind statisticile referitoare la efectivele de animale şi la carne publicat icircn JOL nr 321 din 1122008 Cercetarea statistică este de tip exhaustiv (datele se colectează de la circa 200 de operatori economici) şi se adresează tuturor icircntreprinderilor din icircntreaga țară care au activitate principală sau secundară bdquoProducția şi conservarea cărniirdquo clasa 1011 sau bdquoPrelucrarea şi conservarea cărnii de pasărerdquo clasa 1012 conform clasifi cării CAEN Rev2estimări ale sacrifi cărilor din afara abatoarelor respectiv numărul de animale şi păsări sacrifi cate şi greutatea icircn viu a acestora realizate de specialiştii direcțiilor agricole județene ale Ministerului Agriculturii şi Dezvoltării Rurale Pentru obținerea greutății icircn carcasă a fost folosit un coefi cient mediu de la unitățile industriale specializate (abatoare) Greutatea medie icircn carcasă reprezintă raportul dintre greutatea icircn carcasă totală și numărul de animale sau păsări sacrifi cate Icircn ceea ce privește producția vegetală se au icircn vedere se au icircn vedere raportările societăților specializate precum și cercetarea icircn gospodăriile rurale


bull Icircn luna ianuarie 2020 faţă de luna decembrie 2019 numărul sacrifi cărilor a crescut la păsări iar la bovine la porcine şi la ovine-caprine a scăzut greutatea icircn carcasă a scăzut la toate speciile de animale şi păsăriIcircn comparaţie cu luna corespunzătoare din 2019 numărul sacrifi cărilor şi greutatea icircn carcasă au scăzut la toate speciile de animale şi păsăriIcircn tabelul numărul 1 sunt sintetizate datele cu privire la sacrifi cările de animale și păsări Seria de date cuprinde date comparative icircn lunile ianuarie 2019 și 2020 pe specii de animale


Sacrifi cările de animale şi păsări ()

Tabelul 1

Animale şi păsări

sacrifi cateGreutatea icircn carcasă

Luna Ianuarie 2020 faţă de


Ianuarie2019

Decembrie 2019

Ianuarie2019

Decembrie 2019

Bovine - total 867 619 828 596din care icircn unităţi industriale specializate

(abatoare)579 733 644 777

Porcine - total 971 268 983 267din care icircn unităţi industriale specializate

(abatoare)818 619 811 655

Ovine şi caprine - total 841 292 922 310din care icircn unităţi industriale specializate

(abatoare)606 571 736 658

Păsări - total 995 1010 991 994din care icircn unităţi industriale specializate

(abatoare)996 1066 994 1061


De asemenea sunt prezentate date pentru comparații obținute icircn decembrie 2019 La toate speciile de animale numărul total de sacrifi cări a scăzut icircn ianuarie 2019 față de decembrie 2019 Doar la păsări s-au sacrifi cat mai multe exemplare icircn aceleași luni (ianuarie și decembrie 2019)

Greutatea medie icircn carcasă la animalele şi păsările sacrifi cate

Tabelul 2

Greutatea medie icircn carcasă (kilograme)

Ianuarie 2019

Decembrie2019

Ianuarie2020)

Bovine - total 1733 1722 1657

din care icircn unităţi industriale specializate

(abatoare)2133 2237 2371

Porcine - total 896 911 907


(abatoare)903 847 895

Ovine şi caprine - total 138 143 152


(abatoare)174 184 212

Păsări - total 18 18 18


(abatoare)18 18 18



Tabelul numărul 2 cuprinde date referitoare la greutatea medie icircn carcasă realizată icircn lunile ianuarie 2019 decembrie 2019 și ianuarie 2020 Datele sunt prezentate structurat pe categoriile de animale

Evoluţia greutăţii icircn carcasă a animalelor şi a păsărilor sacrifi cate

icircn perioada ianuarie 2019 - ianuarie 2020 (tone)

Tabel 32019 2020

Ian Feb Mar Apr Mai Iun Iul Aug Sep Oct Nov Dec Ian

Bovine 7799 7465 5903 9075 9577 8615 7824 8432 7754 8964 9274 10846 6461

Porcine 27592 29957 30644 33362 31512 28859 30946 30874 29289 31495 35373 101623 27130Ovine şi

caprine1743 1754 3234 39862 4093 5966 4936 5762 5427 5338 5569 5187 1607

Păsări 42721 37607 40004 40083 43396 40856 45520 44054 42065 45847 42342 42611 42338


Datele din tabelul numărul 3 sunt prezentate icircn grafi cul numărul 1 Icircn acest grafi c se poate urmării mai ușor evoluția greutății lunare la carcasă icircn cadrul anului 2019 și a lunii ianuarie 2020 Icircn tabelul numărul 3 și grafi cul numărul 2 sunt concentrate datele cu privire la greutatea icircn carcasă la animale și păsări

Evoluţia greutăţii icircn carcasă a animalelor şi a păsărilor sacrifi cate icircn

perioada ianuarie 2019 - ianuarie 2020 (tone)

Grafi c 1


Icircn tabelul numărul 4 sunt prezentați indicatorii numărul de animale (păsări) sacrifi cate icircn lunile ianuarie 2019 decembrie 2019 și ianuarie 2020 precum și cantitatea lunară totală exprimată icircn indicator fi zic rdquotone carcasărdquo pe categoriile de animale și păsări

Sacrifi cările de animale şi păsări

Tabel 4Animale şi păsări sacrifi cate

- mii capete -

Greutatea icircn carcasă

- tone -ianuarie

2019dec

2019Ian

2020ianuarie

2019dec

2019ianuarie

2020Bovine - total 45 63 39 7799 10846 6461

Din care icircn unitǎţi industriale specializate

(abatoare) 19 15 11 4052 3356 2608

Porcine - total 308 1116 299 27592 101623 27130


(abatoare) 292 386 239 26372 32680 21394

Ovine şi caprine - total 126 363 106 1743 5187 1607


(abatoare) 33 35 20 575 643 423

Păsări - total 24148 23811 24039 42721 42611 42338


(abatoare) 22940 21430 22837 40907 38337 40661


Cu privire la cantitatea de lapte și lactate constatăm că icircn luna decembrie 2019 cantitatea de lapte de vacă colectată de la exploataţiile agricole şi centrele de colectare de către unităţile procesatoare a crescut cu 41 faţă de luna noiembrie 2019 și cu 01 faţă de luna decembrie 2018 Cantitatea de lapte de vacă colectată de la exploataţiile agricole şi centrele de colectare de către unităţile procesatoare a crescut icircn 2019 faţă de 2018 cu 11 Icircn tabelul numărul 5 se prezintă cantitatea de lapte colectat și producția de lactate produse icircn 2019 comparativ cu 2018


Cantitatea de lapte de vacă colectată de unităţile procesatoare şi

produsele lactate obţinute

Tabel 5

UM

Decembrie

2018

Noiembrie

2019

Decembrie

2019

1I ndash

31XII

2018

1I ndash

31XII

2019Lapte de vacă colectat de unităţile procesatoare

tone 84597 81349 84644 1109771 1122327

Conţinutul mediu de grăsime 390 387 393 379 381

Conţinutul mediu de proteine 333 331 331 328 328

Lapte brut importat tone 10110 11173 11673 124310 108492Produse lactate obţinute

Lapte de consum tone 26960 28921 31452 306221 331344

Smacircntacircnă de consum tone 5910 5472 6240 66887 68114

Lapte acidulat tone 15626 17022 16629 215214 225487Unt tone 1108 936 1099 10881 10653Bracircnzeturi - total - tone 6764 7318 7065 94285 96717 din care din lapte de vacă tone 5790 6540 6652 79698 83047


Analizacircnd acești indicatori realizați icircn decembrie 2019 față de luna precedentă rezultă o creștere de 41 a cantității de lapte de vacă colectată de unităţile procesatoare Creșteri ale producției s-au icircnregistrat la unt cu 163 tone (+174) smacircntacircnă de consum cu 768 tone (+140) lapte de consum cu 2531 tone (+88) A scăzut producția de bracircnzeturi cu 253 tone (-35) și lapte acidulat cu 393 tone (-23) Unităţile procesatoare au sporit icircn decembrie 2019 cu 45 faţă de luna precedentă adică cu 500 tone cantitatea de lapte brut importat Icircn luna decembrie 2019 comparativ cu luna corespunzătoare din 2018 cantitatea de lapte de vacă colectată de unităţile procesatoare a crescut cu 47 tone (+01) A crescut producția la produse lactate (lapte de consum cu 4492 tone +167 lapte acidulat cu 1003 tone +64 smacircntacircnă de consum cu 330 tone +56 și bracircnzeturi cu 301 tone +45) Producția de unt a icircnregistrat o scădere cu 9 tone (-08) Icircn această lună cantitatea de lapte brut importat de către unităţile procesatoare a crescut cu 1563 tone (+155) faţă de luna corespunzătoare din 2018


Evoluţia cantității lunare de lapte de vacă colectată de unităţile

procesatoare icircn perioada 2017-2019

Grafi c 2


Icircn grafi cul numărul 2 este prezentată cantitatea lunară de lapte de vacă colectată icircn perioada 2017-2019 Icircn 2019 comparativ cu 2018 cantitatea de lapte de vacă colectată de unităţile procesatoare a crescut cu 12556 tone (+11)

Creşteri ale producţiei au fost icircnregistrate la lapte de consum cu

25123 tone (+82) lapte acidulat cu 10273 tone (+48) bracircnzeturi cu

2432 tone (+26) smacircntacircnă de consum cu 1227 tone (+18)

Producția de unt a scăzut cu 228 tone (-21)

Cantitatea de lapte brut importat de către unităţile procesatoare a

scăzut cu 15818 tone (-127) icircn 2019 faţă de 2018 Datele sunt sintetizate icircn

tabelul numărul 6


Cantitatea de lapte colectat de unităţile procesatoare şi produsele lactate

obţinute

Tabel 6 Lapte și produse lactate

UMDecembrie

2018

Noiembrie

2019

Decembrie

2019

101-

31122018

101-


tone 84597 81349 84644 1109771 1122327

Conţinutul mediu de grăsime

390 387 393 379 381

Conţinutul mediu de proteine

333 331 331 328 328

Lapte brut importat tone 10110 11173 11673 124310 108492Produse lactate obţinute Lapte de consum tone 26960 28921 31452 306221 331344Smacircntacircnă de consum tone 5910 5472 6240 66887 68114Lapte acidulat tone 15626 17022 16629 215214 225487Unt tone 1108 936 1099 10881 10653Bracircnzeturi - total - tone 6764 7318 7065 94285 96717din care numai din lapte de vacă

tone 5790 6540 6652 79698 83047


bull Producția vegetală la principalele culturi icircn anul 2019 a manifestat creșteri Astfel suprafaţa cultivată icircn 2019 comparativ cu 2018 a crescut la cereale pentru boabe plante uleioase cartofi și a scăzut la leguminoase pentru boabe și legume De asemenea producţia agricolă vegetală a crescut icircn 2019 comparativ cu 2018 la leguminoase și a scăzut la cereale pentru boabe plante uleioase cartofi și legume Datele sunt prezentate icircn tabelul numărul 7


Suprafaţa cultivată şi producţia principalelor culturi

Tabel 7

Diferenţe (plusmn)Suprafaţa

cultivatăProducţia totală anul 2019

-mii ha- -mii tone- faţă de anul 20182018 2019 2018 2019 -mii ha- -mii tone-

Cereale pentru boabe 5257 5431 31553 29504 174 -2049

din care

-gracircu 2116 2106 10144 9870 -10 -274 -orz şi orzoaică 424 460 1871 1915 36 44 -ovăz 161 161 384 357 - -27 -porumb boabe 2440 2599 18664 16956 159 -1708

Leguminoase pentru boabe 133 119 191 244 -14 53

Plante uleioase 1815 1877 5146 4682 62 -464

din care

-fl oarea soarelui 1007 1306 3063 3450 299 387 -soia boabe 169 145 466 370 -24 -96 -rapiţă 633 419 1611 853 -214 -758Cartofi 169 170 3023 2715 1 -308

Legume 226 224 3797 3496 -2 -301


Deși suprafaţa cultivată cu cereale pentru boabe a crescut cu 33 producţia a scăzut cu 65 faţă de 2018 datorită scăderii randamentelor la hectar Icircn ceea ce privește suprafaţa cultivată cu porumb boabe icircn anul 2019 aceasta reprezintă 479 din suprafaţa cultivată cu cereale pentru boabe iar cea cultivată cu gracircu a reprezentat 388 Icircn 2019 producţia de cereale a scăzut datorită reducerii cu 92 a producției la porumb boabe Producția de legume pentru boabe a crescut cu 277 prin creșterea randamentului la hectar Producţia de plante oleaginoase a scăzut cu 90 deşi suprafaţa cultivată a crescut (+34) Creşteri s-au icircnregistrat la fl oarea soarelui

(+126) iar scăderi la rapiţă (-471) şi soia boabe (-206)

A crescut suprafaţa cultivată cu cartofi cu 06 iar producţia a scăzut

cu 102 faţă de 2018

Producţia de legume a scăzut cu 79 ca urmare a reducerii suprafeței

cultivate și a randamentului la hectar

Cu privire la producția viticolă se constată că scăderea acesteia

datorită scăderii randamentului la hectar deși suprafața nu s-a redus Datele

sunt sintetizate icircn tabelul numărul 8


Suprafaţa viilor pe rod şi a plantaţiilor de pomi fructiferi pe rod

producţia de struguri şi producţia de fructe

Tabel 8

Diferenţe (plusmn)

Suprafaţa Producţia totală anul 2019

-mii ha- -mii tone- faţă de anul 2018

2018 2019 2018 2019 -mii ha- -mii tone-Vii pe rod 177 178 1144 972 1 -172

Plantaţii de pomi fructiferi pe

rod (livezi pe rod)137 136 820 732 -1 -88


Icircn anul 2019 producţia de struguri a scăzut cu 150 ca urmare a scăderii randamentului la hectar (-155) faţă de anul precedent Producţia de fructe din livezi a scăzut cu 107 ca urmare a scăderii randamentului la hectar Comparacircnd suprafețele cultivate și producțiile realizate de gracircu porumb boabe fl oarea soarelui și cartofi icircn Romacircnia cu aceeași indicatori din unele state membre ale Uniunii Europene icircn anul 2019 țara noastră se situează pe locul 4 la producția de porumb boabe

Suprafaţa cultivată (mii hectare)

Grafi c 3

Sursa Eurostat

Icircn grafi cele numerele 3 și 4 sunt prezentate suprafețele cultivate respectiv producțiile realizate icircn anul 2019


Producţia realizată (mii tone)

Grafi c 4

Sursa Eurostat

Din studiul celor două grafi ce (3 și 4) rezultă că icircn 2019 Romacircnia comparativ cu unele State UE a icircnregistrat rezultate pozitive Astfel la porumb boabe și fl oarea soarelui s-a situat pe primul loc atacirct la suprafaţa cultivată cacirct şi la producţia realizată la gracircu pe locul patru atacirct la suprafaţa cultivată cacirct şi la producţia realizată după Franţa Germania și Polonia și la cartofi pe locul patru la suprafaţa cultivată după Polonia Germania Franţa şi pe locul șapte la producţia realizată după Germania Franţa Polonia Olanda Regatul Unit și Belgia

Concluzii

Din acest articol se desprinde concluzia că Romacircnia icircn mod treptat și ca urmare a unui an agricol nefavorabil producției vegetale icircn primul racircnd nu a fost icircn măsură să acopere necesarul de produse agroalimentare solicitat necesar populației Icircn această perspectivă au crescut importurile de produse agroalimentare icircn special cele de produse lactate precum și altele prelucrate produse din carne și altele Rezultă clar că pentru perioada următoare este important să se intensifi ce unele măsuri de acordare a subvențiilor la timp a subvențiilor pentru producătorii agricoli de utilizare pe scară mai largă a necesarului de irigații fertilizări și alte activități care să dea perspectivă evoluției icircn acest domeniu O altă concluzie ar fi și aceea că datorită unei perioade din octombrie pacircnă icircn prezent nefavorabile sectorului agricol este de presupus că și icircn acest an 2020 producția vegetală animală și agricolă să fi e icircn descreștere


Aceasta este și ca urmare a faptului că nivelul producției agroalimentare este determinată de sursa de materii prime agricole (animale și vegetale) care nu vor fi icircn măsură să satisfacă nevoile Icircn mod suplimentar putem anvizaja și concluzia că icircn anul 2020 nevoia de consum a populației pentru produse agroalimentare va fi icircn creștere

ca urmare a repatrierii unui număr de poate două milioane de cetățeni romacircni

care lucrau icircn țări ale Uniunii Europene și care se vor repatria pe perioada

acestei crize coronavirus

Bibliografi e 1 Anghel MG Anghelache C Panait M (2017) Evolution of agricultural activity

in the European Union Romanian Statistical Review Supplement 6 63-74

2 Anghelache C Samson T Stoica R (2019) European Union policies on rural

development of agriculture and industry Romanian Statistical Review Supplement 1 176-187

3 Anghelache C (2018) Structural analysis of Romanian agriculture Romanian Statistical Review Supplement 2 11-18

4 Anghelache C Dumitrescu D (2015) The Production Indices in Agriculture Romanian Statistical Review Supplement 1 67-71

5 Bezemer D Headey D (2008) Agriculture Development and Urban Bias

World Development 36 (8) 1342-1364

6 Fleurbaey M (2009) Beyond GDP The Quest for a Measure of Social Welfare

Journal of Economic Literature 47 (4) 1029-1075

7 Islam N (2011) Foreign Aid to Agriculture Review of Facts and Analysis

International Food Policy Research Institute Discussion Paper 01053

8 Lowder S Bertini R Croppenstedt A (2017) Poverty social protection and

agriculture Levels and trends in data Global Food Security 15 94-107

9 Quamrul A Michalopoulos S (2015) Climatic Fluctuations and the Diff usion of Agriculture The Review of Economics and Statistics MIT Press 97(3) 589-609

10 Swintona S Lupi F Robertson P Hamilton S (2007) Ecosystem services and agriculture Cultivating agricultural ecosystems for diverse benefi ts Ecological Economics 64 (2) 245-252

11 Institutul Național de Statistică Comunicat nr 34 11022020 12 Institutul Național de Statistică Comunicat nr 60 09032020 13 Institutul Național de Statistică Comunicat nr 85 31032020


STUDY ON THE EVOLUTION OF AGRICULTURAL ACTIVITY IN ROMANIA

IN 2019


Bucharest University of Economic Studies bdquoArtifexrdquo University of BucharestDaniel DUMITRU PhD Student (dumitruteticdanielgmailcom)

Bucharest University of Economic Studies Radu STOICA Ph D Student (radustoica68yahoocom)


Abstract The analysis performed in relation to the evolution of the production of cereals meat meat products milk product and dairy products was at the center of the analysis performed by the authors In 2019 the number of slaughterings in the animal poultry cattle pigs sheep goats sector was somewhat suffi cient in terms of the quantities produced and the evolution of carcasses in animals and birds Compared to December in January there was an upward trend or December compared to January 2019 also an upward trend This analysis reveals that although total production decreased or decreased exports imports of meat and meat products increased Regarding the monthly production of cowrsquos milk collected by the processing units it is found that it followed a somewhat decreasing trend compared to previous months we refer to December and January but also to the whole year 2018 This was due to the reduction of livestock of the processing capacity of some eff ects that the avian infl uenza had of some eff ects that they had on the production in the fi eld of pig breeding The study conducted on carcass production their specifi city slaughter and milk production reveals that Romania still needs imports in this area to make up for some decreases that have occurred in the national economy The vegetable production in the main crops in 2019 refl ects the fact that good results have been obtained with a contribution to the formation of the Gross Domestic Product to measure Concrete data are presented on the production of wheat barley barley oats corn sunfl ower soybeans rapeseed potatoes and vegetables It is also specifi ed on the total cultivated areas as well as on some crops Keywords production evolution crises slaughter animals import and export JEL Classifi cation Q10 Q19


Introduction This article was made starting from the situation registered in January compared to December in December compared to previous months as well as in terms of production in general monthly and annual made in our country The situation of the evolution regarding the production of meat and milk in our country was also followed The tables and graphs exemplify the developments in January December compared to similar previous periods in 2018 or compared to previous months Regarding the amount of cowrsquos milk collected by processing units it is noted that there were somewhat oscillating periods Thus in April-August the amount was increasing both in 2019 and in the previous years 2018 and 2017 and since August in all three years the activity has followed a somewhat decreasing trend and this as a result of some unpredictable developments for these products in the national economy It is also noted that the slaughter of animals and birds as well as the collection of milk to ensure the production of meat and meat products milk and dairy products covered to a lesser extent the need for consumption in Romania during the period analysis The following is a careful analysis of the results obtained by Romania in the fi eld of vegetable production in 2019 compared to 2018 Data are presented on crops of wheat corn barley oats sunfl ower soybeans rapeseed

potatoes and vegetables Clarifi cations are also made in connection with the

production of trees-viticulture The data highlight the fact that Romania

occupies a leading position in terms of plant production in the context of the

European Union

The article is accompanied by graphical representations and tables

that highlight the elements concluded by the authors

Literature review Anghel Anghelache and Panait (2017) and Anghelache Samson

Stoica (2019) analyzed aspects of the EU strategy on agricultural activity

Anghelache (2018) performed an extensive analysis of Romanian agriculture

Anghelache and Dumitrescu (2015) analyzed production indices in agriculture

Bezemer and Headey (2008) addressed issues regarding the measures that can

be implemented for agricultural development Fleurbaey (2009) attempted

to identify social welfare measures Islam (2011) referred to foreign forms

of support for agriculture Lowder Bertini and Croppenstedt A (2017)

presented data on poverty social protection and agriculture Quamrul and

Michalopoulos (2015) investigated the implications of climate fl uctuations on


agriculture Swintona Lupi Robertson Hamilton (2007) analyzed the role of agricultural ecosystems for various benefi ts


The monthly data sources are provided in the methodology developed by the National Institute of Statistics and are based on the summation of data from two sources monthly statistical research for specialized industrial units (slaughterhouses) which provide data on meat production (number of slaughtered heads live weight and their carcass weight) in accordance with Regulation (EC) No 11652008 of the European Parliament and of the Council on statistics on livestock and meat published in JOL no 321 from 1122008 The statistical research is exhaustive (data are collected from about 200 economic operators) and is addressed to all enterprises throughout the country that have main or secondary activity bdquoProduction and preservation of meatrdquo class 1011 or bdquoProcessing and preservation of poultry meatrdquo class 1012 according to the CANE Rev2 classifi cation estimates of slaughterings outside slaughterhouses respectively the number of animals and birds slaughtered and their live weight made by the specialists of the county agricultural directorates of the Ministry of Agriculture and Rural Development An average coeffi cient

from specialized industrial units (slaughterhouses) was used to obtain the

weight in the carcass

Average carcass weight is the ratio of total carcass weight to the

number of animals or birds slaughtered

In terms of plant production the reports of specialized companies are

considered as well as research in rural households


bull In January 2020 compared to December 2019 the number of

slaughters increased in birds and in cattle pigs and sheep-goats decreased

carcass weight decreased in all animal and bird species

Compared to the corresponding month of 2019 the number of

slaughters and carcass weight decreased for all animal and bird species

Table 1 summarizes data on animal and bird slaughter The data series

includes comparative data in January 2019 and 2020 by animal species


Slaughter of animals and birds ()Table 1

Slaughtered animals and birds

Weight in the housing

January 2020 compared to


January2019

December 2019

January2019

December 2019

Cattle - total 867 619 828 596of which in specialized industrial units (slaughterhouses) 579 733 644 777

Pigs - total 971 268 983 267of which in specialized industrial units (slaughterhouses) 818 619 811 655

Sheep and goats - total 841 292 922 310of which in specialized industrial units (slaughterhouses) 606 571 736 658

Birds - total 995 1010 991 994of which in specialized industrial units (slaughterhouses) 996 1066 994 1061


Data are also presented for comparisons obtained in December 2019 For all animal species the total number of slaughters decreased in January 2019 compared to December 2019 Only birds were slaughtered several specimens in the same months (January and December 2019)

Average carcass weight in slaughtered animals and birdsTable 2

Average carcass weight (kilograms)

January 2019

December2019

January2020)

Cattle - total 1733 1722 1657of which in specialized industrial units (slaughterhouses)

2133 2237 2371

Pigs - total 896 911 907of which in specialized industrial units (slaughterhouses)

903 847 895

Sheep and goats - total 138 143 152of which in specialized industrial units (slaughterhouses)

174 184 212

Birds - total 18 18 18of which in specialized industrial units (slaughterhouses)

18 18 18



Table number 2 contains data on the average carcass weight achieved in January 2019 December 2019 and January 2020 The data are presented structured by animal categories

Evolution of carcass weight of slaughtered animals and birds between January 2019 and January 2020 (tons)

Table 32019 2020

Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec Jan

Cattle 7799 7465 5903 9075 9577 8615 7824 8432 7754 8964 9274 10846 6461

Swine 27592 29957 30644 33362 31512 28859 30946 30874 29289 31495 35373 101623 27130

Sheep

and goats1743 1754 3234 39862 4093 5966 4936 5762 5427 5338 5569 5187 1607

Birds 42721 37607 40004 40083 43396 40856 45520 44054 42065 45847 42342 42611 42338


The data in table number 3 are presented in graph number 1 In this graph it is easier to follow the evolution of the monthly carcass weight in 2019 and January 2020 Table 3 and Graph 2 show data on carcass weight in animals and birds


Chart 1


Table number 4 shows the number of animals (birds) slaughtered in January 2019 December 2019 and January 2020 as well as the total monthly quantity expressed in physical indicator bdquocarcass tonsrdquo by categories of animals and birds

Slaughter of animals and birdsTable 4


sacrifi cate

- mii capete -


- tone -

January2019

Dec 2019

Jan2020

January2019

dec 2019

January 2020

Cattle - total 45 63 39 7799 10846 6461Of which in specialized industrial units (Abattoirs) 19 15 11 4052 3356 2608Pigs - total 308 1116 299 27592 101623 27130Of which in specialized industrial units (Abattoirs) 292 386 239 26372 32680 21394Sheep and goats - total 126 363 106 1743 5187 1607Of which in specialized industrial units (Abattoirs) 33 35 20 575 643 423Birds - total 24148 23811 24039 42721 42611 42338Of which in specialized industrial units (Abattoirs) 22940 21430 22837 40907 38337 40661Source National Institute of Statistics Press release no 60 09032020

Regarding the quantity of milk and dairy products we fi nd that in December 2019 the quantity of cowrsquos milk collected from agricultural holdings and collection centers by the processing units increased by 41 compared to November 2019 and by 0 1 compared to December 2018 The amount of cowrsquos milk collected from agricultural holdings and collection centers by processing units increased in 2019 compared to 2018 by 11 Table number 5 shows the quantity of milk collected and the production of dairy products produced in 2019 compared to 2018


Quantity of cowrsquos milk collected by processing units and dairy products obtained

Table 5

UM

December2018

November2019

December2019

1I ndash 31XII

2018

1I ndash 31XII

2019Cowrsquos milk collected by processing units

tons 84597 81349 84644 1109771 1122327

Average fat content 390 387 393 379 381Average protein content 333 331 331 328 328Imported raw milk tone 10110 11173 11673 124310 108492

Dairy products obtainedDrinking milk tons 26960 28921 31452 306221 331344Consumable cream tons 5910 5472 6240 66887 68114Sour milk tons 15626 17022 16629 215214 225487Butter tons 1108 936 1099 10881 10653Cheeses - total - tons 6764 7318 7065 94285 96717 of which cowrsquos milk tons 5790 6540 6652 79698 83047Source National Institute of Statistics Press release no 34 11022020

Analyzing these indicators made in December 2019 compared to the previous month results in an increase of 41 in the amount of cowrsquos milk collected by the processing units Increases in production were recorded for butter by 163 tons (+ 174) sour cream with 768 tons (+ 140) drinking milk with 2531 tons (+ 88) The production of cheeses decreased by 253 tons (-35) and sour milk by 393 tons (-23) The processing units increased in December 2019 by 45 compared to the previous month ie by 500 tons the amount of raw milk imported In December 2019 compared to the corresponding month of 2018 the amount of cowrsquos milk collected by the processing units increased by 47 tons (+ 01) Production of dairy products increased (milk consumption by 4492 tons + 167 sour milk by 1003 tons + 64 cream by 330 tons + 56 and cheese by 301 tons + 45) Butter production decreased by 9 tons (-08) This month the amount of raw milk imported by the processing units increased by 1563 tons (+ 155) compared to the corresponding month of 2018


Evolution of the monthly quantity of cowrsquos milk collected by the processing units in the period 2017-2019

Chart 2


Graph number 2 shows the monthly amount of cowrsquos milk collected during 2017-2019 In 2019 compared to 2018 the amount of cowrsquos milk collected by the processing units increased by 12556 tons (+ 11) Increases in production were recorded for drinking milk by 25123 tons (+ 82) sour milk by 10273 tons (+ 48) cheese by 2432 tons (+ 26) drinking cream with 1227 tons (+ 18) Butter production decreased by 228 tons (-21) The quantity of raw milk imported by the processing units decreased by 15818 tons (-127) in 2019 compared to 2018 The data are summarized in table number 6


Quantity of milk collected by processing units and dairy products obtained

Table 6Milk and dairy products

UMDecember

2018November

2019 December

2019101-

31122018101-


tone 84597 81349 84644 1109771 1122327

Average fat content 390 387 393 379 381Average protein content

333 331 331 328 328

Imported raw milk tone 10110 11173 11673 124310 108492Dairy products obtained Drinking milk tone 26960 28921 31452 306221 331344Consumable cream tone 5910 5472 6240 66887 68114Sour milk tone 15626 17022 16629 215214 225487Butter tone 1108 936 1099 10881 10653Cheeses - total - tone 6764 7318 7065 94285 96717 from which only from cowrsquos milk

tone

5790 6540 6652 79698 83047


bull Vegetable production in the main crops in 2019 showed increases Thus the area cultivated in 2019 compared to 2018 increased for cereals for grains oil plants potatoes and decreased for legumes for grains and vegetables Also vegetable agricultural production increased in 2019 compared to 2018 for legumes and decreased for cereals for grains oil plants potatoes and vegetables The data are presented in table number 7


Cultivated area and production of main cropsTable 7

Diff erences (plusmn)

Cultivated

areaTotal production Year 2019

-thousand ha- -thousand tons- compared to 2018

2018 2019 2018 2019-thousand

ha--thousand

tons-Grain cereals 5257 5431 31553 29504 174 -2049from which -wheat 2116 2106 10144 9870 -10 -274 -barley and barley 424 460 1871 1915 36 44 -oat 161 161 384 357 - -27 -corn grains 2440 2599 18664 16956 159 -1708Grain legumes 133 119 191 244 -14 53Oily plants 1815 1877 5146 4682 62 -464from which -Sunfl ower 1007 1306 3063 3450 299 387 -soy beans 169 145 466 370 -24 -96 -rape 633 419 1611 853 -214 -758Potatoes 169 170 3023 2715 1 -308Vegetables 226 224 3797 3496 -2 -301


Although the area cultivated with grain cereals increased by 33

production decreased by 65 compared to 2018 due to the decrease in

yields per hectare

Regarding the area cultivated with grain corn in 2019 it represents

479 of the area cultivated with grain cereals and the one cultivated with

wheat accounted for 388 In 2019 cereal production decreased due to a

92 reduction in maize production

The production of vegetables for grains increased by 277 by

increasing the yield per hectare

Oilseed production decreased by 90 although the cultivated area

increased (+ 34) Increases were recorded in sunfl ower (+ 126) and

decreases in rapeseed (-471) and soybeans (-206)

The area cultivated with potatoes increased by 06 and production

decreased by 102 compared to 2018

Vegetable production decreased by 79 due to the reduction of

cultivated area and yield per hectare

With regard to wine production it is found that its decrease is due to

the decrease in yield per hectare although the area has not decreased The data

are summarized in table number 8


Table 8 Area of fruit vineyards and fruit tree plantations grape production and fruit production


Surface Total production Year 2019

- thousand ha- - thousand tons- compared to 2018

2018 2019 2018 2019- thousand

ha-- thousand

tons-Vine on fruit 177 178 1144 972 1 -172Plantation of fruit trees on

fruit (orchards on fruit)137 136 820 732 -1 -88


In 2019 grape production decreased by 150 due to the decrease in yield per hectare (-155) compared to the previous year Fruit production in orchards decreased by 107 due to the decrease in yield per hectare Comparing the cultivated areas and the productions made of wheat corn grain sunfl ower and potatoes in Romania with the same indicators from

some member states of the European Union in 2019 our country is on the 4th

place in the production of corn grains

Cultivated area (thousand hectares)

Graph 3

Source Eurostat

Graphs numbers 3 and 4 show the cultivated areas respectively the

productions made in 2019


Production achieved (thousand tons)Graph 4

Source Eurostat

The study of the two graphs (3 and 4) shows that in 2019 Romania compared to some EU States registered positive results Thus for corn grains and sunfl ower it was on the fi rst place both in the cultivated area and in the

realized production wheat in fourth place both in area under cultivation and

in production after France Germany and Poland and potatoes in fourth place

in area under cultivation after Poland Germany France and in seventh place

in production after Germany France Poland the Netherlands the United

Kingdom and Belgium

Conclusions From this article it can be concluded that Romania gradually and as

a result of an unfavorable agricultural year for vegetable production in the

fi rst place was not able to cover the required agri-food products required

by the population In this perspective imports of agri-food products

especially dairy products as well as processed meat and other products

have increased

It is clear that for the next period it is important to step up some

measures to provide timely subsidies subsidies for agricultural producers

wider use of irrigation fertilization and other activities that give perspective

to developments in this area

Another conclusion would be that due to a period from October until

now unfavorable to the agricultural sector it is assumed that this year 2020

plant animal and agricultural production will be declining This is also due to

the fact that the level of agri-food production is determined by the source of


agricultural raw materials (animal and vegetable) which will not be able to meet the needs In addition we can consider the conclusion that in 2020 the consumption need of the population for agri-food products will increase as a result of the repatriation of a number of maybe two million Romanian citizens who worked in European Union countries and who will repatriation during this coronavirus crisis

References 1 Anghel MG Anghelache C Panait M (2017) Evolution of agricultural activity

in the European Union Romanian Statistical Review Supplement 6 63-74 2 Anghelache C Samson T Stoica R (2019) European Union policies on rural




5 Bezemer D Headey D (2008) Agriculture Development and Urban Bias World Development 36 (8) 1342-1364

6 Fleurbaey M (2009) Beyond GDP The Quest for a Measure of Social Welfare Journal of Economic Literature 47 (4) 1029-1075

7 Islam N (2011) Foreign Aid to Agriculture Review of Facts and Analysis International Food Policy Research Institute Discussion Paper 01053

8 Lowder S Bertini R Croppenstedt A (2017) Poverty social protection and agriculture Levels and trends in data Global Food Security 15 94-107

9 Quamrul A Michalopoulos S (2015) Climatic Fluctuations and the Diff usion of

Agriculture The Review of Economics and Statistics MIT Press 97(3) 589-609

10 Swintona S Lupi F Robertson P Hamilton S (2007) Ecosystem services and

agriculture Cultivating agricultural ecosystems for diverse benefi ts Ecological Economics 64 (2) 245-252



Model de analiză a evoluţiei ocupării populaţiei şi a şomajului icircn Romacircnia





Abstract Prin ocupare noi icircnțelegem toate acele persoane cu vacircrsta de 15 ani și peste care au desfășurat o activitate economică producătoare de bunuri sau servicii de cel puțin oră icircn perioada de referință de o săptămacircnă icircn scopul de a obține unele venituri sub formă de salarii plată natură sau altele benefi cii Aceasta este populația ocupată icircn termenii cei mai largi Din această populație ocupată pe criterii și categorii contracte de muncă sunt cei care formează contingentul forței de muncă angajată Desigur articolul nu se referă la forța de muncă dar facem o mică subliniere că icircn acest context există forță de muncă ocupată pe perioadă nedeterminată sau determinată icircn funcție de care se poate trage una dintre concluzii Tot icircn populația ocupată intră și șomerii cei care nu au loc de muncă dar nu icircși găsesc icircn piața muncii un loc de muncă cei care au avut un loc de muncă dar l-au pierdut icircn cazul restructurării societăților comerciale a unor politici guvernamentale și așa mai departe Important este de analizat raportul care există icircntre această populație ocupată și numărul de șomeri Icircn articolul se prezintă evoluția și situația populației ocupate icircn trimestrul IV al anului 2019 și apoi se discută despre numărul de șomeri Populația inclusă icircn racircndul șomerilor aproximativ 364 de mii de persoane icircn decembrie 2019 ar trebui să constituie contingentul de completare a forței de muncă icircn funcție de cerințele pieței muncii sau icircn funcție de creșterea locurilor de muncă icircn economia națională Articolul punctează aceste aspecte care sunt esențiale Cuvinte cheie forță de muncă șomaj piața muncii populație ocupată migrație Clasifi carea JEL C13 C15 J20 J60

Introducere Icircn cazul acestui articol privind ocuparea și șomajul icircn Romacircnia și perspective autorii au pornit de la o analiză concretă a situației populației icircn Romacircnia pornind de la structura populației active populației ocupate numărul de salariați și șomeri pentru a evidenția modul icircn care oferta de


forță de muncă se icircntacirclnește cu nevoile pe care le are economia icircn aceasta

perspectivă a analizei pe care o icircntreprindem

Din acest punct de vedere s-au prezentat unele date tabele care

evidențiază că pacircnă icircn decembrie 2019 evoluția a fost pozitivă scăzacircnd

numărul șomerilor prin ocuparea acestora dar icircntr-o altă ordine de idei și prin

elementul migraționist icircn care populația icircn sfera ocupării fără posibilitățile

de angajare și intrare icircn racircndul forței de muncă a preferat conform directivelor

europene icircn legătură cu libera circulație a persoanelor să icircși găsească locuri de

muncă icircn alte state Aceasta se icircntacircmplă cel puțin icircn Uniunea Europeană dacă

nu cumva și icircn alte state ale lumii

Ocuparea forței de muncă ocupare a populației și a șomajului

reprezintă un element de analiză important Autori au pornit de la identifi carea

situației care a fost icircn trimestrul IV 2019 icircn ceea ce privește modifi carea

numărului populației ocupate icircntr-o scară evolutivă de-a lungul timpului

corelat cu numărul de șomeri pentru că populația ocupată se regăsește icircn

statisticile Romacircniei precum și cele ale Eurostat sau pe plan mondial la

nivelul Organizații Internaționale de Statistică icircn populație ocupată și șomeri

aceștia fi ind populația activă care trebuie să existe icircn total la un moment dat

Sunt prezentate categoriile respective după ce icircn prealabil se face o

prezentare a criteriilor unor aspecte metodologice care defi nesc categoriile

statistice indicatorii utilizați icircn sensul de ușura posibilitatea de icircnțelegere din

de vedere al celora care vor studia articolul de față

Articolul este icircnsoțit de grafi ce serii de date care sunt edifi catoare și

complementare fi ind dovada certă a probării concluziilor pe care autorii le-au

desprins din această analiză

Literature review Anghelache și Angel (2016 2018) abordează din punct de vedere

teoretic problemele economice generale și fac o serie de analize statistico-

econometrice asupra diverselor fenomene economice corelate cu teoria

prezentată Georgescu și Delureanu (2015) abordează unele metode de

analiză spectrală și evidențiază potențialul acestora icircn prognoza seriilor de

timp fi nanciare Golyandina și Zhigljavsky (2013) sunt preocupați de analiza

spectrului singular pentru seriile de timp Hassani și Zhigljavsky (2009)

prezintă metodologia și aplicarea datelor economice icircn ceea ce privește

analiza spectrului singular Iacob (2019) abordează anumite analize statistico-

econometrice concrete asupra unor fenomene economice utilizacircnd analiza

spectrală icircn analiza seriilor de date cronologice de mari dimensiuni Nave

(2006) prezintă utilitatea investigării spectrale icircn analiza atomului de hidrogen

și a altor elemente Pecican (2009) abordează diverse metode de analize


statistico-econometrice punctacircnd și analiza spectrală care se poate aplica la seriile cronologice de mari dimensiuni Peijie și Trefor (2010) fac o analiză spectrală asupra ciclurilor economice care infl uențează evoluția sectorială din Marea Britanie Priestley MB (1971 1996) este preocupat de posibilitatea utilizării analizei spectrale icircn previzionarea economică

Unele precizări metodologice Icircn acest articol autorii au considerat important de a aduce icircn prealabil unele precizări metodologice care stau la baza analizelor care urmează a fi făcute Astfel sursa datelor o constituie Cercetarea statistică asupra forţei de muncă icircn gospodării (AMIGO) care se realizează trimestrial icircn conformitate cu Regulamentul Consiliului şi Parlamentului European nr 5771998 cu privire la organizarea unei anchete statistice selective asupra forţei de muncă icircn Comunitatea Europeană Conform defi niţiei internaţionale (BIM - Biroul Internaţional al Muncii) șomerii sunt persoanele cu vacircrste cuprinse icircntre 15 și 74 de ani care icircndeplinesc simultan următoarele trei condiţii nu au un loc de muncă sunt disponibile să icircnceapă lucrul icircn următoarele două săptămacircni și s-au afl at icircn căutare activă a unui loc de muncă oricacircnd icircn decursul ultimelor patru săptămacircni Icircn ceea ce privește rata şomajului aceasta reprezintă ponderea şomerilor icircn populaţia activă iar populația activă din punct de vedere economic cuprinde toate persoanele care furnizează forţa de muncă disponibilă pentru producţia de bunuri şi servicii icircn timpul perioadei de referinţă incluzacircnd populaţia ocupată şi şomerii

Şomerii icircnregistraţi sunt persoanele afl ate icircn evidenţele Agenţiei

Naţionale pentru Ocuparea Forţei de Muncă (ANOFM) care benefi ciază de prevederile legislaţiei privind protecţia socială a şomerilor

Indicatorii statistici şomajul lunar şi şomajul icircnregistrat nu sunt

comparabili deoarece sursele de date metodele de măsurare conceptele

defi niţiile şi sfera de cuprindere sunt diferite Metodologia de estimare aplicată se bazează pe metode statistico-econometrice care nivelează seriile de date cu tendinţă lineară Astfel valorile prognozate sunt derivate din datele furnizate de cercetarea statistică asupra forţei de muncă icircn gospodării pe baza unor coefi cienţi de netezire care corectează nivelul şi tendinţa seriei icircn formă brută (neajustată) Coefi cienţii de netezire sunt determinaţi din condiţia minimizării erorilor de previziune Datele utilizate sunt sub formă ajustată cu numărul de zile lucrătoare și de sezonalitate eliminacircndu-se astfel efectul acestor variaţii Ajustarea sezonieră a seriei de date s-a făcut cu pachetul de programe DEMETRA


utilizacircnd metoda TRAMOSEATS care ajută la corectarea valorilor extreme Astfel seriile ajustate sezonier s-au obţinut prin eliminarea componentei sezoniere din seria originală Gradul de fi abilitate al estimaţiilor pentru indicatorii corespunzători categoriei tinerilor din grupa de vacircrstă cuprinsă icircntre 15 și 24 de ani este extrem de scăzut avacircnd un număr redus de cazuri de observare iar seriile obţinute prezintă un grad mare de volatilitate Așadar pentru categoria tineri sunt diseminate date trimestriale adică datele prezentate pentru lunile ianuarie februarie şi martie sunt egale şi se referă la trimestrul I Datele pentru tineri sunt diseminate cu titlu de date provizorii la două luni după icircncheierea trimestrului de referinţă şi defi nitivate odată cu fi nalizarea estimaţiilor pentru cercetarea statistică AMIGO din trimestrul corespunzător Icircntreaga serie a fost calculată icircn funcţie de populaţia rezidentă reestimată icircn condiţii de comparabilitate cu rezultatele Recensămacircntului Populaţiei şi Locuinţelor din anul 2011 Indicatorii rata şomajului şi numărul şomerilor sunt diseminaţi lunar cu titlul de date provizorii şi fac obiectul reviziilor trimestriale pe măsură ce noi informaţii devin disponibile astfel icircncacirct indicatorii cu perioadă de referinţă ianuarie februarie şi martie se publică icircn variantă provizorie la sfacircrşitul lunilor februarie martie respectiv aprilie şi se revizuiesc icircn mai iar indicatorii cu perioadă de referinţă aprilie mai şi iunie se publică icircn variantă provizorie la sfacircrşitul lunilor mai iunie respectiv iulie şi se revizuiesc icircn august iar indicatorii cu perioadă de referinţă iulie august şi septembrie se publică icircn variantă provizorie la sfacircrşitul lunilor august septembrie respectiv octombrie şi se revizuiesc icircn noiembrie și indicatorii cu perioadă de referinţă octombrie noiembrie şi decembrie se publică icircn variantă provizorie la sfacircrşitul lunilor noiembrie decembrie anul icircn curs şi ianuarie a anului următor şi se revizuiesc icircn februarie anul următor

Date rezultate și discuții Icircn analiza care urmează icircn articolul de față autorii au folosit serii de date aferente diverselor perioade de timp tabele și reprezentări grafi ce care scot icircn evidență evoluția numărului de șomeri și a ratei șomajului din Romacircnia pe diverse categorii de vacircrstă de sexe și pe total Astfel datele referitoare la evoluția ratei șomajului icircn perioada cuprinsă icircntre ianuarie 2004 și decembrie 2019 sunt structurate icircn tabelul numărul 1


Rata șomajului icircn perioada ianuarie 2004 ndash decembrie 2019

Tabel 1

LUNAanul

2004

anul

2005

anul

2006

anul

2007

anul

2008

anul

2009

anul

2010

anul

2011ianuarie 85 78 69 66 58 59 71 71februarie 75 80 73 68 58 63 71 69martie 77 79 69 66 58 60 73 69aprilie 84 72 71 67 55 61 67 70mai 77 73 71 65 57 63 69 71iunie 82 71 69 66 57 63 68 69iulie 79 68 74 63 55 67 70 72august 82 66 72 62 54 67 71 73septembrie 79 65 74 61 54 70 69 73octombrie 80 69 71 59 57 69 69 73noiembrie 79 68 71 59 54 70 71 75decembrie 79 66 72 58 58 69 69 74

LUNAanul

2012

anul

2013

anul

2014

anul

2015

anul

2016

anul

2017

anul

2018

anul

2019ianuarie 71 68 69 71 64 51 44 39februarie 68 69 70 71 62 52 43 38martie 70 71 70 69 62 52 42 37aprilie 69 74 69 70 61 49 44 39mai 70 71 68 69 61 52 43 39iunie 67 76 69 68 60 51 42 38iulie 69 69 67 66 59 49 42 40august 67 70 68 68 58 49 42 38septembrie 68 69 65 67 60 49 40 41octombrie 66 72 68 66 54 47 41 39noiembrie 65 69 68 66 53 47 41 40decembrie 67 71 66 65 53 45 40 40Sursa INS comunicat nr 54 03032020

Icircn grafi cul numărul 1 este prezentată evoluția ratei șomajului icircn perioada ianuarie 2012 și ianuarie 2020


Evoluţia ratei şomajului icircn perioada 2012-2020

Grafi c 1

Sursa INS comunicat nr 54 03032020

Interpretacircnd datele prezentate icircn tabelul numărul 1 și grafi cul numărul

1 constatăm că rata şomajului icircn luna ianuarie 2020 a scăzut cu 01 față de

rata icircnregistrată icircn luna decembrie 2019 de la 40 la 39 atingacircnd cote

similare lunii octombrie 2019

Totuși rata șomajului icircn Romacircnia icircn luna decembrie 2019 a fost

similară cu cea din decembrie 2018 după o lungă perioadă de scădere din

2011 pacircnă icircn prezent

Urmărind datele prezentate icircn tabelul și grafi cul de mai sus constatăm

o creștere substanțială a ratei șomajului icircn timpul crizei economice din anii

2008-2009 Cu toate acestea trendul descendent care caracterizează rata

șomajului icircncepacircnd cu anul 2004 se păstrează pacircnă icircn prezent atingacircnd valori

minime precum cea de 39 din ianuarie 2020

Este foarte posibil ca această perspectivă de evoluție descendentă să

se schimbe trendul să fi e unul ascendent datorită factorilor actuali precum

pandemia coronavirus (COVID 19) care va fi urmată de o criză economico-

fi nanciară fără precedent (avacircnd icircn vedere aici o serie de domenii blocate icircn

acest moment cum sunt turismul HoReCa și multe altele) și care va infl uența

dezvoltarea economiei naționale și nu numai Astfel această criză care icircși are


rădăcinile icircn pandemia care a lovit tot globul va afecta dezvoltarea tuturor statelor membre ale Uniunii Europene țări icircn care o mare parte din populația

Romacircniei icircși desfășoară activitatea de ani buni Pe cale de consecință o mare

parte din cei care s-au icircntors icircn Romacircnia datorită virusului COVID 19 nu

se vor mai putea icircntoarce la muncă icircn statele membre ale Uniunii Europene

datorită indisponibilității acestor locuri de muncă iar Romacircnia nu are

capacitatea icircn acest moment de a asigura un surplus atacirct de mare de locuri

noi de muncă Așadar rezultatul va fi o creștere substanțială a numărului de

șomeri și implicit a ratei șomajului icircn perioada următoare

Evoluția numărul de şomeri icircn intervalul de timp cuprins icircntre ianuarie 2018 și ianuarie 2020 este prezentată icircn grafi cul numărul 2

Numărul de şomeri icircn perioada ianuarie 2018 ndash ianuarie 2020

Grafi c 2


Interpretacircnd datele prezentate icircn grafi cul numărul 2 constatăm că numărul estimat al şomerilor cu vacircrste cuprinse icircntre 15 și 74 ani pentru luna ianuarie a anului 2020 a fost de 350 de mii de persoane Acesta a fost icircn scădere față de luna decembrie a anului 2019 cacircnd s-au icircnregistrat 366 de mii de persoane fără un loc de muncă cacirct și față de aceeaşi lună a anului 2018 cacircnd s-au icircnregistrat 353 de mii de șomeri Icircn continuare icircn tabelul numărul 2 este prezentată evoluția ratei șomajului pe sexe și vacircrste icircn intervalul cuprins icircntre ianuarie 2019 și ianuarie 2020


Rata şomajului pe sexe icircn perioada ianuarie 2019 ndash ianuarie 2020 ()

Tabel 22019 2020

Ian Feb Mar Apr Mai Iun Iul Aug Sept Oct Nov Dec IanP

Total 15-74 ani 39 38 37 39 39 38 40 38 41 39R 40R 40R 3915-24 ani 154 154 154 164 164 164 175 175 175 177 177 177 25-74 ani 31 30 29 30 29 29 30 29 31 29R 30R 30R 28

Masculin 15-74 ani 43 42 39 43 42 41 44 42 45 44R 45R 47R 4315-24 ani 147 147 147 152 152 152 167 167 167 184 184 184 25-74 ani 34 34 31 35 33 32 34 33 36 33R 34R 35R 31

Feminin 15-74 ani 34 34 33 35 35 34 35 34 34 32R 32R 32R 3315-24 ani 165 165 165 182 182 182 188 188 188 164 164 164 25-74 ani 26 25 25 25 25 25 25 24 24 24R 23R 23R 23


Urmărind datele icircnscrise icircn tabelul numărul 2 icircn ceea ce privește evoluția șomajului pe sexe constatăm că rata şomajului la bărbaţi a depăşit-o cu 1 pe cea a femeilor valorile respective fi ind 43 icircn cazul persoanelor de

sex masculin şi 33 icircn cazul celor de sex feminin

Icircn ceea ce privesc persoanele adulte cu vacircrste cuprinse icircntre 25 și 74 de ani rata şomajului a fost estimată la 28 pentru luna ianuarie 2020 și

icircmpărțind pe sexe rata șomajului va fi de 31 icircn cazul bărbaţilor şi de 23

icircn cel al femeilor

Interesant este faptul că numărul şomerilor cu vacircrste cuprinse icircntre 25

și 74 de ani reprezentă cea mai mare pondere din numărul total al şomerilor

fi ind estimat la 666 pentru luna ianuarie 2020

Pentru a evidenția evoluția numărului de șomeri din Romacircnia icircn

ultimii șaisprezece ani autorii au decis să abordeze problema printr-o analiză

spectrală a seriei cronologice de date care poate pune icircn evidență această

evoluție atacirct din punct de vedere al sezonalității al ciclicității cacirct și icircn

determinarea trendului seriei de date supuse analizei

Analiza spectrală a acestui fenomen economic este posibilă datorită

numărului mare de observații (serie de 192 date lunare din ianuarie 2004 pacircnă

icircn decembrie 2019) de care dispunem la momentul analizei

Desigur analiza spectrală este utilizată icircncă din secolul XIX icircn

analiza fenomenelor care au loc icircn natură fi zică chimie biochimie pornind

de la studiile atomului de hidrogen făcute de Balmer (1885) care a observat

că exista patru lungimi de unda care caracterizează spectrul de lumini ale

atomului de hidrogen studii continuate de Rutherford Bohr și alții care au

transformat rezultatele empirice icircn termeni de constante fi zice fundamentale

ajungacircndu-se icircn prezent la aplicațiile concrete ale analizei spectrale icircn


domenii precum medicină (la investigarea oscilațiilor la nivel cardiologic) icircn criminalistică (la analiza probelor) și multe altele Totuși nelimitacircndu-ne la aceste domenii icircncepacircnd cu anii 1998 au fost făcute o serie de analogii icircntre fenomenele fi zice și cele economice efectuacircndu-se studii aprofundate de o serie de cercetători icircn domeniul econofi zicii care au analizat evoluțiile diverselor fenomene economice pornind de la similitudinile pe care aceste evoluții le au cu manifestările unor fenomene fi zice Așadar analiza spectrală a unui fenomen economic oscilant așa cum reiese din grafi cul numărul 3 care evidențiază evoluția numărului de șomeri icircn perioada ianuarie 2004 ndash decembrie 2019 are ca punct de plecare posibilitatea de a aproxima o oscilație folosind ca bază o serie Fourier

Evoluția numărului de șomeri icircn perioada

ianuarie 2004 ndash decembrie 2019

Grafi c 3


Datele referitoare la evoluția numărului de șomeri icircn intervalul cuprins icircntre ianuarie 2004 și decembrie 2019 sunt structurate icircn tabelul numărul 3




Tabel 3

LUNAanul

2004

anul

2005

anul

2006

anul

2007

anul

2008

anul

2009

anul

2010

anul


LUNAanul

2012

anul

2013

anul

2014

anul

2015

anul

2016

anul

2017

anul

2018

anul


Astfel o evoluție oscilantă determinată de un șir numeric cronologic

cu mai mult de șaizeci de observații cum este cel analizat și prezentat icircn

tabelul numărul 3 poate fi scris sub forma unei sume fi nite de funcții de tip

sinus și cosinus conform relației

(1)

unde = parametrii

T = numărul unitarilor de timp

f = frecventa stabilita inițial

t are valori cuprinse in intervalul [1T]

Ceea ce ne interesează sunt estimațiile parametrilor f f deoarece

acestea sunt cele care duc la aproximarea funcției f(t) prin suma fi nită de


funcții de tip sinus și cosinus Aplicacircnd metoda celor mai mici pătrate vom

urmărim integrala

(2)

Astfel minimizarea funcției presupune egalarea cu zero a derivatelor parțiale de ordinul icircntacirci ceea ce va conduce la următoarele relații de calcul a parametrilor estimați

(3)

(4)

(5) Acești coefi cienți sunt necesari icircn continuarea analizei pentru determinarea indicatorilor specifi ci analizei spectrale cum ar fi amplitudinea

(6) Icircn ceea ce privește funcția de densitate acesta este dată de relația

(7)

unde iar reprezintă coefi cientul de autocorelație

Icircn continuare pentru analiza intensității fl uctuaților generate de oscilațiile procesului analizat datele seriei numerice au fost introduse icircn programul de analiză economică STATISTICA Rezultatele icircn ceea ce privește frecvența oscilațiilor coefi cienții Euler-Fourier cacirct și valorile periodogramei și a densității sunt structurate icircn tabelul numărul 4

Rezultatele analizei spectrale a evoluției numărului de șomeri

Tabel 4Frequency Period Cosine - Coeff s Sine - Coeff s Periodogram Density

0 0000000 -00 00 7087408E-20 1976295E+111 0005208 1920000 -470219 -421011 3824219E+11 2341481E+112 0010417 960000 122517 422116 1854647E+11 2091990E+113 0015625 640000 53411 380278 1415652E+11 1230180E+114 0020833 480000 -22394 -44102 2348624E+09 4968526E+105 0026042 384000 160501 6909 2477611E+10 3088619E+106 0031250 320000 107329 210412 5356092E+10 3869401E+107 0036458 274286 -12150 193691 3615726E+10 3068955E+108 0041667 240000 4441 16234 2719194E+08 1541012E+109 0046875 213333 -103237 96622 1919396E+10 1017850E+10

10 0052083 192000 -29275 -9119 9025946E+08 5306531E+09


Frequency Period Cosine - Coeff s Sine - Coeff s Periodogram Density11 0057292 174545 -31146 -7706 9882589E+08 1550011E+0912 0062500 160000 28773 -1980 7985189E+08 8283512E+0813 0067708 147692 19341 3461 3706019E+08 1149897E+0914 0072917 137143 54499 -17263 3137443E+09 1541127E+0915 0078125 128000 1104 2782 8596698E+06 9467934E+0816 0083333 120000 6979 23466 5754030E+08 6247899E+0817 0088542 112941 8436 30655 9704429E+08 8510287E+0818 0093750 106667 -16631 17383 5556204E+08 1507421E+0919 0098958 101053 43760 48056 4055264E+09 2199750E+0920 0104167 96000 -28179 1168 7636049E+08 1607266E+0921 0109375 91429 -28926 15266 1026990E+09 9579761E+0822 0114583 87273 -10709 -22533 5975491E+08 7449092E+0823 0119792 83478 18846 20462 7428960E+08 6792357E+0824 0125000 80000 21609 -15461 6777568E+08 5512452E+0825 0130208 76800 1153 9991 9709574E+07 4066145E+0826 0135417 73846 19120 18942 6954142E+08 4071885E+0827 0140625 71111 -6529 11124 1597095E+08 3673428E+0828 0145833 68571 16090 -7135 2974087E+08 5558116E+0829 0151042 66207 37680 11527 1490579E+09 7582989E+0830 0156250 64000 2175 2439 1025490E+07 4678957E+0831 0161458 61935 17550 -8417 3636981E+08 2615342E+0832 0166667 60000 6866 10891 1591173E+08 1989396E+0833 0171875 58182 -4918 11165 1428919E+08 1660275E+0834 0177083 56471 4372 -11782 1516068E+08 2059153E+0835 0182292 54857 -5033 19823 4015365E+08 2433442E+0836 0187500 53333 1792 -5903 3653440E+07 2122563E+0837 0192708 51892 19579 3762 3815870E+08 2096995E+0838 0197917 50526 2135 6803 4880669E+07 1460777E+0839 0203125 49231 11368 329 1241585E+08 8881560E+0740 0208333 48000 -5473 1031 2977578E+07 5597546E+0741 0213542 46829 311 4867 2283642E+07 7884605E+0742 0218750 45714 -50 -12669 1540931E+08 2880896E+0843 0223958 44651 21841 -10156 5569607E+08 8353901E+0844 0229167 43636 37735 -29403 2196938E+09 1260081E+0945 0234375 42667 12077 20326 5366199E+08 8768615E+0846 0239583 41739 12663 -11675 2847907E+08 4670799E+0847 0244792 40851 19017 14015 5357473E+08 3477549E+0848 0250000 40000 6844 6289 8293652E+07 1970131E+0849 0255208 39184 3490 -3199 2151690E+07 1549609E+0850 0260417 38400 -4273 -20812 4333358E+08 2245302E+0851 0265625 37647 7160 380 4935820E+07 2223270E+0852 0270833 36923 1618 -17862 3088039E+08 3340425E+0853 0276042 36226 4872 -24032 5772173E+08 5885591E+0854 0281250 35556 21718 -19833 8304218E+08 9172225E+0855 0286458 34909 39859 379 1525307E+09 1113876E+0956 0291667 34286 24220 -15745 8011157E+08 8965911E+0857 0296875 33684 22958 5215 5321083E+08 5827748E+0858 0302083 33103 14748 13063 3726279E+08 3763340E+0859 0307292 32542 7602 -13022 2182645E+08 2505909E+0860 0312500 32000 -3110 2064 1337319E+07 3653285E+0861 0317708 31475 34244 5094 1150623E+09 6449261E+0862 0322917 30968 21295 -3828 4494150E+08 5608376E+0863 0328125 30476 18062 4551 3330585E+08 3156925E+0864 0333333 30000 6838 3631 5754307E+07 1821169E+0865 0338542 29538 6692 7944 1035683E+08 3105489E+0866 0343750 29091 31942 2011 9833404E+08 5315180E+08


Frequency Period Cosine - Coeff s Sine - Coeff s Periodogram Density67 0348958 28657 5653 -3395 4174242E+07 6703481E+0868 0354167 28235 33019 -22951 1552358E+09 1016777E+0969 0359375 27826 4287 -32449 1028438E+09 1097858E+0970 0364583 27429 28755 -8192 8582171E+08 1076235E+0971 0369792 27042 38715 11750 1571441E+09 1057769E+0972 0375000 26667 17738 1844 3053208E+08 8099022E+0873 0380208 26301 28424 18160 1092214E+09 6243478E+0874 0385417 25946 -3807 3053 2286443E+07 3001120E+0875 0390625 25600 1815 -6391 4237406E+07 1262302E+0876 0395833 25263 -965 12610 1535402E+08 2872757E+0877 0401042 24935 25850 -9148 7218239E+08 6156080E+0878 0406250 24615 31312 -1461 9432658E+08 7875365E+0879 0411458 24304 -691 28283 7684111E+08 6117185E+0880 0416667 24000 6835 1685 4757456E+07 2917242E+0881 0421875 23704 7095 -8207 1129840E+08 3072813E+0882 0427083 23415 25110 8875 6809143E+08 7294890E+0883 0432292 23133 39197 5676 1505865E+09 1168705E+0984 0437500 22857 27654 14623 9394560E+08 1526593E+0985 0442708 22588 27661 46942 2849944E+09 1777411E+0986 0447917 22326 -16446 26203 9187635E+08 1172367E+0987 0453125 22069 7396 6602 9436569E+07 5396542E+0888 0458333 21818 22750 -5712 5281759E+08 6218632E+0889 0463542 21573 -2288 36925 1313963E+09 8175731E+0890 0468750 21333 16881 10773 3849900E+08 5725589E+0891 0473958 21099 6763 13125 2092770E+08 3581965E+0892 0479167 20870 16117 12905 4092309E+08 4768318E+0893 0484375 20645 -12977 -24514 7385865E+08 7898710E+0894 0489583 20426 10293 37516 1452837E+09 8683669E+0895 0494792 20211 -6569 -8190 1058198E+08 4384440E+0896 0500000 20000 6834 00 4483328E+07 1748092E+08

Valorile care reprezintă perioadele importante icircn evoluția seriei de date supusă analizei au fost concentrate icircn tabelul numărul 5

Rezultate edifi catoare


1 0005208 1920000 -470219 -421011 3824219E+11 2341481E+112 0010417 960000 122517 422116 1854647E+11 2091990E+113 0015625 640000 53411 380278 1415652E+11 1230180E+116 0031250 320000 107329 210412 5356092E+10 3869401E+107 0036458 274286 -12150 193691 3615726E+10 3068955E+105 0026042 384000 160501 6909 2477611E+10 3088619E+109 0046875 213333 -103237 96622 1919396E+10 1017850E+10

19 0098958 101053 43760 48056 4055264E+09 2199750E+0914 0072917 137143 54499 -17263 3137443E+09 1541127E+0985 0442708 22588 27661 46942 2849944E+09 1777411E+09

Valorile periodogramei raportate la frecventa oscilației sunt prezentate icircn grafi cul numărul 4


Reprezentarea periodogramei icircn funcție de frecvențăGrafi c 4

Spectral analysis VAR1

No of cases 192

000 005 010 015 020 025 030 035 040 045 050

Frequency

0

5E10

1E11

15E11

2E11

25E11

3E11

35E11

4E11

Pe

rio

do

gra

m V

alu

es

0

5E10

1E11

15E11

2E11

25E11

3E11

35E11

4E11

Icircn grafi cul 4 identifi căm pe axa orizontală frecventa de baza

cu armonicele acesteia pana la 96 = 050 iar pe

verticală sunt inregistrate valorile periodogramei

Valorile sunt obținute prin icircnsumarea pătratelor coefi cienților și

multiplicarea rezultatului adunării cu Așadar avem o relație exponențială

icircntre valorile periodogramei și valorile amlpitudinii avacircnd icircn vedere faptul că icircn ambele relații de calcul pentru cele două variabile avem o bază reprezentată de suma pătratelor coefi cienților Totuși diferența dintre determinarea periodogramei și a amplitudinii constă icircn faptul că pentru calculul periodogramei suma pătratelor se icircnmulțește

cu iar valoarea amplitudinii este determinată ca fi ind rădăcina pătrată a

aceleași sume a patratelor coefi cienților Așadar pentru valorile maxime ale periodogramei vom avea icircn corespondență valori maxime ale amplitudinii Icircn ceea ce privește dependența amplitudinii față de priodogramă aceasta poate fi determinată conform relației


(8)unde A= amplitudinea Vp = valoarea periodogramei T = numarul unităților de timp ale seriei (icircn cazul analizat numărul de luni)

Interpretacircnd datele din grafi cul numărul 4 și tabelul numărul 5 constatăm că cele mai importante oscilații apar la 192 luni caz icircn care mărimea periodogramei aferente acesteia are valoarea de 3824219 multiplicată cu zece la puterea a unsprezecea și de asemenea la 96 de luni caz icircn care mărimea periodogramei aferente acesteia are valoarea de 1854647 multiplicată cu zece la puterea a unsprezecea Așadar notăm că vacircrfurile oscilațiilor icircn ceea ce privește evoluția numărului de șomeri din Romacircnia se icircnregistrează la 192 luni și respectiv 96 luni Avacircnd icircn vedere faptul că amplitudinea este mare pentru perioade mai mari decacirct 12 luni (icircn cazul analizat la 192 și 96 luni) rezultă că nu putem semnala o infl uență accentuată a sezonalității fapt așteptat de altfel deoarece așa cum s-a amintit și icircn precizările metodologie prezentate mai sus seria de date utilizată icircn această analiză pe care au avut-o autorii icircn atenție este ajustată sezonier cu pachetul de programe DEMETRA utilizacircnd metoda TRAMOSEATS cu ajutorul căreia s-au corectat valorile extreme Icircn aceeași ordine de idei interpretacircnd datele structurate icircn tabelul numărul 3 putem identifi ca unele oscilații ale numărului de șomeri cu amplitudini mai mari icircn sezonul rece și ceva mai mici icircn cel cald ceea ce indică o anumită infl uență a sezonalității asupra evoluției numărului de șomeri din Romacircnia Acestea se datorează pe de o parte condițiilor climatice pe care le oferă Romacircnia iar pe de altă parte a migrării forței de muncă icircn statele membre ale Uniunii Europene la muncă icircn domeniile precum agricultură legumicultură persoane care la reicircntoarcerea icircn țară nu pot ocupa un loc de muncă și recurg la accesa fondurilor destinate ajutorului de șomaj De asemenea alt domeniu afectat de sezonalitate icircn care un număr mare de persoane icircși găsesc locul este cel al construcțiilor domeniu care icircn sezonul rece icircși restracircnge activitatea datorită condițiilor nefavorabile care infl uențează serios acest domeniu Existența tendinței este semnalată de valorile mari ale amplitudinii (semnalate de periodograma icircn tabelul numărul 5 coloana șase) pentru frecvențe mai mici decacirct valoarea unitară (tabelul numărul 5 coloana doi) De asemenea trendul descendent al seriei este confi rmat și de valorile icircnregistrate și prezentate icircn grafi cul numărul 3


Datorită amplitudinilor mari icircnregistrate pentru perioadele mai mari decacirct un an (192 luni 96 luni 64 luni) duc la concluzia că putem confi rma prezența ciclicitații evoluției numărului de șomeri Acest aspect reise și din grafi cul numărul 3 de unde putem constata că numărul de șomeri crește icircn perioadele difi cle ale evoluției economice (criza economică din 2008-2009) și scade icircn perioadele de relansare economică Icircn grafi cul numărul 5 este prezentată evoluția densitații spectrale icircn funcție de mărimea frecvenței

Reprezentarea densitații spectrale icircn funcție de frecvențăGrafi c 5


No of cases 192

Hamming weights0357 2411 4464 2411 0357

000 005 010 015 020 025 030 035 040 045 050

Frequency

0

5E10

1E11

15E11

2E11

25E11

Sp

ectr

al D

en

sity

0

5E10

1E11

15E11

2E11

25E11

Interpretacircnd datele prezentate icircn grafi cul numărul 5 și icircn tabelul numărul 5 constatăm că vacircrfurile maxime icircnregistrate de densitatea spectrală icircn funcție de frecvență sunt tot la 192 luni și 96 luni fapt așteptat de altfel deoarece valorile densității spectrale sunt analoage celor ale periodogramei prin icircnsăși formula de calcul a acesteia care reprezintă prima derivată a funcției spectrului procesului Icircn continuare autorii au analizat coefi cienții Fourier (sinus și cosinus) generacircnd cu ajutorul programului de analiză STATISTICA grafi cele numerele 6 și 7


Reprezentarea coefi cienților Fourier (sinus)Grafi c 6


No of cases 192

000 005 010 015 020 025 030 035 040 045 050

Frequency

-60000

-40000

-20000

0

20000

40000

60000

Sin

e C

oe

ffic

ien

ts

-60000

-40000

-20000

0

20000

40000

60000

Interpretacircnd datele prezentate icircn grafi cul numărul 6 se observă că coefi cientul sinus icircnregistrează icircn general valori cuprinse icircn intervalul -10000 și 10000 cu cacircteva excepții care se icircncadrează atacirct icircn zona pozitivă cacirct și cea negativă Astfel maximul valorii icircnregistrate de coefi cientul sinus pentru seria supusă analizei este aferentă perioadei de 92 luni avacircnd valoarea de 422116 și 192 luni avacircnd valoarea de -421011


Reprezentarea coefi cienților Fourier (cosinus)Grafi c 7

13

$

amp

$$

Icircn ceea ce privește coefi cientul cosinus conform grafi cului numărul 7 constatăm că acesta icircnregistrează icircn general valori cuprinse icircn intervalul -5000 și 5000 dar plasate mai mult icircn zona pozitivă Există o singură excepție maximul acestei valori icircnregistrate fi ind negativă și anume -470219 pentru 192 luni restul valorilor fi ind destul de compacte

Concluzii Analiza articolului ocuparea și șomajul icircn Romacircnia conduce la unele concluzii teoretice dar mai ales practice Icircn primul racircnd se clarifi că că raportul dintre ocuparea populației și numărul de șomeri este dat pe capacitatea economiei de a răspunde ofertei pieței muncii și a angaja persoanele respective Desigur există locuri vacante care se scot la concurs să spunem așa pentru ocupare dar icircn cele mai multe cazuri acestea nu se realizează deoarece nu sunt icircntrunite condițiile de corelare a ofertei pieței muncii și cerințele din mediul economic De aceea o primă concluzie este aceea că pregătirea forței de muncă prin cei care absolvă studii sau reconversii profesionale să fi e aduse cacirct mai aproape de cerințele mediului economic O a doua concluzie este aceea că numărul șomerilor va putea să scadă nu numai prin emigrarea acestora icircn alte zone geografi ce din Europa sau de pe


glob ci mai ales prin investiții care să asigure crearea de noi locuri de muncă care să fi e icircn concordanță și cu oferta pieței muncii așa icircncacirct o parte icircnsemnată dintre aceste persoane a populației să fi e sorbită să treacă icircn categoria forței de muncă angajate și nu icircn categoria șomerilor De asemenea o altă corelație care trebuie avută icircn vedere este aceea că perioada de sprijin icircn perioada de șomaj este limitată după care aceste persoane devin neocupate și icircși aleg alte căi de ași rezolva nevoile de venituri pentru viață și familie fi e prin a lucra la negru piață cenușie sau cum vreți să-i spunem fi e prin a migra icircn exterior O altă concluzie care se desprinde este aceea că icircn programul fi ecărui guvern trebuie să stea preocuparea ca cei care pleacă să icircși găsească loc de muncă icircn exterior să meargă pe baze contractuale pe bază de studiu și cunoașterea a piețelor unde se duc așa icircncacirct aceștia să-și dobacircndească drepturile care se prevăd icircn carta drepturilor salariaților din Uniunea Europeană dar mai ales icircn codul muncii din Romacircnia

Bibliografi e 1 Anghelache C Angel MG (2018) Econometrie generală Teorie și studii de caz


Economică București 3 GeorgescuV Delureanu SM (2015) Advanced Spectral Methods and Their

Potential in Forecasting Fuzzy-Valued and Multivariate Financial Time Series Advances in Intelligent Systems and Computing Springer-Verlag 129-140

4 Golyandina N Zhigljavsky A (2013) Singular Spectrum Analysis for time series Springer Briefs in Statistics Springer

5 Hassani H Zhigljavsky A (2009) Singular Spectrum Analysis Methodology and Application to Economics Data Journal of System Science and Complexity 22 372ndash394

6 Iacob ȘV (2019) - Utilizarea metodelor statistico-econometrice și econofi zice icircn analize economice Ed Economică

7 Nave CR (2006)rdquoHydrogen Spectrumrdquo HyperPhysics Georgia State University Retrieved March 1 2008

8 Pecican ES (2009) Econometrie pentru economisti Editura economica Bucuresti

9 Peijie Wang Trefor J (2010) A Spectral Analysis of Business Cycle Patterns in UK Sectoral Output

10 Priestley MB (1971) Time-dependent spectral analysis and its application in prediction and control Journal of Sound and Vibration

11 Priestley MB (1996) Wavelets and Time-Dependent Spectral Analysis Journal of Time Series Analysis

12 Priestley MB (1996) Sprectral Analysis and Time Seties Academic Press London


MODEL FOR ANALYZING THE EVOLUTION OF EMPLOYMENT AND

UNEMPLOYMENT IN ROMANIA


Artifex University of BucharestElena MĂHĂREA Student (eelepsa98yahoocom)


Abstract By occupation we mean all those persons aged 15 years and over who have carried out an economic activity producing goods or services for at least one hour during the reference period of one week in order to obtain some income in the form of wages payment in kind or other benefi ts This is the population employed in the broadest terms From this population employed on criteria and categories of employment contracts are those that form the contingent of the employed labor force Of course the article does not refer to the labor force but we make a small emphasis that in this context there is a labor force employed for an indefi nite or determined period depending on which one of the conclusions can be drawn The employed population also includes the unemployed those who do not have a job but do not fi nd a job in the labor market those who had a job but lost it in the case of restructuring companies some policies governmental and so on It is important to analyze the relationship between this employed population and the number of unemployed The article presents the evolution and situation of the employed population in the fourth quarter of 2019 and then discusses the number of unemployed The population included among the unemployed approximately 364 thousand people in December 2019 should be the quota for completing the workforce according to the requirements of the labor market or according to the growth of jobs in the national economy The article points out these aspects that are essential Keywords labor force unemployment labor market employed population migration JEL classifi cation C13 C15 J20 J60


Introduction In the case of this article on employment and unemployment in Romania and perspectives the authors started from a concrete analysis of the situation of the population in Romania starting from the structure of the active population employed population number of employees and unemployed to highlight how the off er of labor meets the needs of the economy in this

perspective of the analysis we undertake

From this point of view some data tables were presented which

show that until December 2019 the evolution was positive decreasing the

number of unemployed by occupying them but in a diff erent order of ideas and

by the migration element in which the population In the fi eld of employment

without the possibility of employment and entry into the labor force he

preferred according to European directives on the free movement of persons

to fi nd employment in other states This is happening at least in the European

Union if not in other countries of the world

Employment employment and unemployment are an important

element of the analysis The authors started from identifying the situation that

was in the fourth quarter of 2019 in terms of changing the number of employed

population in an evolutionary scale over time correlated with the number of

unemployed because the employed population is found in Romanian statistics

such as and those of Eurostat or worldwide at the level of the International

Statistical Organization in the employed and unemployed population these

being the active population that must exist in total at some point

These categories are presented after a presentation of the criteria

of some methodological aspects that defi ne the statistical categories the

indicators used in the sense of ease of understanding from the point of view of

those who will study this article

The article is accompanied by graphs data series that are edifying

and complementary being the clear proof of proving the conclusions that the

authors drew from this analysis

Literature review Anghelache și Angel (2016 2018) approaches from a theoretical point of view the general economic problems and makes a series of statistical-econometric analyzes on the various economic phenomena correlated with the presented theoryGeorgescu și Delureanu (2015) addresses some methods of spectral analysis and highlights their potential in forecasting fi nancial time seriesGolyandina și Zhigljavsky (2013) are concerned with the analysis of the singular spectrum for time seriesHassani și Zhigljavsky (2009) presents the methodology and application of economic data regarding the analysis


of the single spectrum Iacob (2019) addresses certain concrete statistical-econometric analyzes on some economic phenomena using spectral analysis in the analysis of large chronological data series Nave (2006) presents the usefulness of spectral investigation in the analysis of the hydrogen atom and other elementsPecican (2009) approaches various methods of statistical-econometric analysis and points to spectral analysis that can be applied to large chronological series Peijie și Trefor (2010) they make a spectral analysis of the economic cycles that infl uence the sectoral evolution in Great

Britain Priestley MB (1971 1996) is concerned about the possibility of

using spectral analysis in economic forecasting


In this article the authors considered it important to bring in advance

some methodological clarifi cations that underlie the analyzes to be made

Thus the source of the data is the Statistical Survey on the Labor Force in

Households (AMIGO) which is carried out quarterly in accordance with

Council and European Parliament Regulation No 5771998 on the organization

of a selective statistical survey on the labor force in the European Community

According to the international defi nition (ILO - International Labor

Offi ce) the unemployed are people between the ages of 15 and 74 who

simultaneously meet the following three conditions they do not have a job

are available to start work in the next two weeks and -have been actively

looking for a job anytime during the last four weeks

In terms of the unemployment rate this represents the share of the

unemployed in the active population and the active population from an

economic point of view includes all persons who provide labor available for

the production of goods and services during the reference period including

the employed and unemployed

The registered unemployed are the persons in the records of the

National Agency for Employment (ANOFM) who benefi t from the provisions of the legislation on social protection of the unemployed Statistical indicators monthly unemployment and registered unemployment are not comparable because the data sources measurement methods concepts defi nitions and scope are diff erent The applied estimation methodology is based on statistical-econometric methods that level the data series with linear tendency Thus the forecasted values are derived from the data provided by the statistical survey on labor force in households based on smoothing coeffi cients which correct

the level and trend of the series in gross (unadjusted) form The smoothing

coeffi cients are determined by minimizing the forecast errors


The data used are in a form adjusted by the number of working days and seasonality thus eliminating the eff ect of these variations Seasonal

adjustment of the data series was done with the DEMETRA software package

using the TRAMO SEATS method which helps to correct extreme values

Thus the seasonally adjusted series were obtained by removing the seasonal

component from the original series

The degree of reliability of the estimates for the indicators

corresponding to the category of young people in the age group between 15

and 24 years is extremely low with a low number of observation cases and

the series obtained show a high degree of volatility Therefore quarterly data

are disseminated for the youth category ie the data presented for January

February and March are equal and refer to the fi rst quarter The data for young

people are disseminated as provisional data two months after the end of the

reference quarter and fi nalized with the completion of the estimates for the

AMIGO statistical survey in the corresponding quarter

The entire series was calculated according to the re-estimated resident

population in terms of comparability with the results of the 2011 Population

and Housing Census

Unemployment rate and unemployment indicators are disseminated

on a monthly basis as provisional data and are subject to quarterly revisions

as new information becomes available so that the January February and

March benchmarks are published on a provisional basis at the end of February

March and April respectively and are revised in May and the indicators with

reference period April May and June are published provisionally at the end of

May June and July respectively and are revised in August and the indicators

with reference period July August and September is published provisionally

at the end of August September and October respectively and is revised in

November and the indicators with reference period October November and

December are published provisionally at the end of November December the

current year and January of the following year and I reviewed in February next

year

Data results and discussions In the analysis that follows in this article the authors used data series

related to various time periods tables and graphical representations that

highlight the evolution of the number of unemployed and the unemployment

rate in Romania by various age categories sexes and total

Thus the data on the evolution of the unemployment rate in the period

between January 2004 and December 2019 are structured in table number 1


Unemployment rate between January 2004 and December 2019Table 1

MONTHyear 2004

year 2005

year 2006

year 2007

year 2008

year 2009

year 2010

year 2011

January 85 78 69 66 58 59 71 71February 75 80 73 68 58 63 71 69March 77 79 69 66 58 60 73 69April 84 72 71 67 55 61 67 70May 77 73 71 65 57 63 69 71June 82 71 69 66 57 63 68 69July 79 68 74 63 55 67 70 72August 82 66 72 62 54 67 71 73September 79 65 74 61 54 70 69 73October 80 69 71 59 57 69 69 73November 79 68 71 59 54 70 71 75December 79 66 72 58 58 69 69 74

MONTHyear 2012

year 2013

year 2014

year 2015

year 2016

year 2017

year 2018

year 2019

January 71 68 69 71 64 51 44 39February 68 69 70 71 62 52 43 38March 70 71 70 69 62 52 42 37April 69 74 69 70 61 49 44 39May 70 71 68 69 61 52 43 39June 67 76 69 68 60 51 42 38July 69 69 67 66 59 49 42 40August 67 70 68 68 58 49 42 38September 68 69 65 67 60 49 40 41October 66 72 68 66 54 47 41 39November 65 69 68 66 53 47 41 40December 67 71 66 65 53 45 40 40Source INS communique no 54 03032020

Graph number 1 shows the evolution of the unemployment rate between January 2012 and January 2020


Evolution of the unemployment rate in the period 2012-2020Graph 1

Source INS communique no 54 03032020

Interpreting the data presented in table number 1 and chart number 1 we fi nd that the unemployment rate in January 2020 decreased by 01 compared to the rate recorded in December 2019 from 40 to 39 reaching quotas similar to October 2019 However the unemployment rate in Romania in December 2019 was similar to that of December 2018 after a long period of decline from 2011 to the present Following the data presented in the table and graph above we fi nd a substantial increase in the unemployment rate during the economic crisis of 2008-2009 However the downward trend that characterizes the unemployment rate since 2004 is maintained until now reaching minimum values such as 39 in January 2020 It is very possible that this downward trend will change the trend will be upward due to current factors such as the pandemic coronavirus (COVID 19) which will be followed by an unprecedented economic and fi nancial crisis (given here a number of areas currently blocked such as tourism HoReCa and many others) and which will infl uence the development of the national

economy and beyond Thus this crisis which has its roots in the pandemic


that has hit the globe will aff ect the development of all member states of the

European Union countries where a large part of Romaniarsquos population has

been operating for years As a consequence a large part of those who returned

to Romania due to the COVID virus 19 will not be able to return to work in

the Member States of the European Union due to the unavailability of these

jobs and Romania does not have the capacity to do so time to ensure such a

large surplus of new jobs Therefore the result will be a substantial increase in

the number of unemployed and thus the unemployment rate in the next period

The evolution of the number of unemployed in the time interval between

January 2018 and January 2020 is presented in graph number 2

Number of unemployed in the period January 2018 - January 2020Graph 2


Interpreting the data presented in graph number 2 we fi nd that the

estimated number of unemployed people aged between 15 and 74 for January

2020 was 350 thousand people It was decreasing compared to December

2019 when 366 thousand people were registered without a job as well as

compared to the same month of 2018 when 353 thousand unemployed were

registered

Below in table number 2 the evolution of the unemployment rate by

sex and age in the period between January 2019 and January 2020 is presented


Sex unemployment rate in January 2019 - January 2020 ()Table 2

2019 2020Jan Feb Mar Apr May Iun Iul Aug Sept Oct Nov Dec Jan

Total 15-74 years 39 38 37 39 39 38 40 38 41 39R 40R 40R 3915-24 years 154 154 154 164 164 164 175 175 175 177 177 177 25-74 years 31 30 29 30 29 29 30 29 31 29R 30R 30R 28

Male 15-74 years 43 42 39 43 42 41 44 42 45 44R 45R 47R 4315-24 years 147 147 147 152 152 152 167 167 167 184 184 184 25-74 years 34 34 31 35 33 32 34 33 36 33R 34R 35R 31

Female 15-74 years 34 34 33 35 35 34 35 34 34 32R 32R 32R 3315-24 years 165 165 165 182 182 182 188 188 188 164 164 164 25-74 years 26 25 25 25 25 25 25 24 24 24R 23R 23R 23


Following the data entered in table number 2 regarding the evolution of unemployment by sex we fi nd that the unemployment rate for men exceeded by 1 that of women these values being 43 for males and 3 3 in the case of females For adults aged 25 to 74 the unemployment rate has been estimated at 28 for January 2020 and the gender unemployment rate will be 31 for men and 2 3 in that of women Interestingly the number of unemployed people aged between 25 and 74 represents the largest share of the total number of unemployed being estimated at 666 for January 2020 In order to highlight the evolution of the number of unemployed in Romania in the last sixteen years the authors decided to address the issue through a spectral analysis of the time series which can highlight this evolution both in terms of seasonality cyclicality as well as in determining the trend of the data series subject to analysis The spectral analysis of this economic phenomenon is possible due to the large number of observations (series of 192 monthly data from January 2004 to December 2019) that we have at the time of analysis Of course spectral analysis has been used since the nineteenth century in the analysis of phenomena that occur in nature physics chemistry biochemistry starting from studies of the hydrogen atom by Balmer (1885) who observed that there are four wavelengths that characterize the light spectrum of the hydrogen atom studies continued by Rutherford Bohr and others who transformed the empirical results in terms of fundamental physical constants reaching now the concrete applications of spectral analysis in fi elds such as medicine (to investigate cardiac oscillations) in forensics (in the analysis of evidence) and many others However not limiting ourselves to


these fi elds since 1998 a series of analogies have been made between physical and economic phenomena conducting in-depth studies by a number of researchers in the fi eld of economophysics who have analyzed the evolutions of various economic phenomena starting from to the similarities that these evolutions have with the manifestations of some physical phenomena Therefore the spectral analysis of an oscillating economic phenomenon as shown in graph number 3 which shows the evolution of the number of unemployed between January 2004 and December 2019 has as a starting point the possibility to approximate an oscillation using a Fourier series as a basis

Evolution of the number of unemployed in the period January 2004 - December 2019

Graph 3


The data on the evolution of the number of unemployed between January 2004 and December 2019 are structured in table number 3



Table 3

MONTHyear 2004

year 2005

year 2006

year 2007

year 2008

year 2009

year 2010

year 2011


MONTHyear 2012

year 2013

year 2014

year 2015

year 2016

year 2017

year 2018

year 2019


Thus an oscillating evolution determined by a chronological numerical sequence with more than sixty observations such as the one analyzed and presented in table number 3 can be written as a fi nite sum of sine and cosine functions according to the relation

(1)

where = parametersT = number of time unitsf = initially set frequencyt has values in the range [1T]

What interests us are the parameter estimates f f because these are the ones that lead to the approximation of the function f(t) by the fi nite sum of


sine and cosine functions Applying the least squares method we will follow the integral

(2) Thus the minimization of the function implies the equalization with zero of the fi rst order partial derivatives which will lead to the following calculation relations of the estimated parameters

(3)

(4)

(5) These coeffi cients are required in further analysis to determine specifi c

indicators of spectral analysis such as amplitude

(6)

Regarding the density function it is given by the relation

(7)

where and represents the autocorrelation coeffi cient

Further for the analysis of the fl uctuation intensity generated by the oscillations of the analyzed process the data of the numerical series were introduced in the STATISTICA economic analysis program The results in terms of oscillation frequency Euler-Fourier coeffi cients as well as

periodogram and density values are structured in table number 4

Results of the spectral analysis of the evolution of the number of unemployed

Table 4Frequency Period Cosine - Coeff s Sine - Coeff s Periodogram Density

0 0000000 -00 00 7087408E-20 1976295E+111 0005208 1920000 -470219 -421011 3824219E+11 2341481E+112 0010417 960000 122517 422116 1854647E+11 2091990E+113 0015625 640000 53411 380278 1415652E+11 1230180E+114 0020833 480000 -22394 -44102 2348624E+09 4968526E+105 0026042 384000 160501 6909 2477611E+10 3088619E+106 0031250 320000 107329 210412 5356092E+10 3869401E+107 0036458 274286 -12150 193691 3615726E+10 3068955E+108 0041667 240000 4441 16234 2719194E+08 1541012E+10


Frequency Period Cosine - Coeff s Sine - Coeff s Periodogram Density9 0046875 213333 -103237 96622 1919396E+10 1017850E+10

10 0052083 192000 -29275 -9119 9025946E+08 5306531E+0911 0057292 174545 -31146 -7706 9882589E+08 1550011E+0912 0062500 160000 28773 -1980 7985189E+08 8283512E+0813 0067708 147692 19341 3461 3706019E+08 1149897E+0914 0072917 137143 54499 -17263 3137443E+09 1541127E+0915 0078125 128000 1104 2782 8596698E+06 9467934E+0816 0083333 120000 6979 23466 5754030E+08 6247899E+0817 0088542 112941 8436 30655 9704429E+08 8510287E+0818 0093750 106667 -16631 17383 5556204E+08 1507421E+0919 0098958 101053 43760 48056 4055264E+09 2199750E+0920 0104167 96000 -28179 1168 7636049E+08 1607266E+0921 0109375 91429 -28926 15266 1026990E+09 9579761E+0822 0114583 87273 -10709 -22533 5975491E+08 7449092E+0823 0119792 83478 18846 20462 7428960E+08 6792357E+0824 0125000 80000 21609 -15461 6777568E+08 5512452E+0825 0130208 76800 1153 9991 9709574E+07 4066145E+0826 0135417 73846 19120 18942 6954142E+08 4071885E+0827 0140625 71111 -6529 11124 1597095E+08 3673428E+0828 0145833 68571 16090 -7135 2974087E+08 5558116E+0829 0151042 66207 37680 11527 1490579E+09 7582989E+0830 0156250 64000 2175 2439 1025490E+07 4678957E+0831 0161458 61935 17550 -8417 3636981E+08 2615342E+0832 0166667 60000 6866 10891 1591173E+08 1989396E+0833 0171875 58182 -4918 11165 1428919E+08 1660275E+0834 0177083 56471 4372 -11782 1516068E+08 2059153E+0835 0182292 54857 -5033 19823 4015365E+08 2433442E+0836 0187500 53333 1792 -5903 3653440E+07 2122563E+0837 0192708 51892 19579 3762 3815870E+08 2096995E+0838 0197917 50526 2135 6803 4880669E+07 1460777E+0839 0203125 49231 11368 329 1241585E+08 8881560E+0740 0208333 48000 -5473 1031 2977578E+07 5597546E+0741 0213542 46829 311 4867 2283642E+07 7884605E+0742 0218750 45714 -50 -12669 1540931E+08 2880896E+0843 0223958 44651 21841 -10156 5569607E+08 8353901E+0844 0229167 43636 37735 -29403 2196938E+09 1260081E+0945 0234375 42667 12077 20326 5366199E+08 8768615E+0846 0239583 41739 12663 -11675 2847907E+08 4670799E+0847 0244792 40851 19017 14015 5357473E+08 3477549E+0848 0250000 40000 6844 6289 8293652E+07 1970131E+0849 0255208 39184 3490 -3199 2151690E+07 1549609E+0850 0260417 38400 -4273 -20812 4333358E+08 2245302E+0851 0265625 37647 7160 380 4935820E+07 2223270E+0852 0270833 36923 1618 -17862 3088039E+08 3340425E+0853 0276042 36226 4872 -24032 5772173E+08 5885591E+0854 0281250 35556 21718 -19833 8304218E+08 9172225E+0855 0286458 34909 39859 379 1525307E+09 1113876E+0956 0291667 34286 24220 -15745 8011157E+08 8965911E+0857 0296875 33684 22958 5215 5321083E+08 5827748E+0858 0302083 33103 14748 13063 3726279E+08 3763340E+0859 0307292 32542 7602 -13022 2182645E+08 2505909E+0860 0312500 32000 -3110 2064 1337319E+07 3653285E+0861 0317708 31475 34244 5094 1150623E+09 6449261E+0862 0322917 30968 21295 -3828 4494150E+08 5608376E+0863 0328125 30476 18062 4551 3330585E+08 3156925E+0864 0333333 30000 6838 3631 5754307E+07 1821169E+08


Frequency Period Cosine - Coeff s Sine - Coeff s Periodogram Density65 0338542 29538 6692 7944 1035683E+08 3105489E+0866 0343750 29091 31942 2011 9833404E+08 5315180E+0867 0348958 28657 5653 -3395 4174242E+07 6703481E+0868 0354167 28235 33019 -22951 1552358E+09 1016777E+0969 0359375 27826 4287 -32449 1028438E+09 1097858E+0970 0364583 27429 28755 -8192 8582171E+08 1076235E+0971 0369792 27042 38715 11750 1571441E+09 1057769E+0972 0375000 26667 17738 1844 3053208E+08 8099022E+0873 0380208 26301 28424 18160 1092214E+09 6243478E+0874 0385417 25946 -3807 3053 2286443E+07 3001120E+0875 0390625 25600 1815 -6391 4237406E+07 1262302E+0876 0395833 25263 -965 12610 1535402E+08 2872757E+0877 0401042 24935 25850 -9148 7218239E+08 6156080E+0878 0406250 24615 31312 -1461 9432658E+08 7875365E+0879 0411458 24304 -691 28283 7684111E+08 6117185E+0880 0416667 24000 6835 1685 4757456E+07 2917242E+0881 0421875 23704 7095 -8207 1129840E+08 3072813E+0882 0427083 23415 25110 8875 6809143E+08 7294890E+0883 0432292 23133 39197 5676 1505865E+09 1168705E+0984 0437500 22857 27654 14623 9394560E+08 1526593E+0985 0442708 22588 27661 46942 2849944E+09 1777411E+0986 0447917 22326 -16446 26203 9187635E+08 1172367E+0987 0453125 22069 7396 6602 9436569E+07 5396542E+0888 0458333 21818 22750 -5712 5281759E+08 6218632E+0889 0463542 21573 -2288 36925 1313963E+09 8175731E+0890 0468750 21333 16881 10773 3849900E+08 5725589E+0891 0473958 21099 6763 13125 2092770E+08 3581965E+0892 0479167 20870 16117 12905 4092309E+08 4768318E+0893 0484375 20645 -12977 -24514 7385865E+08 7898710E+0894 0489583 20426 10293 37516 1452837E+09 8683669E+0895 0494792 20211 -6569 -8190 1058198E+08 4384440E+0896 0500000 20000 6834 00 4483328E+07 1748092E+08

The values representing the important periods in the evolution of the data series under analysis were concentrated in table number 5

Enabling results


1 0005208 1920000 -470219 -421011 3824219E+11 2341481E+112 0010417 960000 122517 422116 1854647E+11 2091990E+113 0015625 640000 53411 380278 1415652E+11 1230180E+116 0031250 320000 107329 210412 5356092E+10 3869401E+107 0036458 274286 -12150 193691 3615726E+10 3068955E+105 0026042 384000 160501 6909 2477611E+10 3088619E+109 0046875 213333 -103237 96622 1919396E+10 1017850E+10

19 0098958 101053 43760 48056 4055264E+09 2199750E+0914 0072917 137143 54499 -17263 3137443E+09 1541127E+0985 0442708 22588 27661 46942 2849944E+09 1777411E+09

The values of the periodogram related to the oscillation frequency are presented in graph number 4


Representation of the periodogram by frequencyGraph 4


No of cases 192

000 005 010 015 020 025 030 035 040 045 050

Frequency

0

5E10

1E11

15E11

2E11

25E11

3E11

35E11

4E11

Pe

rio

do

gra

m V

alu

es

0

5E10

1E11

15E11

2E11

25E11

3E11

35E11

4E11

In graph 4 we identify on the horizontal axis the base frequency

with its harmonics up to 96 = 050 and the

periodogram values are recorded vertically

The values are obtained by summing the squares of the coeffi cients and

multiplying the result of the addition by T 2 Therefore we have an exponential

relationship between the values of the periodogram and the values of the amplitude

considering the fact that in both calculation relations for the two variables we

have a basis represented by the sum of the squares of the coeffi cients

However the diff erence between determining the periodogram and

the amplitude is that for calculating the periodogram the sum of the squares

is multiplied by T 2 and the value of the amplitude is determined as the

square root of the same sum of the squares of the coeffi cients Therefore for

the maximum values of the periodogram we will have in correspondence

maximum values of the amplitude

Regarding the dependence of the amplitude on the priodogram it can

be determined according to the relation


(8)where A= amplitude Vp = the value of the periodogram

T = number of time units of the series (in case of analyzed number of months)

Interpreting the data from graph number 4 and table number 5 we fi nd that the most important oscillations appear at 192 months in which case the size of the periodogram related to it has the value of 3824219 multiplied by ten to the power of eleven and also to 96 Monday in which case the size of the periodogram related to it has the value of 1854647 multiplied by ten to the eleventh power Therefore we note that the peaks of the oscillations regarding the evolution of the number of unemployed in Romania are registered at 192 months and 96 months respectively Given the fact that the amplitude is high for periods longer than 12 months (in the case analyzed at 192 and 96 months) it follows that we can not signal an increased infl uence of seasonality which is expected otherwise

because as mentioned in the specifi cations methodology presented above the

data series used in this analysis that the authors had in mind is seasonally

adjusted with the DEMETRA software package using the TRAMO SEATS

method with the help of which the extreme values were corrected

In the same order of ideas interpreting the structured data in table

number 3 we can identify some oscillations of the number of unemployed

with higher amplitudes in the cold season and slightly lower in the hot season

which indicates a certain infl uence of seasonality on the evolution of the

number of unemployed unemployed in Romania These are due on the one

hand to the climatic conditions that Romania off ers and on the other hand to

the migration of labor in the Member States of the European Union to work

in fi elds such as agriculture vegetable growing people who cannot return to work employment and access to unemployment benefi ts Also another fi eld aff ected by seasonality in which a large number of people fi nd their place is

that of construction a fi eld that in the cold season restricts its activity due to

unfavorable conditions that seriously infl uence this fi eld

The existence of the trend is signaled by the high amplitude values (indicated

by the periodogram in table number 5 column six) for frequencies lower than

the unit value (table number 5 column two) Also the downward trend of the

series is confi rmed by the values recorded and presented in chart number 3

Due to the large amplitudes recorded for periods longer than one

year (192 months 96 months 64 months) I conclude that we can confi rm the


presence of cyclicality of the evolution of the number of unemployed This aspect also emerges from graph number 3 where we can see that the number of unemployed increases in diffi cult periods of economic evolution (economic

crisis of 2008-2009) and decreases in periods of economic recovery

Graph number 5 shows the evolution of spectral density depending on the size

of the frequency

Representation of spectral density as a function of frequencyGraph 5


No of cases 192

Hamming weights0357 2411 4464 2411 0357

000 005 010 015 020 025 030 035 040 045 050

Frequency

0

5E10

1E11

15E11

2E11

25E11

Sp

ectr

al D

en

sity

0

5E10

1E11

15E11

2E11

25E11

Interpreting the data presented in graph number 5 and in table number

5 we fi nd that the maximum peaks recorded by the spectral density as a function of frequency are also 192 months and 96 months which is expected otherwise because the values of spectral density are analogous to the periodogram itself its calculation formula which represents the fi rst derivative of the process spectrum function Next the authors analyzed the Fourier coeffi cients (sine and cosine)

generating with the help of the STATISTICA analysis program the graphs

numbers 6 and 7


Representation of Fourier coeffi cients (sine)

Graph 6


No of cases 192

000 005 010 015 020 025 030 035 040 045 050

Frequency

-60000

-40000

-20000

0

20000

40000

60000

Sin

e C

oe

ffic

ien

ts

-60000

-40000

-20000

0

20000

40000

60000

Interpreting the data presented in graph number 6 it is observed that the sinus coeffi cient generally registers values between -10000 and 10000

with a few exceptions that fall into both the positive and negative areas Thus

the maximum value recorded by the sinus coeffi cient for the series under

analysis is related to the period of 92 months with a value of 422116 and

192 months with a value of -421011


Representation of Fourier coeffi cients (cosine)

Graph 7

13

$

amp

$$

Regarding the cosine coeffi cient according to graph number 7 we

fi nd that it generally registers values between -5000 and 5000 but placed more in the positive area There is only one exception the maximum of this recorded value being negative namely -470219 for 192 months the rest of the values being quite compact

Conclusions

The analysis of the article employment and unemployment in Romania leads to some theoretical but especially practical conclusions First of all it is clarifi ed that the ratio between employment and the number of unemployed is given on the ability of the economy to respond to the labor market supply and to employ those people Of course there are vacancies that are put up for competition so to speak for employment but in most cases they are not fi lled because the conditions for correlating the labor market supply with the requirements of the economic environment are not met Therefore a fi rst conclusion is that the training of the workforce through those who graduate or retrain to be brought as close as possible to the requirements of the economic environment


A second conclusion is that the number of unemployed will be able to decrease not only by migrating to other geographical areas in Europe or around the world but especially by investing to ensure the creation of new jobs which is consistent and with the supply of the labor market so that a signifi cant part of these people of the population is absorbed to pass in the category of employed labor and not in the category of the unemployed Also another correlation to consider is that the period of support during the period of unemployment is limited after which these people become unemployed and choose other ways to meet their income needs for life and family either by working to black gray market or as you like to call it either by migrating abroad Another conclusion that emerges is that in the program of each government must be concerned that those who leave to fi nd work abroad to go on a contractual basis based on study and knowledge of the markets where they go so they to acquire the rights provided in the charter of employeesrsquo rights in the European Union but especially in the Romanian labor code

References

1 Anghelache C Angel MG (2018) Econometrie generală Teorie și studii de caz Editura Economică București

2 Anghelache C Angel MG (2016) Bazele statisticii economice Editura

Economică București

3 GeorgescuV Delureanu SM (2015) Advanced Spectral Methods and Their

Potential in Forecasting Fuzzy-Valued and Multivariate Financial Time Series

Advances in Intelligent Systems and Computing Springer-Verlag 129-140

4 Golyandina N Zhigljavsky A (2013) Singular Spectrum Analysis for time

series Springer Briefs in Statistics Springer

5 Hassani H Zhigljavsky A (2009) Singular Spectrum Analysis Methodology

and Application to Economics Data Journal of System Science and Complexity 22

372ndash394









ANALIZA EVOLUȚIEI POPULAȚIEI DUPĂ DOMICILIU IcircN ROMAcircNIA LA SFAcircRȘITUL ANULUI 2019 142ANALYSIS OF THE EVOLUTION OF THE POPULATION BY DOMICILE IN ROMANIA AT THE END OF 2019 150Assoc prof Mădălina Gabriela ANGHEL PhDIulian RADU PhD StudentOana BIcircRSAN PhD Student

STUDIU PRIVIND EVOLUȚIA ACTIVITĂȚII AGRICOLE IcircN ROMAcircNIA IcircN 2019 158STUDY ON THE EVOLUTION OF AGRICULTURAL ACTIVITY IN ROMANIA IN 2019 171Prof Constantin ANGHELACHE PhDDaniel DUMITRU PhD StudentRadu STOICA PhD Student PhD

MODEL DE ANALIZĂ A EVOLUȚIEI OCUPĂRII POPULAȚIEI ȘI A ȘOMAJULUI IcircN ROMAcircNIA 184MODEL FOR ANALYZING THE EVOLUTION OF EMPLOYMENT AND UNEMPLOYMENT IN ROMANIA 203Lecturer Ștefan Virgil IACOB PhDElena MĂHĂREA Student










Introducere


Literature review











Tabel 1

trim IV 2019

- milioane lei

prețuri curente -

icircn faţă de

trim IV 2018

Structură ()

trim IV 2018

trim IV 2019




TOTAL 370896 1171 1000 1000




Grafi c 113+

-G+13-13 E F

13

1313

131313

$





anul 2018

Tabel 2

Anul 2019

- milioane


Icircn faţă de

anul 2018

Structură ()

anul 2018

anul 2019




TOTAL 1041248 1179 1000 1000




Grafi c 2

-G+13-13 E F

13

1313

131313

$






Grafi c 313

$

amp13 amp13 13

13

$






Grafi c 4B13

13

13

13

13

13

13

13

13

13

13







Grafi c 5

-G+13-136FE6

13

13

$

13

13

$

13

13

$

13

13

$

13

13

$

$$ $$







1I-31XII 2019

1I-31XII 2018

Noiembrie

2019

Decembrie

2018
















ndashnumăr-

Structură

( )

trimIV

2018)trimIV

2019

trimIV 2019

faţă de

trimIV 2018

(+-)

trimIV

2018

trimIV

2019

Mediul urban 11367 12701 +1334 588 603

Mediul rural 7968 8374 +406 412 397


Fonduri private 18342 20030 +1688 949 950


TOTAL 19335 21075 +1740 1000 1000






Grafi c 6

4235

2697

3356

1455

807

1759

2787

2239

5284

2139

3651

2359

1007

1847

2121

2667

0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000 5500 6000

Nord-Est

Sud-Est

Sud-Muntenia

Sud-Vest Oltenia

Vest

Nord-Vest

Centru

Bucuresti-Ilfov






Tabel 5

Locuinţe terminate

-număr-

Structură

( )

trim IV2018

trim IV2019

trim IV 2019

faţă de

trim IV 2018

(+-)

trim IV2018

trim IV2019






-număr-

Structură

()


anul 2018 (+-)anul 2018 anul 2019


din total






anul 2018

Grafi c 7

11272

8437

11074

5465

2932

5603

7408

7522

14832

8946

12816

6837

2896

6208

7027

7950

0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000 11000 12000 13000 14000 15000 16000

Nord-Est

Sud-Est

Sud-Muntenia

Sud-Vest Oltenia

Vest

Nord-Vest

Centru

Bucuresti-Ilfov

anul 2018 anul 2019



Tabel 7

Locuinţe terminate

-număr-

Structură

()

anul 2018 anul 2019

anul 2019

faţă de

anul 2018

(+-)

anul 2018 anul 2019







Tabel 8

Nord-Est Sud-Est

Sud-

Muntenia

Sud-Vest


Bucuresti-

Ilfov

TOTAL

ȚARĂ

trimestrul I 2014 1197 725 946 553 811 1792 748 1498 8270

trimestrul I 2015 1110 924 996 426 835 1057 1363 2521 9232

trimestrul I 2016 2321 1302 1093 562 1079 1553 1573 2107 11590

trimestrul I 2017 1584 1290 961 581 687 1897 1542 1542 10084

trimestrul I 2018 1176 1074 1227 408 1275 2221 1239 1653 10273

trimestrul I 2019 1555 1270 1275 626 1174 2575 2028 2211 12714

trimestrul II 2014 1653 857 1072 531 890 1731 624 1954 9312

trimestrul II 2015 1492 1024 1159 686 985 1476 1224 2256 10302

trimestrul II 2016 1548 1461 1145 487 1275 2404 1402 2794 12516

trimestrul II 2017 1842 1174 1293 466 1300 1888 1597 3413 12973

trimestrul II 2018 1692 1767 1141 665 1012 2564 1607 2294 12742

trimestrul II 2019 1673 1450 1395 592 1402 2447 1967 3564 14490

semestrul I 2014 2850 1582 2018 1084 1701 3523 1372 3452 17582

semestrul I 2015 2602 1948 2155 1112 1820 2533 2587 4777 19534

semestrul I 2016 3869 2763 2238 1049 2354 3957 2975 4901 24106

semestrul I 2017 3426 2464 2254 1047 1987 3785 3139 4955 23057

semestrul I 2018 2868 2841 2368 1073 2287 4785 2846 3947 23015

semestrul I 2019 3228 2720 2670 1218 2576 5022 3995 5775 27204

trimestrul III 2014 1870 1385 1335 685 803 1461 1229 2205 10973

trimestrul III 2015 1791 996 1284 621 1162 1529 1467 2787 11637

trimestrul III 2016 2317 1225 1456 554 1087 2181 1422 2609 12851

trimestrul III 2017 2208 2186 1378 643 1755 3208 2453 2484 16315

trimestrul III 2018 2415 1780 1476 1052 1723 2933 2894 3090 17363

trimestrul III 2019 2055 2186 1691 671 1902 4143 2812 3773 19233

per1I-30IX2014 4720 2967 3353 1769 2504 4984 2601 5657 28555

per1I-30IX2015 4393 2944 3439 1733 2982 4062 4054 7564 31171

per1I-30IX2016 6186 3988 3694 1603 3441 6138 4397 7510 36957

per1I-30IX2017 5634 4650 3632 1690 3742 6993 5592 7439 39372

per1I-30IX2018 5283 4621 3844 2125 4010 7718 5740 7037 40378

per1I-30IX2019 5283 4906 4361 1889 4478 9165 6807 9548 46437

trimestrul IV 2014 2396 1973 1603 754 1045 2109 2096 4453 16429

trimestrul IV 2015 3271 1992 1530 667 1130 2105 1600 3518 15813

trimestrul IV 2016 2740 1927 1654 739 1365 2520 1792 2512 15249

trimestrul IV 2017 2448 1433 1771 625 1411 2489 1704 2094 13975

trimestrul IV 2018 2239 2787 1759 807 1455 3356 2697 4235 19335

trimestrul IV 2019 2667 2121 1847 1007 2359 3651 2139 5284 21075

Anul 2014 7116 4940 4956 2523 3549 7093 4697 10110 44984

Anul 2015 7664 4936 4969 2400 4112 6167 5654 11082 46984

Anul 2016 8926 5915 5348 2342 4806 8658 6189 10022 52206

Anul 2017 8082 6083 5403 2315 5153 9482 7296 9533 53347

Anul 2018 7522 7408 5603 2932 5465 11074 8437 11272 59713

Anul 2019 7950 7027 6208 2896 6837 12816 8946 14832 67512







ndashnumăr- ( )

trimIV

2018

trimIV

2019

trim IV 2019 faţă

de trim IV 2018

(+-)

trimIV

2018

trimIV

2019

Mediul urban 11367 12701 1334 588 603

Mediul rural 7968 8374 406 412 397

din total

Fonduri private 18342 20030 1688 949 950


TOTAL 19335 21075 1740 100 100





Tabel 10


anul 2018 anul 2019

anul 2019 faţă de

anul 2018

(+-)

anul 2018 anul 2019

TOTAL 59713 67512 7799 1000 1000

Mediul urban 34896 40589 5693 584 601

Mediul rural 24817 26923 2106 416 399

din total

Fonduri private 57709 65159 +7450 966 965







Tabel 11


trim IV

2018

trim IV

2019

trim IV 2019

faţă de trim IV

2018

(+-)

trim IV

2018

trim IV

2019



anul 2018

Tabel 12


anul 2018 anul 2019

anul 2019

faţă de anul

2018 (+-)

anul 2018 anul 2019





Concluzii


Bibliografi e






























Abstract




Introduction


Literature review
























objects















Table 1

quarter IV 2019

- million lei

current prices -

in

compared to

quarter IV

2018

Structure ()

quarter IV

2018

quarter

IV 2019



155064 1190 422 418


TOTAL 370896 1171 1000 1000







Chart 113+

-G+13-13 E F

13

1313

131313

$







compared to 2018

Table 2

Year 2019 - million


in compared

toyear 2018

Structure ()

year 2018

year 2019







compared to 2018

Chart 2

-G+13-13 E F

13

1313

131313

$







Chart 313

$

amp13 amp13 13

13

$












Graph 4B13

13

13

13

13

13

13

13

13

13

13







Graph 5

-G+13-136FE6

13

13

$

13

13

$

13

13

$

13

13

$

13

13

$

$$ $$








































analysis



1I-31XII 2019

1I-31XII 2018

November

2019

December

2018



S 984 1347 -Major repairs B 1242 961 1009

S 985 959 -











to 2018






( )

Quarter

IV

2018)

Quarter

IV

2019

Quarter IV 2019

compared to IV

2018

(+-)

Quarter

IV

2018

Quarter IV

2019

















Chart 6

4235

2697

3356

1455

807

1759

2787

2239

5284

2139

3651

2359

1007

1847

2121

2667

0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000 5500 6000

Nord-Est

Sud-Est

Sud-Muntenia

Sud-Vest Oltenia

Vest

Nord-Vest

Centru

Bucuresti-Ilfov












Table 5

Completed dwellings

-number-

Structure

( )

quarter IV

2018

quarter IV

2019

quarter IV 2019

compared to

quarter IV 2018

(+-)

quarter IV

2018

quarter IV

2019








in 2018 to 399 in 2019)



-number-

Structure

()



year 2018 year 2019


out of the total









Chart 7

11272

8437

11074

5465

2932

5603

7408

7522

14832

8946

12816

6837

2896

6208

7027

7950

0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000 11000 12000 13000 14000 15000 16000

Nord-Est

Sud-Est

Sud-Muntenia

Sud-Vest Oltenia

Vest

Nord-Vest

Centru

Bucuresti-Ilfov

anul 2018 anul 2019




-number-

Structure

()

year 2018 year 2019

year 2019

faţă de

year 2018

(+-)

year 2018 year 2019










Table 8

Nord-Est Sud-Est

Sud-

Muntenia

Sud-Vest


Bucuresti-

Ilfov

TOTAL

ȚARĂ

trimestrul I 2014 1197 725 946 553 811 1792 748 1498 8270

trimestrul I 2015 1110 924 996 426 835 1057 1363 2521 9232

trimestrul I 2016 2321 1302 1093 562 1079 1553 1573 2107 11590

trimestrul I 2017 1584 1290 961 581 687 1897 1542 1542 10084

trimestrul I 2018 1176 1074 1227 408 1275 2221 1239 1653 10273

trimestrul I 2019 1555 1270 1275 626 1174 2575 2028 2211 12714

trimestrul II 2014 1653 857 1072 531 890 1731 624 1954 9312

trimestrul II 2015 1492 1024 1159 686 985 1476 1224 2256 10302

trimestrul II 2016 1548 1461 1145 487 1275 2404 1402 2794 12516

trimestrul II 2017 1842 1174 1293 466 1300 1888 1597 3413 12973

trimestrul II 2018 1692 1767 1141 665 1012 2564 1607 2294 12742

trimestrul II 2019 1673 1450 1395 592 1402 2447 1967 3564 14490

semestrul I 2014 2850 1582 2018 1084 1701 3523 1372 3452 17582

semestrul I 2015 2602 1948 2155 1112 1820 2533 2587 4777 19534

semestrul I 2016 3869 2763 2238 1049 2354 3957 2975 4901 24106

semestrul I 2017 3426 2464 2254 1047 1987 3785 3139 4955 23057

semestrul I 2018 2868 2841 2368 1073 2287 4785 2846 3947 23015

semestrul I 2019 3228 2720 2670 1218 2576 5022 3995 5775 27204

trimestrul III 2014 1870 1385 1335 685 803 1461 1229 2205 10973

trimestrul III 2015 1791 996 1284 621 1162 1529 1467 2787 11637

trimestrul III 2016 2317 1225 1456 554 1087 2181 1422 2609 12851

trimestrul III 2017 2208 2186 1378 643 1755 3208 2453 2484 16315

trimestrul III 2018 2415 1780 1476 1052 1723 2933 2894 3090 17363

trimestrul III 2019 2055 2186 1691 671 1902 4143 2812 3773 19233

per1I-30IX2014 4720 2967 3353 1769 2504 4984 2601 5657 28555

per1I-30IX2015 4393 2944 3439 1733 2982 4062 4054 7564 31171

per1I-30IX2016 6186 3988 3694 1603 3441 6138 4397 7510 36957

per1I-30IX2017 5634 4650 3632 1690 3742 6993 5592 7439 39372

per1I-30IX2018 5283 4621 3844 2125 4010 7718 5740 7037 40378

per1I-30IX2019 5283 4906 4361 1889 4478 9165 6807 9548 46437

trimestrul IV 2014 2396 1973 1603 754 1045 2109 2096 4453 16429

trimestrul IV 2015 3271 1992 1530 667 1130 2105 1600 3518 15813

trimestrul IV 2016 2740 1927 1654 739 1365 2520 1792 2512 15249

trimestrul IV 2017 2448 1433 1771 625 1411 2489 1704 2094 13975

trimestrul IV 2018 2239 2787 1759 807 1455 3356 2697 4235 19335

trimestrul IV 2019 2667 2121 1847 1007 2359 3651 2139 5284 21075

Anul 2014 7116 4940 4956 2523 3549 7093 4697 10110 44984

Anul 2015 7664 4936 4969 2400 4112 6167 5654 11082 46984

Anul 2016 8926 5915 5348 2342 4806 8658 6189 10022 52206

Anul 2017 8082 6083 5403 2315 5153 9482 7296 9533 53347

Anul 2018 7522 7408 5603 2932 5465 11074 8437 11272 59713

Anul 2019 7950 7027 6208 2896 6837 12816 8946 14832 67512







Quarter IV

2018

Quarter IV

2019

Quarter IV 2019

compared to

quarter IV 2018

(+-)

Quarter IV

2018

Quarter IV

2019






Table 10


year 2018 year 2019

year 2019

compared to

year 2018

(+-)

year 2018 year 2019






quarter IV

2018

quarter IV

2019

quarter IV

2019

compared to

quarter IV

2018

(+-)

quarter IV

2018

quarter IV

2019



year 2018

Table 12


year 2018 year 2019

year 2019

compared

to year 2018

(+-)

year 2018 year 2019

North-East 7522 7950 +428 126 118

South-East 7408 7027 -381 124 104

South-Muntenia 5603 6208 605 94 92


West 5465 6837 +1372 92 101





Conclusions





























made in Romania

References

































Introducere












Literature review




























şi şomerii










IV 2019







Grafi c 1



(354)


(2068)





vacircrstă ()





Tabel 2








15-24 ani 190 177 189 183

25-34 ani 53 31 32 62

35-44 ani 28 15 18 30

45-54 ani 24 28 21 31

55 ani şi peste 28 17 24 23




Grafi c 3

13 13 13 13 13

13 13 13 13 13

$ amp







Tabel 4ANUL 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000

PIB (mil lei) 2204 6029 200360 497730 721350 1089190 2529260 3737980 5519140 8037730


10786 10548 10062 10011 9493 9379 9023 8813 8420 10508

ANUL 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010

PIB (mil lei) 11676870151475101975648024736800288954603446506041600680524388705105228053388110


10440 9234 9223 9158 92672 93307 93648 93659 8952 8713

ANUL 2011 2012 2013 2014 2015 2016 2017 2018

PIB (mil lei) 56509720 59668150 63758310 66859010 71258780 76513540 85672660 89442260


8528 8605 8549 8614 8535 8449 8671 8896




Grafi c 4




Grafi c 5

0

2

4

6

8

10

12

0 200000 400000 600000 800000

Series PIB

Sample 1991 2018

Observations 28

Mean 3304484

Median 2681613

Maximum 8944226

Minimum 2204000

Std Dev 3008084

Skewness 0371250

Kurtosis 1718197

Jarque-Bera 2560046

Probability 0278031






0

1

2

3

4

5

6

7

8

8500 9000 9500 10000 10500 11000

Series NSAL

Sample 1991 2018

Observations 28

Mean 9247807

Median 9190500

Maximum 1078600

Minimum 8420000

Std Dev 6980081

Skewness 0815831

Kurtosis 2590306

Jarque-Bera 3301862

Probability 0191871




Grafi c 8

-200000

0

200000

400000

600000

800000

1000000

8000 9000 10000 11000

NSAL

PIB

PIB vs NSAL








Figura 1





(2)















































and the labor force



Introduction


















































(354)


(2068)





Table 2





Chart 2









Chart 3

13 13 13 13 13

13 13 13 13 13

$ amp






YEAR 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000

GDP (million lei) 2204 6029 200360 497730 721350 1089190 2529260 3737980 5519140 8037730


10786 10548 10062 10011 9493 9379 9023 8813 8420 10508

YEAR 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010

GDP (million lei) 11676870 151475101975648024736800288954603446506041600680524388705105228053388110


10440 9234 9223 9158 92672 93307 93648 93659 8952 8713

YEAR 2011 2012 2013 2014 2015 2016 2017 2018

GDP (million lei) 5650972059668150637583106685901071258780765135408567266089442260


8528 8605 8549 8614 8535 8449 8671 8896







0

2

4

6

8

10

12

0 200000 400000 600000 800000

Series PIB

Sample 1991 2018

Observations 28

Mean 3304484

Median 2681613

Maximum 8944226

Minimum 2204000

Std Dev 3008084

Skewness 0371250

Kurtosis 1718197

Jarque-Bera 2560046

Probability 0278031











0

1

2

3

4

5

6

7

8

8500 9000 9500 10000 10500 11000

Series NSAL

Sample 1991 2018

Observations 28

Mean 9247807

Median 9190500

Maximum 1078600

Minimum 8420000

Std Dev 6980081

Skewness 0815831

Kurtosis 2590306

Jarque-Bera 3301862

Probability 0191871






-200000

0

200000

400000

600000

800000

1000000

8000 9000 10000 11000

NSAL

PIB

PIB vs NSAL


















(2)






























1 INTRODUCERE








(2)unde





(3)


(4)




(5)




(6)

(7)



(8)


(9)


(10)
























Fig 2








absolută

Tabelul 1


Relativă

[]20172010 4481 5893 5623 2874 1954 2113 3374 2711 988 1814 844 041

Absolută

[pp]20172010 2554 1203 637 564 531 476 466 424 389 347 219 086




























Fig 6










Fig 7








Fig 8







Tabelul 2



Poland 2929 391 2961 373

Czechia 1837 245 1992 250

Hungary 1275 170 1342 169

Slovakia 1105 147 1149 144

Romania 993 133 860 108

Lithuania 431 057 408 051

Bulgaria 427 057 394 050

Slovenia 398 053 421 053

Latvia 219 029 181 023

Estonia 208 028 194 024

Cyprus 106 014 047 006

Malta 074 010 049 006

12 NMS icircn medie 2013-17 1258 1333


































Fig 9













Fig 11






Fig 12






















2000 204 013 -029 242 104 -010 1054 038 175 049 000 143 017 058

2017 444 118 -307 012 -025 -363 935 042 -014 232 033 011 -328 -138






Fig 13
























doi1010801461669032000 176323 71



611ndash632 doi101111j 1468-5965200700726x



doi10108000036840 600749524


























JEL F14 O11 O24





















































(a) (b) (1a b)









formula

(2)

where


SI SK

and



member





(3)



(4)




(5)




(7)



(9)



(10)



X for any given OMS






European Union








































Relative []

20172010 4481 5893 5623 2874 1954 2113 3374 2711 988 1814 844 041

Absolute [pp]

20172010 2554 1203 637 564 531 476 466 424 389 347 219 086






Fig 3











Fig 4















Fig 5








Fig 6








Fig 7





of the export share







Table 2




Slovakia 1105 147 1149 144

Romania 993 133 860 108

Lithuania 431 057 408 051


Malta 074 010 049 006

12 NMS average 2013-17 1258 1333
























Fig 11




Fig 12






refi ned database


2000 204 013 -029 242 104 -010 1054 038 175 049 000 143 017 058

2017 444 118 -307 012 -025 -363 935 042 -014 232 033 011 -328 -138







Fig 13































doi1010801461669032000 176323 71



611ndash632 doi101111j 1468-5965200700726x



doi10108000036840 600749524





































Introducere











1991-2019

Tabel 1ANUL 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000

Număr de

șomeri337440 929019 1164705 1223925 998432 657564 881435 1025056 1130296 1007131

PIB(mil lei) 2204 6029 200360 497730 721350 1089190 2529260 3737980 5519140 8037730

ANUL 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010

Număr de

șomeri826932 760623 658891 557892 522967 460495 367838 403441 709383 626960

PIB(mil lei) 11676870 15147510 19756480 24736800 28895460 34465060 41600680 52438870 51052280 53388110

ANUL 2011 2012 2013 2014 2015 2016 2017 2018 2019

Număr de

șomeri461013 493775 512333 478338 436242 418237 351105 288 896 257865

PIB(mil lei) 56509720 59668150 63758310 66859010 71258780 76513540 85672660 89442260 93109390





Grafi c 1




Grafi c 2

0

2

4

6

8

10

12

0 400000 800000

Series PIB

Sample 1991 2019

Observations 29

Mean 3511603

Median 2889546

Maximum 9310939

Minimum 2204000

Std Dev 3157445

Skewness 0358996

Kurtosis 1724927

Jarque-Bera 2587433

Probability 0274250




1991-2019

Grafi c 3

0

1

2

3

4

5

6

7

8

400000 800000 1200000

Series SM

Sample 1991 2019

Observations 29

Mean 6533872

Median 5578920

Maximum 1223925

Minimum 2578650

Std Dev 2849507

Skewness 0538435

Kurtosis 2052682

Jarque-Bera 2485617

Probability 0288573




Grafi c 4

200000

400000

600000

800000

1000000

1200000

1400000

0 500000 1000000

PIB

SM

SM vs PIB











(2)








fi gura numărul 2


evoluția PIB-ului











(4)














8978754
















































DOMESTIC PRODUCT










and much more







country






























































































Table 1YEAR 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000


GDP(mil lei) 2204 6029 200360 497730 721350 1089190 2529260 3737980 5519140 8037730

YEAR 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010


GDP (mil lei) 11676870151475101975648024736800288954603446506041600680 52438870 5105228053388110

YEAR 2011 2012 2013 2014 2015 2016 2017 2018 2019Number of

unemployed 461013 493775 512333 478338 436242 418237 351105 288 896 257865

GDP(mil lei) 56509720596681506375831066859010712587807651354085672660 89442260 93109390




Graph 1




Graph 2

0

2

4

6

8

10

12

0 400000 800000

Series PIB

Sample 1991 2019

Observations 29

Mean 3511603

Median 2889546

Maximum 9310939

Minimum 2204000

Std Dev 3157445

Skewness 0358996

Kurtosis 1724927

Jarque-Bera 2587433

Probability 0274250




Graph 3

0

1

2

3

4

5

6

7

8

400000 800000 1200000

Series SM

Sample 1991 2019

Observations 29

Mean 6533872

Median 5578920

Maximum 1223925

Minimum 2578650

Std Dev 2849507

Skewness 0538435

Kurtosis 2052682

Jarque-Bera 2485617

Probability 0288573






Graph 4

200000

400000

600000

800000

1000000

1200000

1400000

0 500000 1000000

PIB

SM

SM vs PIB













(2)









(3)
















(4)






































































aringaring acute+

=

x

x

P

P)50x(x

































prezentate mai jos


















vttd




























Grafi c 1

ampA$1313amp131344M2I11

13

13







0-4 529233 5017855-9 543296 513972

10-14 594293 56227215-19 580480 54877520-24 594143 56412925-29 686862 65035530-34 923275 87809335-39 875096 82957140-44 972739 92883345-49 899630 87463650-54 862395 86772155-59 592580 62818560-64 659005 76160865-69 558186 69934470-74 382211 52517775-79 252240 39724280-84 189541 344898





Grafi c 2



Concluzii




















AT THE END OF 2019















in Romania
































aringaring acute+

=

x

x

P

P)50x(x






presented below













vttd

















Graph 1

ampA$1313amp131344M2I11

13

13






0-4 529233 501785

5-9 543296 513972

10-14 594293 562272

15-19 580480 548775

20-24 594143 564129

25-29 686862 650355

30-34 923275 878093

35-39 875096 829571

40-44 972739 928833

45-49 899630 874636

50-54 862395 867721

55-59 592580 628185

60-64 659005 761608

65-69 558186 699344

70-74 382211 525177

75-79 252240 397242

80-84 189541 344898

85 and over 135736 267156





Chart 2




































(3) 463-476


































Tabelul 1





Ianuarie2019

Decembrie 2019

Ianuarie2019

Decembrie 2019


(abatoare)579 733 644 777


(abatoare)818 619 811 655


(abatoare)606 571 736 658


(abatoare)996 1066 994 1061




Tabelul 2


Ianuarie 2019

Decembrie2019

Ianuarie2020)

Bovine - total 1733 1722 1657


(abatoare)2133 2237 2371



(abatoare)903 847 895



(abatoare)174 184 212



(abatoare)18 18 18






Tabel 32019 2020


Bovine 7799 7465 5903 9075 9577 8615 7824 8432 7754 8964 9274 10846 6461

Porcine 27592 29957 30644 33362 31512 28859 30946 30874 29289 31495 35373 101623 27130Ovine şi

caprine1743 1754 3234 39862 4093 5966 4936 5762 5427 5338 5569 5187 1607

Păsări 42721 37607 40004 40083 43396 40856 45520 44054 42065 45847 42342 42611 42338





Grafi c 1





- mii capete -


- tone -ianuarie

2019dec

2019Ian

2020ianuarie

2019dec

2019ianuarie

2020Bovine - total 45 63 39 7799 10846 6461


(abatoare) 19 15 11 4052 3356 2608

Porcine - total 308 1116 299 27592 101623 27130


(abatoare) 292 386 239 26372 32680 21394



(abatoare) 33 35 20 575 643 423

Păsări - total 24148 23811 24039 42721 42611 42338


(abatoare) 22940 21430 22837 40907 38337 40661






Tabel 5

UM

Decembrie

2018

Noiembrie

2019

Decembrie

2019

1I ndash

31XII

2018

1I ndash

31XII


tone 84597 81349 84644 1109771 1122327












Grafi c 2









tabelul numărul 6



obţinute


UMDecembrie

2018

Noiembrie

2019

Decembrie

2019

101-

31122018

101-


tone 84597 81349 84644 1109771 1122327


390 387 393 379 381


333 331 331 328 328


tone 5790 6540 6652 79698 83047





Tabel 7





din care



Plante uleioase 1815 1877 5146 4682 62 -464

din care


Legume 226 224 3797 3496 -2 -301














Tabel 8

Diferenţe (plusmn)





rod (livezi pe rod)137 136 820 732 -1 -88




Grafi c 3

Sursa Eurostat




Grafi c 4

Sursa Eurostat


Concluzii


























IN 2019











European Union





































January2019

December 2019

January2019

December 2019









January 2019

December2019

January2020)


2133 2237 2371


903 847 895


174 184 212


18 18 18





Table 32019 2020


Cattle 7799 7465 5903 9075 9577 8615 7824 8432 7754 8964 9274 10846 6461

Swine 27592 29957 30644 33362 31512 28859 30946 30874 29289 31495 35373 101623 27130

Sheep

and goats1743 1754 3234 39862 4093 5966 4936 5762 5427 5338 5569 5187 1607

Birds 42721 37607 40004 40083 43396 40856 45520 44054 42065 45847 42342 42611 42338




Chart 1





sacrifi cate

- mii capete -


- tone -

January2019

Dec 2019

Jan2020

January2019

dec 2019

January 2020





Table 5

UM

December2018

November2019

December2019

1I ndash 31XII

2018

1I ndash 31XII


tons 84597 81349 84644 1109771 1122327






Chart 2






UMDecember

2018November

2019 December

2019101-

31122018101-


tone 84597 81349 84644 1109771 1122327


333 331 331 328 328


tone

5790 6540 6652 79698 83047






Cultivated



2018 2019 2018 2019-thousand

ha--thousand





yields per hectare






















2018 2019 2018 2019- thousand

ha-- thousand








Graph 3

Source Eurostat





Source Eurostat






Kingdom and Belgium






have increased





















































































Tabel 1

LUNAanul

2004

anul

2005

anul

2006

anul

2007

anul

2008

anul

2009

anul

2010

anul


LUNAanul

2012

anul

2013

anul

2014

anul

2015

anul

2016

anul

2017

anul

2018

anul





Grafi c 1































Grafi c 2





Tabel 22019 2020

































Grafi c 3






Tabel 3

LUNAanul

2004

anul

2005

anul

2006

anul

2007

anul

2008

anul

2009

anul

2010

anul


LUNAanul

2012

anul

2013

anul

2014

anul

2015

anul

2016

anul

2017

anul

2018

anul






(1)

unde = parametrii








urmărim integrala

(2)


(3)

(4)



(7)






10 0052083 192000 -29275 -9119 9025946E+08 5306531E+09








1 0005208 1920000 -470219 -421011 3824219E+11 2341481E+112 0010417 960000 122517 422116 1854647E+11 2091990E+113 0015625 640000 53411 380278 1415652E+11 1230180E+116 0031250 320000 107329 210412 5356092E+10 3869401E+107 0036458 274286 -12150 193691 3615726E+10 3068955E+105 0026042 384000 160501 6909 2477611E+10 3088619E+109 0046875 213333 -103237 96622 1919396E+10 1017850E+10

19 0098958 101053 43760 48056 4055264E+09 2199750E+0914 0072917 137143 54499 -17263 3137443E+09 1541127E+0985 0442708 22588 27661 46942 2849944E+09 1777411E+09





No of cases 192

000 005 010 015 020 025 030 035 040 045 050

Frequency

0

5E10

1E11

15E11

2E11

25E11

3E11

35E11

4E11

Pe

rio

do

gra

m V

alu

es

0

5E10

1E11

15E11

2E11

25E11

3E11

35E11

4E11
















No of cases 192

Hamming weights0357 2411 4464 2411 0357

000 005 010 015 020 025 030 035 040 045 050

Frequency

0

5E10

1E11

15E11

2E11

25E11

Sp

ectr

al D

en

sity

0

5E10

1E11

15E11

2E11

25E11





No of cases 192

000 005 010 015 020 025 030 035 040 045 050

Frequency

-60000

-40000

-20000

0

20000

40000

60000

Sin

e C

oe

ffic

ien

ts

-60000

-40000

-20000

0

20000

40000

60000




13

$

amp

$$






























































































and Housing Census













year









MONTHyear 2004

year 2005

year 2006

year 2007

year 2008

year 2009

year 2010

year 2011


MONTHyear 2012

year 2013

year 2014

year 2015

year 2016

year 2017

year 2018

year 2019


























registered














Graph 3





Table 3

MONTHyear 2004

year 2005

year 2006

year 2007

year 2008

year 2009

year 2010

year 2011


MONTHyear 2012

year 2013

year 2014

year 2015

year 2016

year 2017

year 2018

year 2019



(1)






(3)

(4)



(6)


(7)













Enabling results


1 0005208 1920000 -470219 -421011 3824219E+11 2341481E+112 0010417 960000 122517 422116 1854647E+11 2091990E+113 0015625 640000 53411 380278 1415652E+11 1230180E+116 0031250 320000 107329 210412 5356092E+10 3869401E+107 0036458 274286 -12150 193691 3615726E+10 3068955E+105 0026042 384000 160501 6909 2477611E+10 3088619E+109 0046875 213333 -103237 96622 1919396E+10 1017850E+10

19 0098958 101053 43760 48056 4055264E+09 2199750E+0914 0072917 137143 54499 -17263 3137443E+09 1541127E+0985 0442708 22588 27661 46942 2849944E+09 1777411E+09





No of cases 192

000 005 010 015 020 025 030 035 040 045 050

Frequency

0

5E10

1E11

15E11

2E11

25E11

3E11

35E11

4E11

Pe

rio

do

gra

m V

alu

es

0

5E10

1E11

15E11

2E11

25E11

3E11

35E11

4E11













































of the frequency



No of cases 192

Hamming weights0357 2411 4464 2411 0357

000 005 010 015 020 025 030 035 040 045 050

Frequency

0

5E10

1E11

15E11

2E11

25E11

Sp

ectr

al D

en

sity

0

5E10

1E11

15E11

2E11

25E11




numbers 6 and 7



Graph 6


No of cases 192

000 005 010 015 020 025 030 035 040 045 050

Frequency

-60000

-40000

-20000

0

20000

40000

60000

Sin

e C

oe

ffic

ien

ts

-60000

-40000

-20000

0

20000

40000

60000








Graph 7

13

$

amp

$$



Conclusions




References











372ndash394

















Introducere


Literature review











Tabel 1

trim IV 2019

- milioane lei

prețuri curente -

icircn faţă de

trim IV 2018

Structură ()

trim IV 2018

trim IV 2019




TOTAL 370896 1171 1000 1000




Grafi c 113+

-G+13-13 E F

13

1313

131313

$





anul 2018

Tabel 2

Anul 2019

- milioane


Icircn faţă de

anul 2018

Structură ()

anul 2018

anul 2019




TOTAL 1041248 1179 1000 1000




Grafi c 2

-G+13-13 E F

13

1313

131313

$






Grafi c 313

$

amp13 amp13 13

13

$






Grafi c 4B13

13

13

13

13

13

13

13

13

13

13







Grafi c 5

-G+13-136FE6

13

13

$

13

13

$

13

13

$

13

13

$

13

13

$

$$ $$







1I-31XII 2019

1I-31XII 2018

Noiembrie

2019

Decembrie

2018
















ndashnumăr-

Structură

( )

trimIV

2018)trimIV

2019

trimIV 2019

faţă de

trimIV 2018

(+-)

trimIV

2018

trimIV

2019

Mediul urban 11367 12701 +1334 588 603

Mediul rural 7968 8374 +406 412 397


Fonduri private 18342 20030 +1688 949 950


TOTAL 19335 21075 +1740 1000 1000






Grafi c 6

4235

2697

3356

1455

807

1759

2787

2239

5284

2139

3651

2359

1007

1847

2121

2667

0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000 5500 6000

Nord-Est

Sud-Est

Sud-Muntenia

Sud-Vest Oltenia

Vest

Nord-Vest

Centru

Bucuresti-Ilfov






Tabel 5

Locuinţe terminate

-număr-

Structură

( )

trim IV2018

trim IV2019

trim IV 2019

faţă de

trim IV 2018

(+-)

trim IV2018

trim IV2019






-număr-

Structură

()


anul 2018 (+-)anul 2018 anul 2019


din total






anul 2018

Grafi c 7

11272

8437

11074

5465

2932

5603

7408

7522

14832

8946

12816

6837

2896

6208

7027

7950

0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000 11000 12000 13000 14000 15000 16000

Nord-Est

Sud-Est

Sud-Muntenia

Sud-Vest Oltenia

Vest

Nord-Vest

Centru

Bucuresti-Ilfov

anul 2018 anul 2019



Tabel 7

Locuinţe terminate

-număr-

Structură

()

anul 2018 anul 2019

anul 2019

faţă de

anul 2018

(+-)

anul 2018 anul 2019







Tabel 8

Nord-Est Sud-Est

Sud-

Muntenia

Sud-Vest


Bucuresti-

Ilfov

TOTAL

ȚARĂ

trimestrul I 2014 1197 725 946 553 811 1792 748 1498 8270

trimestrul I 2015 1110 924 996 426 835 1057 1363 2521 9232

trimestrul I 2016 2321 1302 1093 562 1079 1553 1573 2107 11590

trimestrul I 2017 1584 1290 961 581 687 1897 1542 1542 10084

trimestrul I 2018 1176 1074 1227 408 1275 2221 1239 1653 10273

trimestrul I 2019 1555 1270 1275 626 1174 2575 2028 2211 12714

trimestrul II 2014 1653 857 1072 531 890 1731 624 1954 9312

trimestrul II 2015 1492 1024 1159 686 985 1476 1224 2256 10302

trimestrul II 2016 1548 1461 1145 487 1275 2404 1402 2794 12516

trimestrul II 2017 1842 1174 1293 466 1300 1888 1597 3413 12973

trimestrul II 2018 1692 1767 1141 665 1012 2564 1607 2294 12742

trimestrul II 2019 1673 1450 1395 592 1402 2447 1967 3564 14490

semestrul I 2014 2850 1582 2018 1084 1701 3523 1372 3452 17582

semestrul I 2015 2602 1948 2155 1112 1820 2533 2587 4777 19534

semestrul I 2016 3869 2763 2238 1049 2354 3957 2975 4901 24106

semestrul I 2017 3426 2464 2254 1047 1987 3785 3139 4955 23057

semestrul I 2018 2868 2841 2368 1073 2287 4785 2846 3947 23015

semestrul I 2019 3228 2720 2670 1218 2576 5022 3995 5775 27204

trimestrul III 2014 1870 1385 1335 685 803 1461 1229 2205 10973

trimestrul III 2015 1791 996 1284 621 1162 1529 1467 2787 11637

trimestrul III 2016 2317 1225 1456 554 1087 2181 1422 2609 12851

trimestrul III 2017 2208 2186 1378 643 1755 3208 2453 2484 16315

trimestrul III 2018 2415 1780 1476 1052 1723 2933 2894 3090 17363

trimestrul III 2019 2055 2186 1691 671 1902 4143 2812 3773 19233

per1I-30IX2014 4720 2967 3353 1769 2504 4984 2601 5657 28555

per1I-30IX2015 4393 2944 3439 1733 2982 4062 4054 7564 31171

per1I-30IX2016 6186 3988 3694 1603 3441 6138 4397 7510 36957

per1I-30IX2017 5634 4650 3632 1690 3742 6993 5592 7439 39372

per1I-30IX2018 5283 4621 3844 2125 4010 7718 5740 7037 40378

per1I-30IX2019 5283 4906 4361 1889 4478 9165 6807 9548 46437

trimestrul IV 2014 2396 1973 1603 754 1045 2109 2096 4453 16429

trimestrul IV 2015 3271 1992 1530 667 1130 2105 1600 3518 15813

trimestrul IV 2016 2740 1927 1654 739 1365 2520 1792 2512 15249

trimestrul IV 2017 2448 1433 1771 625 1411 2489 1704 2094 13975

trimestrul IV 2018 2239 2787 1759 807 1455 3356 2697 4235 19335

trimestrul IV 2019 2667 2121 1847 1007 2359 3651 2139 5284 21075

Anul 2014 7116 4940 4956 2523 3549 7093 4697 10110 44984

Anul 2015 7664 4936 4969 2400 4112 6167 5654 11082 46984

Anul 2016 8926 5915 5348 2342 4806 8658 6189 10022 52206

Anul 2017 8082 6083 5403 2315 5153 9482 7296 9533 53347

Anul 2018 7522 7408 5603 2932 5465 11074 8437 11272 59713

Anul 2019 7950 7027 6208 2896 6837 12816 8946 14832 67512







ndashnumăr- ( )

trimIV

2018

trimIV

2019

trim IV 2019 faţă

de trim IV 2018

(+-)

trimIV

2018

trimIV

2019

Mediul urban 11367 12701 1334 588 603

Mediul rural 7968 8374 406 412 397

din total

Fonduri private 18342 20030 1688 949 950


TOTAL 19335 21075 1740 100 100





Tabel 10


anul 2018 anul 2019

anul 2019 faţă de

anul 2018

(+-)

anul 2018 anul 2019

TOTAL 59713 67512 7799 1000 1000

Mediul urban 34896 40589 5693 584 601

Mediul rural 24817 26923 2106 416 399

din total

Fonduri private 57709 65159 +7450 966 965







Tabel 11


trim IV

2018

trim IV

2019

trim IV 2019

faţă de trim IV

2018

(+-)

trim IV

2018

trim IV

2019



anul 2018

Tabel 12


anul 2018 anul 2019

anul 2019

faţă de anul

2018 (+-)

anul 2018 anul 2019





Concluzii


Bibliografi e






























Abstract




Introduction


Literature review
























objects















Table 1

quarter IV 2019

- million lei

current prices -

in

compared to

quarter IV

2018

Structure ()

quarter IV

2018

quarter

IV 2019



155064 1190 422 418


TOTAL 370896 1171 1000 1000







Chart 113+

-G+13-13 E F

13

1313

131313

$







compared to 2018

Table 2

Year 2019 - million


in compared

toyear 2018

Structure ()

year 2018

year 2019







compared to 2018

Chart 2

-G+13-13 E F

13

1313

131313

$







Chart 313

$

amp13 amp13 13

13

$












Graph 4B13

13

13

13

13

13

13

13

13

13

13







Graph 5

-G+13-136FE6

13

13

$

13

13

$

13

13

$

13

13

$

13

13

$

$$ $$








































analysis



1I-31XII 2019

1I-31XII 2018

November

2019

December

2018



S 984 1347 -Major repairs B 1242 961 1009

S 985 959 -











to 2018






( )

Quarter

IV

2018)

Quarter

IV

2019

Quarter IV 2019

compared to IV

2018

(+-)

Quarter

IV

2018

Quarter IV

2019

















Chart 6

4235

2697

3356

1455

807

1759

2787

2239

5284

2139

3651

2359

1007

1847

2121

2667

0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000 5500 6000

Nord-Est

Sud-Est

Sud-Muntenia

Sud-Vest Oltenia

Vest

Nord-Vest

Centru

Bucuresti-Ilfov












Table 5

Completed dwellings

-number-

Structure

( )

quarter IV

2018

quarter IV

2019

quarter IV 2019

compared to

quarter IV 2018

(+-)

quarter IV

2018

quarter IV

2019








in 2018 to 399 in 2019)



-number-

Structure

()



year 2018 year 2019


out of the total









Chart 7

11272

8437

11074

5465

2932

5603

7408

7522

14832

8946

12816

6837

2896

6208

7027

7950

0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000 11000 12000 13000 14000 15000 16000

Nord-Est

Sud-Est

Sud-Muntenia

Sud-Vest Oltenia

Vest

Nord-Vest

Centru

Bucuresti-Ilfov

anul 2018 anul 2019




-number-

Structure

()

year 2018 year 2019

year 2019

faţă de

year 2018

(+-)

year 2018 year 2019










Table 8

Nord-Est Sud-Est

Sud-

Muntenia

Sud-Vest


Bucuresti-

Ilfov

TOTAL

ȚARĂ

trimestrul I 2014 1197 725 946 553 811 1792 748 1498 8270

trimestrul I 2015 1110 924 996 426 835 1057 1363 2521 9232

trimestrul I 2016 2321 1302 1093 562 1079 1553 1573 2107 11590

trimestrul I 2017 1584 1290 961 581 687 1897 1542 1542 10084

trimestrul I 2018 1176 1074 1227 408 1275 2221 1239 1653 10273

trimestrul I 2019 1555 1270 1275 626 1174 2575 2028 2211 12714

trimestrul II 2014 1653 857 1072 531 890 1731 624 1954 9312

trimestrul II 2015 1492 1024 1159 686 985 1476 1224 2256 10302

trimestrul II 2016 1548 1461 1145 487 1275 2404 1402 2794 12516

trimestrul II 2017 1842 1174 1293 466 1300 1888 1597 3413 12973

trimestrul II 2018 1692 1767 1141 665 1012 2564 1607 2294 12742

trimestrul II 2019 1673 1450 1395 592 1402 2447 1967 3564 14490

semestrul I 2014 2850 1582 2018 1084 1701 3523 1372 3452 17582

semestrul I 2015 2602 1948 2155 1112 1820 2533 2587 4777 19534

semestrul I 2016 3869 2763 2238 1049 2354 3957 2975 4901 24106

semestrul I 2017 3426 2464 2254 1047 1987 3785 3139 4955 23057

semestrul I 2018 2868 2841 2368 1073 2287 4785 2846 3947 23015

semestrul I 2019 3228 2720 2670 1218 2576 5022 3995 5775 27204

trimestrul III 2014 1870 1385 1335 685 803 1461 1229 2205 10973

trimestrul III 2015 1791 996 1284 621 1162 1529 1467 2787 11637

trimestrul III 2016 2317 1225 1456 554 1087 2181 1422 2609 12851

trimestrul III 2017 2208 2186 1378 643 1755 3208 2453 2484 16315

trimestrul III 2018 2415 1780 1476 1052 1723 2933 2894 3090 17363

trimestrul III 2019 2055 2186 1691 671 1902 4143 2812 3773 19233

per1I-30IX2014 4720 2967 3353 1769 2504 4984 2601 5657 28555

per1I-30IX2015 4393 2944 3439 1733 2982 4062 4054 7564 31171

per1I-30IX2016 6186 3988 3694 1603 3441 6138 4397 7510 36957

per1I-30IX2017 5634 4650 3632 1690 3742 6993 5592 7439 39372

per1I-30IX2018 5283 4621 3844 2125 4010 7718 5740 7037 40378

per1I-30IX2019 5283 4906 4361 1889 4478 9165 6807 9548 46437

trimestrul IV 2014 2396 1973 1603 754 1045 2109 2096 4453 16429

trimestrul IV 2015 3271 1992 1530 667 1130 2105 1600 3518 15813

trimestrul IV 2016 2740 1927 1654 739 1365 2520 1792 2512 15249

trimestrul IV 2017 2448 1433 1771 625 1411 2489 1704 2094 13975

trimestrul IV 2018 2239 2787 1759 807 1455 3356 2697 4235 19335

trimestrul IV 2019 2667 2121 1847 1007 2359 3651 2139 5284 21075

Anul 2014 7116 4940 4956 2523 3549 7093 4697 10110 44984

Anul 2015 7664 4936 4969 2400 4112 6167 5654 11082 46984

Anul 2016 8926 5915 5348 2342 4806 8658 6189 10022 52206

Anul 2017 8082 6083 5403 2315 5153 9482 7296 9533 53347

Anul 2018 7522 7408 5603 2932 5465 11074 8437 11272 59713

Anul 2019 7950 7027 6208 2896 6837 12816 8946 14832 67512







Quarter IV

2018

Quarter IV

2019

Quarter IV 2019

compared to

quarter IV 2018

(+-)

Quarter IV

2018

Quarter IV

2019






Table 10


year 2018 year 2019

year 2019

compared to

year 2018

(+-)

year 2018 year 2019






quarter IV

2018

quarter IV

2019

quarter IV

2019

compared to

quarter IV

2018

(+-)

quarter IV

2018

quarter IV

2019



year 2018

Table 12


year 2018 year 2019

year 2019

compared

to year 2018

(+-)

year 2018 year 2019

North-East 7522 7950 +428 126 118

South-East 7408 7027 -381 124 104

South-Muntenia 5603 6208 605 94 92


West 5465 6837 +1372 92 101





Conclusions





























made in Romania

References

































Introducere












Literature review




























şi şomerii










IV 2019







Grafi c 1



(354)


(2068)





vacircrstă ()





Tabel 2








15-24 ani 190 177 189 183

25-34 ani 53 31 32 62

35-44 ani 28 15 18 30

45-54 ani 24 28 21 31

55 ani şi peste 28 17 24 23




Grafi c 3

13 13 13 13 13

13 13 13 13 13

$ amp







Tabel 4ANUL 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000

PIB (mil lei) 2204 6029 200360 497730 721350 1089190 2529260 3737980 5519140 8037730


10786 10548 10062 10011 9493 9379 9023 8813 8420 10508

ANUL 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010

PIB (mil lei) 11676870151475101975648024736800288954603446506041600680524388705105228053388110


10440 9234 9223 9158 92672 93307 93648 93659 8952 8713

ANUL 2011 2012 2013 2014 2015 2016 2017 2018

PIB (mil lei) 56509720 59668150 63758310 66859010 71258780 76513540 85672660 89442260


8528 8605 8549 8614 8535 8449 8671 8896




Grafi c 4




Grafi c 5

0

2

4

6

8

10

12

0 200000 400000 600000 800000

Series PIB

Sample 1991 2018

Observations 28

Mean 3304484

Median 2681613

Maximum 8944226

Minimum 2204000

Std Dev 3008084

Skewness 0371250

Kurtosis 1718197

Jarque-Bera 2560046

Probability 0278031






0

1

2

3

4

5

6

7

8

8500 9000 9500 10000 10500 11000

Series NSAL

Sample 1991 2018

Observations 28

Mean 9247807

Median 9190500

Maximum 1078600

Minimum 8420000

Std Dev 6980081

Skewness 0815831

Kurtosis 2590306

Jarque-Bera 3301862

Probability 0191871




Grafi c 8

-200000

0

200000

400000

600000

800000

1000000

8000 9000 10000 11000

NSAL

PIB

PIB vs NSAL








Figura 1





(2)















































and the labor force



Introduction


















































(354)


(2068)





Table 2





Chart 2









Chart 3

13 13 13 13 13

13 13 13 13 13

$ amp






YEAR 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000

GDP (million lei) 2204 6029 200360 497730 721350 1089190 2529260 3737980 5519140 8037730


10786 10548 10062 10011 9493 9379 9023 8813 8420 10508

YEAR 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010

GDP (million lei) 11676870 151475101975648024736800288954603446506041600680524388705105228053388110


10440 9234 9223 9158 92672 93307 93648 93659 8952 8713

YEAR 2011 2012 2013 2014 2015 2016 2017 2018

GDP (million lei) 5650972059668150637583106685901071258780765135408567266089442260


8528 8605 8549 8614 8535 8449 8671 8896







0

2

4

6

8

10

12

0 200000 400000 600000 800000

Series PIB

Sample 1991 2018

Observations 28

Mean 3304484

Median 2681613

Maximum 8944226

Minimum 2204000

Std Dev 3008084

Skewness 0371250

Kurtosis 1718197

Jarque-Bera 2560046

Probability 0278031











0

1

2

3

4

5

6

7

8

8500 9000 9500 10000 10500 11000

Series NSAL

Sample 1991 2018

Observations 28

Mean 9247807

Median 9190500

Maximum 1078600

Minimum 8420000

Std Dev 6980081

Skewness 0815831

Kurtosis 2590306

Jarque-Bera 3301862

Probability 0191871






-200000

0

200000

400000

600000

800000

1000000

8000 9000 10000 11000

NSAL

PIB

PIB vs NSAL


















(2)






























1 INTRODUCERE








(2)unde





(3)


(4)




(5)




(6)

(7)



(8)


(9)


(10)
























Fig 2








absolută

Tabelul 1


Relativă

[]20172010 4481 5893 5623 2874 1954 2113 3374 2711 988 1814 844 041

Absolută

[pp]20172010 2554 1203 637 564 531 476 466 424 389 347 219 086




























Fig 6










Fig 7








Fig 8







Tabelul 2



Poland 2929 391 2961 373

Czechia 1837 245 1992 250

Hungary 1275 170 1342 169

Slovakia 1105 147 1149 144

Romania 993 133 860 108

Lithuania 431 057 408 051

Bulgaria 427 057 394 050

Slovenia 398 053 421 053

Latvia 219 029 181 023

Estonia 208 028 194 024

Cyprus 106 014 047 006

Malta 074 010 049 006

12 NMS icircn medie 2013-17 1258 1333


































Fig 9













Fig 11






Fig 12






















2000 204 013 -029 242 104 -010 1054 038 175 049 000 143 017 058

2017 444 118 -307 012 -025 -363 935 042 -014 232 033 011 -328 -138






Fig 13
























doi1010801461669032000 176323 71



611ndash632 doi101111j 1468-5965200700726x



doi10108000036840 600749524


























JEL F14 O11 O24





















































(a) (b) (1a b)









formula

(2)

where


SI SK

and



member





(3)



(4)




(5)




(7)



(9)



(10)



X for any given OMS






European Union








































Relative []

20172010 4481 5893 5623 2874 1954 2113 3374 2711 988 1814 844 041

Absolute [pp]

20172010 2554 1203 637 564 531 476 466 424 389 347 219 086






Fig 3











Fig 4















Fig 5








Fig 6








Fig 7





of the export share







Table 2




Slovakia 1105 147 1149 144

Romania 993 133 860 108

Lithuania 431 057 408 051


Malta 074 010 049 006

12 NMS average 2013-17 1258 1333
























Fig 11




Fig 12






refi ned database


2000 204 013 -029 242 104 -010 1054 038 175 049 000 143 017 058

2017 444 118 -307 012 -025 -363 935 042 -014 232 033 011 -328 -138







Fig 13































doi1010801461669032000 176323 71



611ndash632 doi101111j 1468-5965200700726x



doi10108000036840 600749524





































Introducere











1991-2019

Tabel 1ANUL 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000

Număr de

șomeri337440 929019 1164705 1223925 998432 657564 881435 1025056 1130296 1007131

PIB(mil lei) 2204 6029 200360 497730 721350 1089190 2529260 3737980 5519140 8037730

ANUL 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010

Număr de

șomeri826932 760623 658891 557892 522967 460495 367838 403441 709383 626960

PIB(mil lei) 11676870 15147510 19756480 24736800 28895460 34465060 41600680 52438870 51052280 53388110

ANUL 2011 2012 2013 2014 2015 2016 2017 2018 2019

Număr de

șomeri461013 493775 512333 478338 436242 418237 351105 288 896 257865

PIB(mil lei) 56509720 59668150 63758310 66859010 71258780 76513540 85672660 89442260 93109390





Grafi c 1




Grafi c 2

0

2

4

6

8

10

12

0 400000 800000

Series PIB

Sample 1991 2019

Observations 29

Mean 3511603

Median 2889546

Maximum 9310939

Minimum 2204000

Std Dev 3157445

Skewness 0358996

Kurtosis 1724927

Jarque-Bera 2587433

Probability 0274250




1991-2019

Grafi c 3

0

1

2

3

4

5

6

7

8

400000 800000 1200000

Series SM

Sample 1991 2019

Observations 29

Mean 6533872

Median 5578920

Maximum 1223925

Minimum 2578650

Std Dev 2849507

Skewness 0538435

Kurtosis 2052682

Jarque-Bera 2485617

Probability 0288573




Grafi c 4

200000

400000

600000

800000

1000000

1200000

1400000

0 500000 1000000

PIB

SM

SM vs PIB











(2)








fi gura numărul 2


evoluția PIB-ului











(4)














8978754
















































DOMESTIC PRODUCT










and much more







country






























































































Table 1YEAR 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000


GDP(mil lei) 2204 6029 200360 497730 721350 1089190 2529260 3737980 5519140 8037730

YEAR 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010


GDP (mil lei) 11676870151475101975648024736800288954603446506041600680 52438870 5105228053388110

YEAR 2011 2012 2013 2014 2015 2016 2017 2018 2019Number of

unemployed 461013 493775 512333 478338 436242 418237 351105 288 896 257865

GDP(mil lei) 56509720596681506375831066859010712587807651354085672660 89442260 93109390




Graph 1




Graph 2

0

2

4

6

8

10

12

0 400000 800000

Series PIB

Sample 1991 2019

Observations 29

Mean 3511603

Median 2889546

Maximum 9310939

Minimum 2204000

Std Dev 3157445

Skewness 0358996

Kurtosis 1724927

Jarque-Bera 2587433

Probability 0274250




Graph 3

0

1

2

3

4

5

6

7

8

400000 800000 1200000

Series SM

Sample 1991 2019

Observations 29

Mean 6533872

Median 5578920

Maximum 1223925

Minimum 2578650

Std Dev 2849507

Skewness 0538435

Kurtosis 2052682

Jarque-Bera 2485617

Probability 0288573






Graph 4

200000

400000

600000

800000

1000000

1200000

1400000

0 500000 1000000

PIB

SM

SM vs PIB













(2)









(3)
















(4)






































































aringaring acute+

=

x

x

P

P)50x(x

































prezentate mai jos


















vttd




























Grafi c 1

ampA$1313amp131344M2I11

13

13







0-4 529233 5017855-9 543296 513972

10-14 594293 56227215-19 580480 54877520-24 594143 56412925-29 686862 65035530-34 923275 87809335-39 875096 82957140-44 972739 92883345-49 899630 87463650-54 862395 86772155-59 592580 62818560-64 659005 76160865-69 558186 69934470-74 382211 52517775-79 252240 39724280-84 189541 344898





Grafi c 2



Concluzii




















AT THE END OF 2019















in Romania
































aringaring acute+

=

x

x

P

P)50x(x






presented below













vttd

















Graph 1

ampA$1313amp131344M2I11

13

13






0-4 529233 501785

5-9 543296 513972

10-14 594293 562272

15-19 580480 548775

20-24 594143 564129

25-29 686862 650355

30-34 923275 878093

35-39 875096 829571

40-44 972739 928833

45-49 899630 874636

50-54 862395 867721

55-59 592580 628185

60-64 659005 761608

65-69 558186 699344

70-74 382211 525177

75-79 252240 397242

80-84 189541 344898

85 and over 135736 267156





Chart 2




































(3) 463-476


































Tabelul 1





Ianuarie2019

Decembrie 2019

Ianuarie2019

Decembrie 2019


(abatoare)579 733 644 777


(abatoare)818 619 811 655


(abatoare)606 571 736 658


(abatoare)996 1066 994 1061




Tabelul 2


Ianuarie 2019

Decembrie2019

Ianuarie2020)

Bovine - total 1733 1722 1657


(abatoare)2133 2237 2371



(abatoare)903 847 895



(abatoare)174 184 212



(abatoare)18 18 18






Tabel 32019 2020


Bovine 7799 7465 5903 9075 9577 8615 7824 8432 7754 8964 9274 10846 6461

Porcine 27592 29957 30644 33362 31512 28859 30946 30874 29289 31495 35373 101623 27130Ovine şi

caprine1743 1754 3234 39862 4093 5966 4936 5762 5427 5338 5569 5187 1607

Păsări 42721 37607 40004 40083 43396 40856 45520 44054 42065 45847 42342 42611 42338





Grafi c 1





- mii capete -


- tone -ianuarie

2019dec

2019Ian

2020ianuarie

2019dec

2019ianuarie

2020Bovine - total 45 63 39 7799 10846 6461


(abatoare) 19 15 11 4052 3356 2608

Porcine - total 308 1116 299 27592 101623 27130


(abatoare) 292 386 239 26372 32680 21394



(abatoare) 33 35 20 575 643 423

Păsări - total 24148 23811 24039 42721 42611 42338


(abatoare) 22940 21430 22837 40907 38337 40661






Tabel 5

UM

Decembrie

2018

Noiembrie

2019

Decembrie

2019

1I ndash

31XII

2018

1I ndash

31XII


tone 84597 81349 84644 1109771 1122327












Grafi c 2









tabelul numărul 6



obţinute


UMDecembrie

2018

Noiembrie

2019

Decembrie

2019

101-

31122018

101-


tone 84597 81349 84644 1109771 1122327


390 387 393 379 381


333 331 331 328 328


tone 5790 6540 6652 79698 83047





Tabel 7





din care



Plante uleioase 1815 1877 5146 4682 62 -464

din care


Legume 226 224 3797 3496 -2 -301














Tabel 8

Diferenţe (plusmn)





rod (livezi pe rod)137 136 820 732 -1 -88




Grafi c 3

Sursa Eurostat




Grafi c 4

Sursa Eurostat


Concluzii


























IN 2019











European Union





































January2019

December 2019

January2019

December 2019









January 2019

December2019

January2020)


2133 2237 2371


903 847 895


174 184 212


18 18 18





Table 32019 2020


Cattle 7799 7465 5903 9075 9577 8615 7824 8432 7754 8964 9274 10846 6461

Swine 27592 29957 30644 33362 31512 28859 30946 30874 29289 31495 35373 101623 27130

Sheep

and goats1743 1754 3234 39862 4093 5966 4936 5762 5427 5338 5569 5187 1607

Birds 42721 37607 40004 40083 43396 40856 45520 44054 42065 45847 42342 42611 42338




Chart 1





sacrifi cate

- mii capete -


- tone -

January2019

Dec 2019

Jan2020

January2019

dec 2019

January 2020





Table 5

UM

December2018

November2019

December2019

1I ndash 31XII

2018

1I ndash 31XII


tons 84597 81349 84644 1109771 1122327






Chart 2






UMDecember

2018November

2019 December

2019101-

31122018101-


tone 84597 81349 84644 1109771 1122327


333 331 331 328 328


tone

5790 6540 6652 79698 83047






Cultivated



2018 2019 2018 2019-thousand

ha--thousand





yields per hectare






















2018 2019 2018 2019- thousand

ha-- thousand








Graph 3

Source Eurostat





Source Eurostat






Kingdom and Belgium






have increased





















































































Tabel 1

LUNAanul

2004

anul

2005

anul

2006

anul

2007

anul

2008

anul

2009

anul

2010

anul


LUNAanul

2012

anul

2013

anul

2014

anul

2015

anul

2016

anul

2017

anul

2018

anul





Grafi c 1































Grafi c 2





Tabel 22019 2020

































Grafi c 3






Tabel 3

LUNAanul

2004

anul

2005

anul

2006

anul

2007

anul

2008

anul

2009

anul

2010

anul


LUNAanul

2012

anul

2013

anul

2014

anul

2015

anul

2016

anul

2017

anul

2018

anul






(1)

unde = parametrii








urmărim integrala

(2)


(3)

(4)



(7)






10 0052083 192000 -29275 -9119 9025946E+08 5306531E+09








1 0005208 1920000 -470219 -421011 3824219E+11 2341481E+112 0010417 960000 122517 422116 1854647E+11 2091990E+113 0015625 640000 53411 380278 1415652E+11 1230180E+116 0031250 320000 107329 210412 5356092E+10 3869401E+107 0036458 274286 -12150 193691 3615726E+10 3068955E+105 0026042 384000 160501 6909 2477611E+10 3088619E+109 0046875 213333 -103237 96622 1919396E+10 1017850E+10

19 0098958 101053 43760 48056 4055264E+09 2199750E+0914 0072917 137143 54499 -17263 3137443E+09 1541127E+0985 0442708 22588 27661 46942 2849944E+09 1777411E+09





No of cases 192

000 005 010 015 020 025 030 035 040 045 050

Frequency

0

5E10

1E11

15E11

2E11

25E11

3E11

35E11

4E11

Pe

rio

do

gra

m V

alu

es

0

5E10

1E11

15E11

2E11

25E11

3E11

35E11

4E11
















No of cases 192

Hamming weights0357 2411 4464 2411 0357

000 005 010 015 020 025 030 035 040 045 050

Frequency

0

5E10

1E11

15E11

2E11

25E11

Sp

ectr

al D

en

sity

0

5E10

1E11

15E11

2E11

25E11





No of cases 192

000 005 010 015 020 025 030 035 040 045 050

Frequency

-60000

-40000

-20000

0

20000

40000

60000

Sin

e C

oe

ffic

ien

ts

-60000

-40000

-20000

0

20000

40000

60000




13

$

amp

$$






























































































and Housing Census













year









MONTHyear 2004

year 2005

year 2006

year 2007

year 2008

year 2009

year 2010

year 2011


MONTHyear 2012

year 2013

year 2014

year 2015

year 2016

year 2017

year 2018

year 2019


























registered














Graph 3





Table 3

MONTHyear 2004

year 2005

year 2006

year 2007

year 2008

year 2009

year 2010

year 2011


MONTHyear 2012

year 2013

year 2014

year 2015

year 2016

year 2017

year 2018

year 2019



(1)






(3)

(4)



(6)


(7)













Enabling results


1 0005208 1920000 -470219 -421011 3824219E+11 2341481E+112 0010417 960000 122517 422116 1854647E+11 2091990E+113 0015625 640000 53411 380278 1415652E+11 1230180E+116 0031250 320000 107329 210412 5356092E+10 3869401E+107 0036458 274286 -12150 193691 3615726E+10 3068955E+105 0026042 384000 160501 6909 2477611E+10 3088619E+109 0046875 213333 -103237 96622 1919396E+10 1017850E+10

19 0098958 101053 43760 48056 4055264E+09 2199750E+0914 0072917 137143 54499 -17263 3137443E+09 1541127E+0985 0442708 22588 27661 46942 2849944E+09 1777411E+09





No of cases 192

000 005 010 015 020 025 030 035 040 045 050

Frequency

0

5E10

1E11

15E11

2E11

25E11

3E11

35E11

4E11

Pe

rio

do

gra

m V

alu

es

0

5E10

1E11

15E11

2E11

25E11

3E11

35E11

4E11













































of the frequency



No of cases 192

Hamming weights0357 2411 4464 2411 0357

000 005 010 015 020 025 030 035 040 045 050

Frequency

0

5E10

1E11

15E11

2E11

25E11

Sp

ectr

al D

en

sity

0

5E10

1E11

15E11

2E11

25E11




numbers 6 and 7



Graph 6


No of cases 192

000 005 010 015 020 025 030 035 040 045 050

Frequency

-60000

-40000

-20000

0

20000

40000

60000

Sin

e C

oe

ffic

ien

ts

-60000

-40000

-20000

0

20000

40000

60000








Graph 7

13

$

amp

$$



Conclusions




References











372ndash394










Introducere


Literature review











Tabel 1

trim IV 2019

- milioane lei

prețuri curente -

icircn faţă de

trim IV 2018

Structură ()

trim IV 2018

trim IV 2019




TOTAL 370896 1171 1000 1000




Grafi c 113+

-G+13-13 E F

13

1313

131313

$





anul 2018

Tabel 2

Anul 2019

- milioane


Icircn faţă de

anul 2018

Structură ()

anul 2018

anul 2019




TOTAL 1041248 1179 1000 1000




Grafi c 2

-G+13-13 E F

13

1313

131313

$






Grafi c 313

$

amp13 amp13 13

13

$






Grafi c 4B13

13

13

13

13

13

13

13

13

13

13







Grafi c 5

-G+13-136FE6

13

13

$

13

13

$

13

13

$

13

13

$

13

13

$

$$ $$







1I-31XII 2019

1I-31XII 2018

Noiembrie

2019

Decembrie

2018
















ndashnumăr-

Structură

( )

trimIV

2018)trimIV

2019

trimIV 2019

faţă de

trimIV 2018

(+-)

trimIV

2018

trimIV

2019

Mediul urban 11367 12701 +1334 588 603

Mediul rural 7968 8374 +406 412 397


Fonduri private 18342 20030 +1688 949 950


TOTAL 19335 21075 +1740 1000 1000






Grafi c 6

4235

2697

3356

1455

807

1759

2787

2239

5284

2139

3651

2359

1007

1847

2121

2667

0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000 5500 6000

Nord-Est

Sud-Est

Sud-Muntenia

Sud-Vest Oltenia

Vest

Nord-Vest

Centru

Bucuresti-Ilfov






Tabel 5

Locuinţe terminate

-număr-

Structură

( )

trim IV2018

trim IV2019

trim IV 2019

faţă de

trim IV 2018

(+-)

trim IV2018

trim IV2019






-număr-

Structură

()


anul 2018 (+-)anul 2018 anul 2019


din total






anul 2018

Grafi c 7

11272

8437

11074

5465

2932

5603

7408

7522

14832

8946

12816

6837

2896

6208

7027

7950

0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000 11000 12000 13000 14000 15000 16000

Nord-Est

Sud-Est

Sud-Muntenia

Sud-Vest Oltenia

Vest

Nord-Vest

Centru

Bucuresti-Ilfov

anul 2018 anul 2019



Tabel 7

Locuinţe terminate

-număr-

Structură

()

anul 2018 anul 2019

anul 2019

faţă de

anul 2018

(+-)

anul 2018 anul 2019







Tabel 8

Nord-Est Sud-Est

Sud-

Muntenia

Sud-Vest


Bucuresti-

Ilfov

TOTAL

ȚARĂ

trimestrul I 2014 1197 725 946 553 811 1792 748 1498 8270

trimestrul I 2015 1110 924 996 426 835 1057 1363 2521 9232

trimestrul I 2016 2321 1302 1093 562 1079 1553 1573 2107 11590

trimestrul I 2017 1584 1290 961 581 687 1897 1542 1542 10084

trimestrul I 2018 1176 1074 1227 408 1275 2221 1239 1653 10273

trimestrul I 2019 1555 1270 1275 626 1174 2575 2028 2211 12714

trimestrul II 2014 1653 857 1072 531 890 1731 624 1954 9312

trimestrul II 2015 1492 1024 1159 686 985 1476 1224 2256 10302

trimestrul II 2016 1548 1461 1145 487 1275 2404 1402 2794 12516

trimestrul II 2017 1842 1174 1293 466 1300 1888 1597 3413 12973

trimestrul II 2018 1692 1767 1141 665 1012 2564 1607 2294 12742

trimestrul II 2019 1673 1450 1395 592 1402 2447 1967 3564 14490

semestrul I 2014 2850 1582 2018 1084 1701 3523 1372 3452 17582

semestrul I 2015 2602 1948 2155 1112 1820 2533 2587 4777 19534

semestrul I 2016 3869 2763 2238 1049 2354 3957 2975 4901 24106

semestrul I 2017 3426 2464 2254 1047 1987 3785 3139 4955 23057

semestrul I 2018 2868 2841 2368 1073 2287 4785 2846 3947 23015

semestrul I 2019 3228 2720 2670 1218 2576 5022 3995 5775 27204

trimestrul III 2014 1870 1385 1335 685 803 1461 1229 2205 10973

trimestrul III 2015 1791 996 1284 621 1162 1529 1467 2787 11637

trimestrul III 2016 2317 1225 1456 554 1087 2181 1422 2609 12851

trimestrul III 2017 2208 2186 1378 643 1755 3208 2453 2484 16315

trimestrul III 2018 2415 1780 1476 1052 1723 2933 2894 3090 17363

trimestrul III 2019 2055 2186 1691 671 1902 4143 2812 3773 19233

per1I-30IX2014 4720 2967 3353 1769 2504 4984 2601 5657 28555

per1I-30IX2015 4393 2944 3439 1733 2982 4062 4054 7564 31171

per1I-30IX2016 6186 3988 3694 1603 3441 6138 4397 7510 36957

per1I-30IX2017 5634 4650 3632 1690 3742 6993 5592 7439 39372

per1I-30IX2018 5283 4621 3844 2125 4010 7718 5740 7037 40378

per1I-30IX2019 5283 4906 4361 1889 4478 9165 6807 9548 46437

trimestrul IV 2014 2396 1973 1603 754 1045 2109 2096 4453 16429

trimestrul IV 2015 3271 1992 1530 667 1130 2105 1600 3518 15813

trimestrul IV 2016 2740 1927 1654 739 1365 2520 1792 2512 15249

trimestrul IV 2017 2448 1433 1771 625 1411 2489 1704 2094 13975

trimestrul IV 2018 2239 2787 1759 807 1455 3356 2697 4235 19335

trimestrul IV 2019 2667 2121 1847 1007 2359 3651 2139 5284 21075

Anul 2014 7116 4940 4956 2523 3549 7093 4697 10110 44984

Anul 2015 7664 4936 4969 2400 4112 6167 5654 11082 46984

Anul 2016 8926 5915 5348 2342 4806 8658 6189 10022 52206

Anul 2017 8082 6083 5403 2315 5153 9482 7296 9533 53347

Anul 2018 7522 7408 5603 2932 5465 11074 8437 11272 59713

Anul 2019 7950 7027 6208 2896 6837 12816 8946 14832 67512







ndashnumăr- ( )

trimIV

2018

trimIV

2019

trim IV 2019 faţă

de trim IV 2018

(+-)

trimIV

2018

trimIV

2019

Mediul urban 11367 12701 1334 588 603

Mediul rural 7968 8374 406 412 397

din total

Fonduri private 18342 20030 1688 949 950


TOTAL 19335 21075 1740 100 100





Tabel 10


anul 2018 anul 2019

anul 2019 faţă de

anul 2018

(+-)

anul 2018 anul 2019

TOTAL 59713 67512 7799 1000 1000

Mediul urban 34896 40589 5693 584 601

Mediul rural 24817 26923 2106 416 399

din total

Fonduri private 57709 65159 +7450 966 965







Tabel 11


trim IV

2018

trim IV

2019

trim IV 2019

faţă de trim IV

2018

(+-)

trim IV

2018

trim IV

2019



anul 2018

Tabel 12


anul 2018 anul 2019

anul 2019

faţă de anul

2018 (+-)

anul 2018 anul 2019





Concluzii


Bibliografi e






























Abstract




Introduction


Literature review
























objects















Table 1

quarter IV 2019

- million lei

current prices -

in

compared to

quarter IV

2018

Structure ()

quarter IV

2018

quarter

IV 2019



155064 1190 422 418


TOTAL 370896 1171 1000 1000







Chart 113+

-G+13-13 E F

13

1313

131313

$







compared to 2018

Table 2

Year 2019 - million


in compared

toyear 2018

Structure ()

year 2018

year 2019







compared to 2018

Chart 2

-G+13-13 E F

13

1313

131313

$







Chart 313

$

amp13 amp13 13

13

$












Graph 4B13

13

13

13

13

13

13

13

13

13

13







Graph 5

-G+13-136FE6

13

13

$

13

13

$

13

13

$

13

13

$

13

13

$

$$ $$








































analysis



1I-31XII 2019

1I-31XII 2018

November

2019

December

2018



S 984 1347 -Major repairs B 1242 961 1009

S 985 959 -











to 2018






( )

Quarter

IV

2018)

Quarter

IV

2019

Quarter IV 2019

compared to IV

2018

(+-)

Quarter

IV

2018

Quarter IV

2019

















Chart 6

4235

2697

3356

1455

807

1759

2787

2239

5284

2139

3651

2359

1007

1847

2121

2667

0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000 5500 6000

Nord-Est

Sud-Est

Sud-Muntenia

Sud-Vest Oltenia

Vest

Nord-Vest

Centru

Bucuresti-Ilfov












Table 5

Completed dwellings

-number-

Structure

( )

quarter IV

2018

quarter IV

2019

quarter IV 2019

compared to

quarter IV 2018

(+-)

quarter IV

2018

quarter IV

2019








in 2018 to 399 in 2019)



-number-

Structure

()



year 2018 year 2019


out of the total









Chart 7

11272

8437

11074

5465

2932

5603

7408

7522

14832

8946

12816

6837

2896

6208

7027

7950

0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000 11000 12000 13000 14000 15000 16000

Nord-Est

Sud-Est

Sud-Muntenia

Sud-Vest Oltenia

Vest

Nord-Vest

Centru

Bucuresti-Ilfov

anul 2018 anul 2019




-number-

Structure

()

year 2018 year 2019

year 2019

faţă de

year 2018

(+-)

year 2018 year 2019










Table 8

Nord-Est Sud-Est

Sud-

Muntenia

Sud-Vest


Bucuresti-

Ilfov

TOTAL

ȚARĂ

trimestrul I 2014 1197 725 946 553 811 1792 748 1498 8270

trimestrul I 2015 1110 924 996 426 835 1057 1363 2521 9232

trimestrul I 2016 2321 1302 1093 562 1079 1553 1573 2107 11590

trimestrul I 2017 1584 1290 961 581 687 1897 1542 1542 10084

trimestrul I 2018 1176 1074 1227 408 1275 2221 1239 1653 10273

trimestrul I 2019 1555 1270 1275 626 1174 2575 2028 2211 12714

trimestrul II 2014 1653 857 1072 531 890 1731 624 1954 9312

trimestrul II 2015 1492 1024 1159 686 985 1476 1224 2256 10302

trimestrul II 2016 1548 1461 1145 487 1275 2404 1402 2794 12516

trimestrul II 2017 1842 1174 1293 466 1300 1888 1597 3413 12973

trimestrul II 2018 1692 1767 1141 665 1012 2564 1607 2294 12742

trimestrul II 2019 1673 1450 1395 592 1402 2447 1967 3564 14490

semestrul I 2014 2850 1582 2018 1084 1701 3523 1372 3452 17582

semestrul I 2015 2602 1948 2155 1112 1820 2533 2587 4777 19534

semestrul I 2016 3869 2763 2238 1049 2354 3957 2975 4901 24106

semestrul I 2017 3426 2464 2254 1047 1987 3785 3139 4955 23057

semestrul I 2018 2868 2841 2368 1073 2287 4785 2846 3947 23015

semestrul I 2019 3228 2720 2670 1218 2576 5022 3995 5775 27204

trimestrul III 2014 1870 1385 1335 685 803 1461 1229 2205 10973

trimestrul III 2015 1791 996 1284 621 1162 1529 1467 2787 11637

trimestrul III 2016 2317 1225 1456 554 1087 2181 1422 2609 12851

trimestrul III 2017 2208 2186 1378 643 1755 3208 2453 2484 16315

trimestrul III 2018 2415 1780 1476 1052 1723 2933 2894 3090 17363

trimestrul III 2019 2055 2186 1691 671 1902 4143 2812 3773 19233

per1I-30IX2014 4720 2967 3353 1769 2504 4984 2601 5657 28555

per1I-30IX2015 4393 2944 3439 1733 2982 4062 4054 7564 31171

per1I-30IX2016 6186 3988 3694 1603 3441 6138 4397 7510 36957

per1I-30IX2017 5634 4650 3632 1690 3742 6993 5592 7439 39372

per1I-30IX2018 5283 4621 3844 2125 4010 7718 5740 7037 40378

per1I-30IX2019 5283 4906 4361 1889 4478 9165 6807 9548 46437

trimestrul IV 2014 2396 1973 1603 754 1045 2109 2096 4453 16429

trimestrul IV 2015 3271 1992 1530 667 1130 2105 1600 3518 15813

trimestrul IV 2016 2740 1927 1654 739 1365 2520 1792 2512 15249

trimestrul IV 2017 2448 1433 1771 625 1411 2489 1704 2094 13975

trimestrul IV 2018 2239 2787 1759 807 1455 3356 2697 4235 19335

trimestrul IV 2019 2667 2121 1847 1007 2359 3651 2139 5284 21075

Anul 2014 7116 4940 4956 2523 3549 7093 4697 10110 44984

Anul 2015 7664 4936 4969 2400 4112 6167 5654 11082 46984

Anul 2016 8926 5915 5348 2342 4806 8658 6189 10022 52206

Anul 2017 8082 6083 5403 2315 5153 9482 7296 9533 53347

Anul 2018 7522 7408 5603 2932 5465 11074 8437 11272 59713

Anul 2019 7950 7027 6208 2896 6837 12816 8946 14832 67512







Quarter IV

2018

Quarter IV

2019

Quarter IV 2019

compared to

quarter IV 2018

(+-)

Quarter IV

2018

Quarter IV

2019






Table 10


year 2018 year 2019

year 2019

compared to

year 2018

(+-)

year 2018 year 2019






quarter IV

2018

quarter IV

2019

quarter IV

2019

compared to

quarter IV

2018

(+-)

quarter IV

2018

quarter IV

2019



year 2018

Table 12


year 2018 year 2019

year 2019

compared

to year 2018

(+-)

year 2018 year 2019

North-East 7522 7950 +428 126 118

South-East 7408 7027 -381 124 104

South-Muntenia 5603 6208 605 94 92


West 5465 6837 +1372 92 101





Conclusions





























made in Romania

References

































Introducere












Literature review




























şi şomerii










IV 2019







Grafi c 1



(354)


(2068)





vacircrstă ()





Tabel 2








15-24 ani 190 177 189 183

25-34 ani 53 31 32 62

35-44 ani 28 15 18 30

45-54 ani 24 28 21 31

55 ani şi peste 28 17 24 23




Grafi c 3

13 13 13 13 13

13 13 13 13 13

$ amp







Tabel 4ANUL 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000

PIB (mil lei) 2204 6029 200360 497730 721350 1089190 2529260 3737980 5519140 8037730


10786 10548 10062 10011 9493 9379 9023 8813 8420 10508

ANUL 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010

PIB (mil lei) 11676870151475101975648024736800288954603446506041600680524388705105228053388110


10440 9234 9223 9158 92672 93307 93648 93659 8952 8713

ANUL 2011 2012 2013 2014 2015 2016 2017 2018

PIB (mil lei) 56509720 59668150 63758310 66859010 71258780 76513540 85672660 89442260


8528 8605 8549 8614 8535 8449 8671 8896




Grafi c 4




Grafi c 5

0

2

4

6

8

10

12

0 200000 400000 600000 800000

Series PIB

Sample 1991 2018

Observations 28

Mean 3304484

Median 2681613

Maximum 8944226

Minimum 2204000

Std Dev 3008084

Skewness 0371250

Kurtosis 1718197

Jarque-Bera 2560046

Probability 0278031






0

1

2

3

4

5

6

7

8

8500 9000 9500 10000 10500 11000

Series NSAL

Sample 1991 2018

Observations 28

Mean 9247807

Median 9190500

Maximum 1078600

Minimum 8420000

Std Dev 6980081

Skewness 0815831

Kurtosis 2590306

Jarque-Bera 3301862

Probability 0191871




Grafi c 8

-200000

0

200000

400000

600000

800000

1000000

8000 9000 10000 11000

NSAL

PIB

PIB vs NSAL








Figura 1





(2)















































and the labor force



Introduction


















































(354)


(2068)





Table 2





Chart 2









Chart 3

13 13 13 13 13

13 13 13 13 13

$ amp






YEAR 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000

GDP (million lei) 2204 6029 200360 497730 721350 1089190 2529260 3737980 5519140 8037730


10786 10548 10062 10011 9493 9379 9023 8813 8420 10508

YEAR 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010

GDP (million lei) 11676870 151475101975648024736800288954603446506041600680524388705105228053388110


10440 9234 9223 9158 92672 93307 93648 93659 8952 8713

YEAR 2011 2012 2013 2014 2015 2016 2017 2018

GDP (million lei) 5650972059668150637583106685901071258780765135408567266089442260


8528 8605 8549 8614 8535 8449 8671 8896







0

2

4

6

8

10

12

0 200000 400000 600000 800000

Series PIB

Sample 1991 2018

Observations 28

Mean 3304484

Median 2681613

Maximum 8944226

Minimum 2204000

Std Dev 3008084

Skewness 0371250

Kurtosis 1718197

Jarque-Bera 2560046

Probability 0278031











0

1

2

3

4

5

6

7

8

8500 9000 9500 10000 10500 11000

Series NSAL

Sample 1991 2018

Observations 28

Mean 9247807

Median 9190500

Maximum 1078600

Minimum 8420000

Std Dev 6980081

Skewness 0815831

Kurtosis 2590306

Jarque-Bera 3301862

Probability 0191871






-200000

0

200000

400000

600000

800000

1000000

8000 9000 10000 11000

NSAL

PIB

PIB vs NSAL


















(2)






























1 INTRODUCERE








(2)unde





(3)


(4)




(5)




(6)

(7)



(8)


(9)


(10)
























Fig 2








absolută

Tabelul 1


Relativă

[]20172010 4481 5893 5623 2874 1954 2113 3374 2711 988 1814 844 041

Absolută

[pp]20172010 2554 1203 637 564 531 476 466 424 389 347 219 086




























Fig 6










Fig 7








Fig 8







Tabelul 2



Poland 2929 391 2961 373

Czechia 1837 245 1992 250

Hungary 1275 170 1342 169

Slovakia 1105 147 1149 144

Romania 993 133 860 108

Lithuania 431 057 408 051

Bulgaria 427 057 394 050

Slovenia 398 053 421 053

Latvia 219 029 181 023

Estonia 208 028 194 024

Cyprus 106 014 047 006

Malta 074 010 049 006

12 NMS icircn medie 2013-17 1258 1333


































Fig 9













Fig 11






Fig 12






















2000 204 013 -029 242 104 -010 1054 038 175 049 000 143 017 058

2017 444 118 -307 012 -025 -363 935 042 -014 232 033 011 -328 -138






Fig 13
























doi1010801461669032000 176323 71



611ndash632 doi101111j 1468-5965200700726x



doi10108000036840 600749524


























JEL F14 O11 O24





















































(a) (b) (1a b)









formula

(2)

where


SI SK

and



member





(3)



(4)




(5)




(7)



(9)



(10)



X for any given OMS






European Union








































Relative []

20172010 4481 5893 5623 2874 1954 2113 3374 2711 988 1814 844 041

Absolute [pp]

20172010 2554 1203 637 564 531 476 466 424 389 347 219 086






Fig 3











Fig 4















Fig 5








Fig 6








Fig 7





of the export share







Table 2




Slovakia 1105 147 1149 144

Romania 993 133 860 108

Lithuania 431 057 408 051


Malta 074 010 049 006

12 NMS average 2013-17 1258 1333
























Fig 11




Fig 12






refi ned database


2000 204 013 -029 242 104 -010 1054 038 175 049 000 143 017 058

2017 444 118 -307 012 -025 -363 935 042 -014 232 033 011 -328 -138







Fig 13































doi1010801461669032000 176323 71



611ndash632 doi101111j 1468-5965200700726x



doi10108000036840 600749524





































Introducere











1991-2019

Tabel 1ANUL 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000

Număr de

șomeri337440 929019 1164705 1223925 998432 657564 881435 1025056 1130296 1007131

PIB(mil lei) 2204 6029 200360 497730 721350 1089190 2529260 3737980 5519140 8037730

ANUL 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010

Număr de

șomeri826932 760623 658891 557892 522967 460495 367838 403441 709383 626960

PIB(mil lei) 11676870 15147510 19756480 24736800 28895460 34465060 41600680 52438870 51052280 53388110

ANUL 2011 2012 2013 2014 2015 2016 2017 2018 2019

Număr de

șomeri461013 493775 512333 478338 436242 418237 351105 288 896 257865

PIB(mil lei) 56509720 59668150 63758310 66859010 71258780 76513540 85672660 89442260 93109390





Grafi c 1




Grafi c 2

0

2

4

6

8

10

12

0 400000 800000

Series PIB

Sample 1991 2019

Observations 29

Mean 3511603

Median 2889546

Maximum 9310939

Minimum 2204000

Std Dev 3157445

Skewness 0358996

Kurtosis 1724927

Jarque-Bera 2587433

Probability 0274250




1991-2019

Grafi c 3

0

1

2

3

4

5

6

7

8

400000 800000 1200000

Series SM

Sample 1991 2019

Observations 29

Mean 6533872

Median 5578920

Maximum 1223925

Minimum 2578650

Std Dev 2849507

Skewness 0538435

Kurtosis 2052682

Jarque-Bera 2485617

Probability 0288573




Grafi c 4

200000

400000

600000

800000

1000000

1200000

1400000

0 500000 1000000

PIB

SM

SM vs PIB











(2)








fi gura numărul 2


evoluția PIB-ului











(4)














8978754
















































DOMESTIC PRODUCT










and much more







country






























































































Table 1YEAR 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000


GDP(mil lei) 2204 6029 200360 497730 721350 1089190 2529260 3737980 5519140 8037730

YEAR 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010


GDP (mil lei) 11676870151475101975648024736800288954603446506041600680 52438870 5105228053388110

YEAR 2011 2012 2013 2014 2015 2016 2017 2018 2019Number of

unemployed 461013 493775 512333 478338 436242 418237 351105 288 896 257865

GDP(mil lei) 56509720596681506375831066859010712587807651354085672660 89442260 93109390




Graph 1




Graph 2

0

2

4

6

8

10

12

0 400000 800000

Series PIB

Sample 1991 2019

Observations 29

Mean 3511603

Median 2889546

Maximum 9310939

Minimum 2204000

Std Dev 3157445

Skewness 0358996

Kurtosis 1724927

Jarque-Bera 2587433

Probability 0274250




Graph 3

0

1

2

3

4

5

6

7

8

400000 800000 1200000

Series SM

Sample 1991 2019

Observations 29

Mean 6533872

Median 5578920

Maximum 1223925

Minimum 2578650

Std Dev 2849507

Skewness 0538435

Kurtosis 2052682

Jarque-Bera 2485617

Probability 0288573






Graph 4

200000

400000

600000

800000

1000000

1200000

1400000

0 500000 1000000

PIB

SM

SM vs PIB













(2)









(3)
















(4)






































































aringaring acute+

=

x

x

P

P)50x(x

































prezentate mai jos


















vttd




























Grafi c 1

ampA$1313amp131344M2I11

13

13







0-4 529233 5017855-9 543296 513972

10-14 594293 56227215-19 580480 54877520-24 594143 56412925-29 686862 65035530-34 923275 87809335-39 875096 82957140-44 972739 92883345-49 899630 87463650-54 862395 86772155-59 592580 62818560-64 659005 76160865-69 558186 69934470-74 382211 52517775-79 252240 39724280-84 189541 344898





Grafi c 2



Concluzii




















AT THE END OF 2019















in Romania
































aringaring acute+

=

x

x

P

P)50x(x






presented below













vttd

















Graph 1

ampA$1313amp131344M2I11

13

13






0-4 529233 501785

5-9 543296 513972

10-14 594293 562272

15-19 580480 548775

20-24 594143 564129

25-29 686862 650355

30-34 923275 878093

35-39 875096 829571

40-44 972739 928833

45-49 899630 874636

50-54 862395 867721

55-59 592580 628185

60-64 659005 761608

65-69 558186 699344

70-74 382211 525177

75-79 252240 397242

80-84 189541 344898

85 and over 135736 267156





Chart 2




































(3) 463-476


































Tabelul 1





Ianuarie2019

Decembrie 2019

Ianuarie2019

Decembrie 2019


(abatoare)579 733 644 777


(abatoare)818 619 811 655


(abatoare)606 571 736 658


(abatoare)996 1066 994 1061




Tabelul 2


Ianuarie 2019

Decembrie2019

Ianuarie2020)

Bovine - total 1733 1722 1657


(abatoare)2133 2237 2371



(abatoare)903 847 895



(abatoare)174 184 212



(abatoare)18 18 18






Tabel 32019 2020


Bovine 7799 7465 5903 9075 9577 8615 7824 8432 7754 8964 9274 10846 6461

Porcine 27592 29957 30644 33362 31512 28859 30946 30874 29289 31495 35373 101623 27130Ovine şi

caprine1743 1754 3234 39862 4093 5966 4936 5762 5427 5338 5569 5187 1607

Păsări 42721 37607 40004 40083 43396 40856 45520 44054 42065 45847 42342 42611 42338





Grafi c 1





- mii capete -


- tone -ianuarie

2019dec

2019Ian

2020ianuarie

2019dec

2019ianuarie

2020Bovine - total 45 63 39 7799 10846 6461


(abatoare) 19 15 11 4052 3356 2608

Porcine - total 308 1116 299 27592 101623 27130


(abatoare) 292 386 239 26372 32680 21394



(abatoare) 33 35 20 575 643 423

Păsări - total 24148 23811 24039 42721 42611 42338


(abatoare) 22940 21430 22837 40907 38337 40661






Tabel 5

UM

Decembrie

2018

Noiembrie

2019

Decembrie

2019

1I ndash

31XII

2018

1I ndash

31XII


tone 84597 81349 84644 1109771 1122327












Grafi c 2









tabelul numărul 6



obţinute


UMDecembrie

2018

Noiembrie

2019

Decembrie

2019

101-

31122018

101-


tone 84597 81349 84644 1109771 1122327


390 387 393 379 381


333 331 331 328 328


tone 5790 6540 6652 79698 83047





Tabel 7





din care



Plante uleioase 1815 1877 5146 4682 62 -464

din care


Legume 226 224 3797 3496 -2 -301














Tabel 8

Diferenţe (plusmn)





rod (livezi pe rod)137 136 820 732 -1 -88




Grafi c 3

Sursa Eurostat




Grafi c 4

Sursa Eurostat


Concluzii


























IN 2019











European Union





































January2019

December 2019

January2019

December 2019









January 2019

December2019

January2020)


2133 2237 2371


903 847 895


174 184 212


18 18 18





Table 32019 2020


Cattle 7799 7465 5903 9075 9577 8615 7824 8432 7754 8964 9274 10846 6461

Swine 27592 29957 30644 33362 31512 28859 30946 30874 29289 31495 35373 101623 27130

Sheep

and goats1743 1754 3234 39862 4093 5966 4936 5762 5427 5338 5569 5187 1607

Birds 42721 37607 40004 40083 43396 40856 45520 44054 42065 45847 42342 42611 42338




Chart 1





sacrifi cate

- mii capete -


- tone -

January2019

Dec 2019

Jan2020

January2019

dec 2019

January 2020





Table 5

UM

December2018

November2019

December2019

1I ndash 31XII

2018

1I ndash 31XII


tons 84597 81349 84644 1109771 1122327






Chart 2






UMDecember

2018November

2019 December

2019101-

31122018101-


tone 84597 81349 84644 1109771 1122327


333 331 331 328 328


tone

5790 6540 6652 79698 83047






Cultivated



2018 2019 2018 2019-thousand

ha--thousand





yields per hectare






















2018 2019 2018 2019- thousand

ha-- thousand








Graph 3

Source Eurostat





Source Eurostat






Kingdom and Belgium






have increased





















































































Tabel 1

LUNAanul

2004

anul

2005

anul

2006

anul

2007

anul

2008

anul

2009

anul

2010

anul


LUNAanul

2012

anul

2013

anul

2014

anul

2015

anul

2016

anul

2017

anul

2018

anul





Grafi c 1































Grafi c 2





Tabel 22019 2020

































Grafi c 3






Tabel 3

LUNAanul

2004

anul

2005

anul

2006

anul

2007

anul

2008

anul

2009

anul

2010

anul


LUNAanul

2012

anul

2013

anul

2014

anul

2015

anul

2016

anul

2017

anul

2018

anul






(1)

unde = parametrii








urmărim integrala

(2)


(3)

(4)



(7)






10 0052083 192000 -29275 -9119 9025946E+08 5306531E+09








1 0005208 1920000 -470219 -421011 3824219E+11 2341481E+112 0010417 960000 122517 422116 1854647E+11 2091990E+113 0015625 640000 53411 380278 1415652E+11 1230180E+116 0031250 320000 107329 210412 5356092E+10 3869401E+107 0036458 274286 -12150 193691 3615726E+10 3068955E+105 0026042 384000 160501 6909 2477611E+10 3088619E+109 0046875 213333 -103237 96622 1919396E+10 1017850E+10

19 0098958 101053 43760 48056 4055264E+09 2199750E+0914 0072917 137143 54499 -17263 3137443E+09 1541127E+0985 0442708 22588 27661 46942 2849944E+09 1777411E+09





No of cases 192

000 005 010 015 020 025 030 035 040 045 050

Frequency

0

5E10

1E11

15E11

2E11

25E11

3E11

35E11

4E11

Pe

rio

do

gra

m V

alu

es

0

5E10

1E11

15E11

2E11

25E11

3E11

35E11

4E11
















No of cases 192

Hamming weights0357 2411 4464 2411 0357

000 005 010 015 020 025 030 035 040 045 050

Frequency

0

5E10

1E11

15E11

2E11

25E11

Sp

ectr

al D

en

sity

0

5E10

1E11

15E11

2E11

25E11





No of cases 192

000 005 010 015 020 025 030 035 040 045 050

Frequency

-60000

-40000

-20000

0

20000

40000

60000

Sin

e C

oe

ffic

ien

ts

-60000

-40000

-20000

0

20000

40000

60000




13

$

amp

$$






























































































and Housing Census













year









MONTHyear 2004

year 2005

year 2006

year 2007

year 2008

year 2009

year 2010

year 2011


MONTHyear 2012

year 2013

year 2014

year 2015

year 2016

year 2017

year 2018

year 2019


























registered














Graph 3





Table 3

MONTHyear 2004

year 2005

year 2006

year 2007

year 2008

year 2009

year 2010

year 2011


MONTHyear 2012

year 2013

year 2014

year 2015

year 2016

year 2017

year 2018

year 2019



(1)






(3)

(4)



(6)


(7)













Enabling results


1 0005208 1920000 -470219 -421011 3824219E+11 2341481E+112 0010417 960000 122517 422116 1854647E+11 2091990E+113 0015625 640000 53411 380278 1415652E+11 1230180E+116 0031250 320000 107329 210412 5356092E+10 3869401E+107 0036458 274286 -12150 193691 3615726E+10 3068955E+105 0026042 384000 160501 6909 2477611E+10 3088619E+109 0046875 213333 -103237 96622 1919396E+10 1017850E+10

19 0098958 101053 43760 48056 4055264E+09 2199750E+0914 0072917 137143 54499 -17263 3137443E+09 1541127E+0985 0442708 22588 27661 46942 2849944E+09 1777411E+09





No of cases 192

000 005 010 015 020 025 030 035 040 045 050

Frequency

0

5E10

1E11

15E11

2E11

25E11

3E11

35E11

4E11

Pe

rio

do

gra

m V

alu

es

0

5E10

1E11

15E11

2E11

25E11

3E11

35E11

4E11













































of the frequency



No of cases 192

Hamming weights0357 2411 4464 2411 0357

000 005 010 015 020 025 030 035 040 045 050

Frequency

0

5E10

1E11

15E11

2E11

25E11

Sp

ectr

al D

en

sity

0

5E10

1E11

15E11

2E11

25E11




numbers 6 and 7



Graph 6


No of cases 192

000 005 010 015 020 025 030 035 040 045 050

Frequency

-60000

-40000

-20000

0

20000

40000

60000

Sin

e C

oe

ffic

ien

ts

-60000

-40000

-20000

0

20000

40000

60000








Graph 7

13

$

amp

$$



Conclusions




References











372ndash394

















Tabel 1

trim IV 2019

- milioane lei

prețuri curente -

icircn faţă de

trim IV 2018

Structură ()

trim IV 2018

trim IV 2019




TOTAL 370896 1171 1000 1000




Grafi c 113+

-G+13-13 E F

13

1313

131313

$





anul 2018

Tabel 2

Anul 2019

- milioane


Icircn faţă de

anul 2018

Structură ()

anul 2018

anul 2019




TOTAL 1041248 1179 1000 1000




Grafi c 2

-G+13-13 E F

13

1313

131313

$






Grafi c 313

$

amp13 amp13 13

13

$






Grafi c 4B13

13

13

13

13

13

13

13

13

13

13







Grafi c 5

-G+13-136FE6

13

13

$

13

13

$

13

13

$

13

13

$

13

13

$

$$ $$







1I-31XII 2019

1I-31XII 2018

Noiembrie

2019

Decembrie

2018
















ndashnumăr-

Structură

( )

trimIV

2018)trimIV

2019

trimIV 2019

faţă de

trimIV 2018

(+-)

trimIV

2018

trimIV

2019

Mediul urban 11367 12701 +1334 588 603

Mediul rural 7968 8374 +406 412 397


Fonduri private 18342 20030 +1688 949 950


TOTAL 19335 21075 +1740 1000 1000






Grafi c 6

4235

2697

3356

1455

807

1759

2787

2239

5284

2139

3651

2359

1007

1847

2121

2667

0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000 5500 6000

Nord-Est

Sud-Est

Sud-Muntenia

Sud-Vest Oltenia

Vest

Nord-Vest

Centru

Bucuresti-Ilfov






Tabel 5

Locuinţe terminate

-număr-

Structură

( )

trim IV2018

trim IV2019

trim IV 2019

faţă de

trim IV 2018

(+-)

trim IV2018

trim IV2019






-număr-

Structură

()


anul 2018 (+-)anul 2018 anul 2019


din total






anul 2018

Grafi c 7

11272

8437

11074

5465

2932

5603

7408

7522

14832

8946

12816

6837

2896

6208

7027

7950

0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000 11000 12000 13000 14000 15000 16000

Nord-Est

Sud-Est

Sud-Muntenia

Sud-Vest Oltenia

Vest

Nord-Vest

Centru

Bucuresti-Ilfov

anul 2018 anul 2019



Tabel 7

Locuinţe terminate

-număr-

Structură

()

anul 2018 anul 2019

anul 2019

faţă de

anul 2018

(+-)

anul 2018 anul 2019







Tabel 8

Nord-Est Sud-Est

Sud-

Muntenia

Sud-Vest


Bucuresti-

Ilfov

TOTAL

ȚARĂ

trimestrul I 2014 1197 725 946 553 811 1792 748 1498 8270

trimestrul I 2015 1110 924 996 426 835 1057 1363 2521 9232

trimestrul I 2016 2321 1302 1093 562 1079 1553 1573 2107 11590

trimestrul I 2017 1584 1290 961 581 687 1897 1542 1542 10084

trimestrul I 2018 1176 1074 1227 408 1275 2221 1239 1653 10273

trimestrul I 2019 1555 1270 1275 626 1174 2575 2028 2211 12714

trimestrul II 2014 1653 857 1072 531 890 1731 624 1954 9312

trimestrul II 2015 1492 1024 1159 686 985 1476 1224 2256 10302

trimestrul II 2016 1548 1461 1145 487 1275 2404 1402 2794 12516

trimestrul II 2017 1842 1174 1293 466 1300 1888 1597 3413 12973

trimestrul II 2018 1692 1767 1141 665 1012 2564 1607 2294 12742

trimestrul II 2019 1673 1450 1395 592 1402 2447 1967 3564 14490

semestrul I 2014 2850 1582 2018 1084 1701 3523 1372 3452 17582

semestrul I 2015 2602 1948 2155 1112 1820 2533 2587 4777 19534

semestrul I 2016 3869 2763 2238 1049 2354 3957 2975 4901 24106

semestrul I 2017 3426 2464 2254 1047 1987 3785 3139 4955 23057

semestrul I 2018 2868 2841 2368 1073 2287 4785 2846 3947 23015

semestrul I 2019 3228 2720 2670 1218 2576 5022 3995 5775 27204

trimestrul III 2014 1870 1385 1335 685 803 1461 1229 2205 10973

trimestrul III 2015 1791 996 1284 621 1162 1529 1467 2787 11637

trimestrul III 2016 2317 1225 1456 554 1087 2181 1422 2609 12851

trimestrul III 2017 2208 2186 1378 643 1755 3208 2453 2484 16315

trimestrul III 2018 2415 1780 1476 1052 1723 2933 2894 3090 17363

trimestrul III 2019 2055 2186 1691 671 1902 4143 2812 3773 19233

per1I-30IX2014 4720 2967 3353 1769 2504 4984 2601 5657 28555

per1I-30IX2015 4393 2944 3439 1733 2982 4062 4054 7564 31171

per1I-30IX2016 6186 3988 3694 1603 3441 6138 4397 7510 36957

per1I-30IX2017 5634 4650 3632 1690 3742 6993 5592 7439 39372

per1I-30IX2018 5283 4621 3844 2125 4010 7718 5740 7037 40378

per1I-30IX2019 5283 4906 4361 1889 4478 9165 6807 9548 46437

trimestrul IV 2014 2396 1973 1603 754 1045 2109 2096 4453 16429

trimestrul IV 2015 3271 1992 1530 667 1130 2105 1600 3518 15813

trimestrul IV 2016 2740 1927 1654 739 1365 2520 1792 2512 15249

trimestrul IV 2017 2448 1433 1771 625 1411 2489 1704 2094 13975

trimestrul IV 2018 2239 2787 1759 807 1455 3356 2697 4235 19335

trimestrul IV 2019 2667 2121 1847 1007 2359 3651 2139 5284 21075

Anul 2014 7116 4940 4956 2523 3549 7093 4697 10110 44984

Anul 2015 7664 4936 4969 2400 4112 6167 5654 11082 46984

Anul 2016 8926 5915 5348 2342 4806 8658 6189 10022 52206

Anul 2017 8082 6083 5403 2315 5153 9482 7296 9533 53347

Anul 2018 7522 7408 5603 2932 5465 11074 8437 11272 59713

Anul 2019 7950 7027 6208 2896 6837 12816 8946 14832 67512







ndashnumăr- ( )

trimIV

2018

trimIV

2019

trim IV 2019 faţă

de trim IV 2018

(+-)

trimIV

2018

trimIV

2019

Mediul urban 11367 12701 1334 588 603

Mediul rural 7968 8374 406 412 397

din total

Fonduri private 18342 20030 1688 949 950


TOTAL 19335 21075 1740 100 100





Tabel 10


anul 2018 anul 2019

anul 2019 faţă de

anul 2018

(+-)

anul 2018 anul 2019

TOTAL 59713 67512 7799 1000 1000

Mediul urban 34896 40589 5693 584 601

Mediul rural 24817 26923 2106 416 399

din total

Fonduri private 57709 65159 +7450 966 965







Tabel 11


trim IV

2018

trim IV

2019

trim IV 2019

faţă de trim IV

2018

(+-)

trim IV

2018

trim IV

2019



anul 2018

Tabel 12


anul 2018 anul 2019

anul 2019

faţă de anul

2018 (+-)

anul 2018 anul 2019





Concluzii


Bibliografi e






























Abstract




Introduction


Literature review
























objects















Table 1

quarter IV 2019

- million lei

current prices -

in

compared to

quarter IV

2018

Structure ()

quarter IV

2018

quarter

IV 2019



155064 1190 422 418


TOTAL 370896 1171 1000 1000







Chart 113+

-G+13-13 E F

13

1313

131313

$







compared to 2018

Table 2

Year 2019 - million


in compared

toyear 2018

Structure ()

year 2018

year 2019







compared to 2018

Chart 2

-G+13-13 E F

13

1313

131313

$







Chart 313

$

amp13 amp13 13

13

$












Graph 4B13

13

13

13

13

13

13

13

13

13

13







Graph 5

-G+13-136FE6

13

13

$

13

13

$

13

13

$

13

13

$

13

13

$

$$ $$








































analysis



1I-31XII 2019

1I-31XII 2018

November

2019

December

2018



S 984 1347 -Major repairs B 1242 961 1009

S 985 959 -











to 2018






( )

Quarter

IV

2018)

Quarter

IV

2019

Quarter IV 2019

compared to IV

2018

(+-)

Quarter

IV

2018

Quarter IV

2019

















Chart 6

4235

2697

3356

1455

807

1759

2787

2239

5284

2139

3651

2359

1007

1847

2121

2667

0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000 5500 6000

Nord-Est

Sud-Est

Sud-Muntenia

Sud-Vest Oltenia

Vest

Nord-Vest

Centru

Bucuresti-Ilfov












Table 5

Completed dwellings

-number-

Structure

( )

quarter IV

2018

quarter IV

2019

quarter IV 2019

compared to

quarter IV 2018

(+-)

quarter IV

2018

quarter IV

2019








in 2018 to 399 in 2019)



-number-

Structure

()



year 2018 year 2019


out of the total









Chart 7

11272

8437

11074

5465

2932

5603

7408

7522

14832

8946

12816

6837

2896

6208

7027

7950

0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000 11000 12000 13000 14000 15000 16000

Nord-Est

Sud-Est

Sud-Muntenia

Sud-Vest Oltenia

Vest

Nord-Vest

Centru

Bucuresti-Ilfov

anul 2018 anul 2019




-number-

Structure

()

year 2018 year 2019

year 2019

faţă de

year 2018

(+-)

year 2018 year 2019










Table 8

Nord-Est Sud-Est

Sud-

Muntenia

Sud-Vest


Bucuresti-

Ilfov

TOTAL

ȚARĂ

trimestrul I 2014 1197 725 946 553 811 1792 748 1498 8270

trimestrul I 2015 1110 924 996 426 835 1057 1363 2521 9232

trimestrul I 2016 2321 1302 1093 562 1079 1553 1573 2107 11590

trimestrul I 2017 1584 1290 961 581 687 1897 1542 1542 10084

trimestrul I 2018 1176 1074 1227 408 1275 2221 1239 1653 10273

trimestrul I 2019 1555 1270 1275 626 1174 2575 2028 2211 12714

trimestrul II 2014 1653 857 1072 531 890 1731 624 1954 9312

trimestrul II 2015 1492 1024 1159 686 985 1476 1224 2256 10302

trimestrul II 2016 1548 1461 1145 487 1275 2404 1402 2794 12516

trimestrul II 2017 1842 1174 1293 466 1300 1888 1597 3413 12973

trimestrul II 2018 1692 1767 1141 665 1012 2564 1607 2294 12742

trimestrul II 2019 1673 1450 1395 592 1402 2447 1967 3564 14490

semestrul I 2014 2850 1582 2018 1084 1701 3523 1372 3452 17582

semestrul I 2015 2602 1948 2155 1112 1820 2533 2587 4777 19534

semestrul I 2016 3869 2763 2238 1049 2354 3957 2975 4901 24106

semestrul I 2017 3426 2464 2254 1047 1987 3785 3139 4955 23057

semestrul I 2018 2868 2841 2368 1073 2287 4785 2846 3947 23015

semestrul I 2019 3228 2720 2670 1218 2576 5022 3995 5775 27204

trimestrul III 2014 1870 1385 1335 685 803 1461 1229 2205 10973

trimestrul III 2015 1791 996 1284 621 1162 1529 1467 2787 11637

trimestrul III 2016 2317 1225 1456 554 1087 2181 1422 2609 12851

trimestrul III 2017 2208 2186 1378 643 1755 3208 2453 2484 16315

trimestrul III 2018 2415 1780 1476 1052 1723 2933 2894 3090 17363

trimestrul III 2019 2055 2186 1691 671 1902 4143 2812 3773 19233

per1I-30IX2014 4720 2967 3353 1769 2504 4984 2601 5657 28555

per1I-30IX2015 4393 2944 3439 1733 2982 4062 4054 7564 31171

per1I-30IX2016 6186 3988 3694 1603 3441 6138 4397 7510 36957

per1I-30IX2017 5634 4650 3632 1690 3742 6993 5592 7439 39372

per1I-30IX2018 5283 4621 3844 2125 4010 7718 5740 7037 40378

per1I-30IX2019 5283 4906 4361 1889 4478 9165 6807 9548 46437

trimestrul IV 2014 2396 1973 1603 754 1045 2109 2096 4453 16429

trimestrul IV 2015 3271 1992 1530 667 1130 2105 1600 3518 15813

trimestrul IV 2016 2740 1927 1654 739 1365 2520 1792 2512 15249

trimestrul IV 2017 2448 1433 1771 625 1411 2489 1704 2094 13975

trimestrul IV 2018 2239 2787 1759 807 1455 3356 2697 4235 19335

trimestrul IV 2019 2667 2121 1847 1007 2359 3651 2139 5284 21075

Anul 2014 7116 4940 4956 2523 3549 7093 4697 10110 44984

Anul 2015 7664 4936 4969 2400 4112 6167 5654 11082 46984

Anul 2016 8926 5915 5348 2342 4806 8658 6189 10022 52206

Anul 2017 8082 6083 5403 2315 5153 9482 7296 9533 53347

Anul 2018 7522 7408 5603 2932 5465 11074 8437 11272 59713

Anul 2019 7950 7027 6208 2896 6837 12816 8946 14832 67512







Quarter IV

2018

Quarter IV

2019

Quarter IV 2019

compared to

quarter IV 2018

(+-)

Quarter IV

2018

Quarter IV

2019






Table 10


year 2018 year 2019

year 2019

compared to

year 2018

(+-)

year 2018 year 2019






quarter IV

2018

quarter IV

2019

quarter IV

2019

compared to

quarter IV

2018

(+-)

quarter IV

2018

quarter IV

2019



year 2018

Table 12


year 2018 year 2019

year 2019

compared

to year 2018

(+-)

year 2018 year 2019

North-East 7522 7950 +428 126 118

South-East 7408 7027 -381 124 104

South-Muntenia 5603 6208 605 94 92


West 5465 6837 +1372 92 101





Conclusions





























made in Romania

References

































Introducere












Literature review




























şi şomerii










IV 2019







Grafi c 1



(354)


(2068)





vacircrstă ()





Tabel 2








15-24 ani 190 177 189 183

25-34 ani 53 31 32 62

35-44 ani 28 15 18 30

45-54 ani 24 28 21 31

55 ani şi peste 28 17 24 23




Grafi c 3

13 13 13 13 13

13 13 13 13 13

$ amp







Tabel 4ANUL 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000

PIB (mil lei) 2204 6029 200360 497730 721350 1089190 2529260 3737980 5519140 8037730


10786 10548 10062 10011 9493 9379 9023 8813 8420 10508

ANUL 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010

PIB (mil lei) 11676870151475101975648024736800288954603446506041600680524388705105228053388110


10440 9234 9223 9158 92672 93307 93648 93659 8952 8713

ANUL 2011 2012 2013 2014 2015 2016 2017 2018

PIB (mil lei) 56509720 59668150 63758310 66859010 71258780 76513540 85672660 89442260


8528 8605 8549 8614 8535 8449 8671 8896




Grafi c 4




Grafi c 5

0

2

4

6

8

10

12

0 200000 400000 600000 800000

Series PIB

Sample 1991 2018

Observations 28

Mean 3304484

Median 2681613

Maximum 8944226

Minimum 2204000

Std Dev 3008084

Skewness 0371250

Kurtosis 1718197

Jarque-Bera 2560046

Probability 0278031






0

1

2

3

4

5

6

7

8

8500 9000 9500 10000 10500 11000

Series NSAL

Sample 1991 2018

Observations 28

Mean 9247807

Median 9190500

Maximum 1078600

Minimum 8420000

Std Dev 6980081

Skewness 0815831

Kurtosis 2590306

Jarque-Bera 3301862

Probability 0191871




Grafi c 8

-200000

0

200000

400000

600000

800000

1000000

8000 9000 10000 11000

NSAL

PIB

PIB vs NSAL








Figura 1





(2)















































and the labor force



Introduction


















































(354)


(2068)





Table 2





Chart 2









Chart 3

13 13 13 13 13

13 13 13 13 13

$ amp






YEAR 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000

GDP (million lei) 2204 6029 200360 497730 721350 1089190 2529260 3737980 5519140 8037730


10786 10548 10062 10011 9493 9379 9023 8813 8420 10508

YEAR 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010

GDP (million lei) 11676870 151475101975648024736800288954603446506041600680524388705105228053388110


10440 9234 9223 9158 92672 93307 93648 93659 8952 8713

YEAR 2011 2012 2013 2014 2015 2016 2017 2018

GDP (million lei) 5650972059668150637583106685901071258780765135408567266089442260


8528 8605 8549 8614 8535 8449 8671 8896







0

2

4

6

8

10

12

0 200000 400000 600000 800000

Series PIB

Sample 1991 2018

Observations 28

Mean 3304484

Median 2681613

Maximum 8944226

Minimum 2204000

Std Dev 3008084

Skewness 0371250

Kurtosis 1718197

Jarque-Bera 2560046

Probability 0278031











0

1

2

3

4

5

6

7

8

8500 9000 9500 10000 10500 11000

Series NSAL

Sample 1991 2018

Observations 28

Mean 9247807

Median 9190500

Maximum 1078600

Minimum 8420000

Std Dev 6980081

Skewness 0815831

Kurtosis 2590306

Jarque-Bera 3301862

Probability 0191871






-200000

0

200000

400000

600000

800000

1000000

8000 9000 10000 11000

NSAL

PIB

PIB vs NSAL


















(2)






























1 INTRODUCERE








(2)unde





(3)


(4)




(5)




(6)

(7)



(8)


(9)


(10)
























Fig 2








absolută

Tabelul 1


Relativă

[]20172010 4481 5893 5623 2874 1954 2113 3374 2711 988 1814 844 041

Absolută

[pp]20172010 2554 1203 637 564 531 476 466 424 389 347 219 086




























Fig 6










Fig 7








Fig 8







Tabelul 2



Poland 2929 391 2961 373

Czechia 1837 245 1992 250

Hungary 1275 170 1342 169

Slovakia 1105 147 1149 144

Romania 993 133 860 108

Lithuania 431 057 408 051

Bulgaria 427 057 394 050

Slovenia 398 053 421 053

Latvia 219 029 181 023

Estonia 208 028 194 024

Cyprus 106 014 047 006

Malta 074 010 049 006

12 NMS icircn medie 2013-17 1258 1333


































Fig 9













Fig 11






Fig 12






















2000 204 013 -029 242 104 -010 1054 038 175 049 000 143 017 058

2017 444 118 -307 012 -025 -363 935 042 -014 232 033 011 -328 -138






Fig 13
























doi1010801461669032000 176323 71



611ndash632 doi101111j 1468-5965200700726x



doi10108000036840 600749524


























JEL F14 O11 O24





















































(a) (b) (1a b)









formula

(2)

where


SI SK

and



member





(3)



(4)




(5)




(7)



(9)



(10)



X for any given OMS






European Union








































Relative []

20172010 4481 5893 5623 2874 1954 2113 3374 2711 988 1814 844 041

Absolute [pp]

20172010 2554 1203 637 564 531 476 466 424 389 347 219 086






Fig 3











Fig 4















Fig 5








Fig 6








Fig 7





of the export share







Table 2




Slovakia 1105 147 1149 144

Romania 993 133 860 108

Lithuania 431 057 408 051


Malta 074 010 049 006

12 NMS average 2013-17 1258 1333
























Fig 11




Fig 12






refi ned database


2000 204 013 -029 242 104 -010 1054 038 175 049 000 143 017 058

2017 444 118 -307 012 -025 -363 935 042 -014 232 033 011 -328 -138







Fig 13































doi1010801461669032000 176323 71



611ndash632 doi101111j 1468-5965200700726x



doi10108000036840 600749524





































Introducere











1991-2019

Tabel 1ANUL 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000

Număr de

șomeri337440 929019 1164705 1223925 998432 657564 881435 1025056 1130296 1007131

PIB(mil lei) 2204 6029 200360 497730 721350 1089190 2529260 3737980 5519140 8037730

ANUL 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010

Număr de

șomeri826932 760623 658891 557892 522967 460495 367838 403441 709383 626960

PIB(mil lei) 11676870 15147510 19756480 24736800 28895460 34465060 41600680 52438870 51052280 53388110

ANUL 2011 2012 2013 2014 2015 2016 2017 2018 2019

Număr de

șomeri461013 493775 512333 478338 436242 418237 351105 288 896 257865

PIB(mil lei) 56509720 59668150 63758310 66859010 71258780 76513540 85672660 89442260 93109390





Grafi c 1




Grafi c 2

0

2

4

6

8

10

12

0 400000 800000

Series PIB

Sample 1991 2019

Observations 29

Mean 3511603

Median 2889546

Maximum 9310939

Minimum 2204000

Std Dev 3157445

Skewness 0358996

Kurtosis 1724927

Jarque-Bera 2587433

Probability 0274250




1991-2019

Grafi c 3

0

1

2

3

4

5

6

7

8

400000 800000 1200000

Series SM

Sample 1991 2019

Observations 29

Mean 6533872

Median 5578920

Maximum 1223925

Minimum 2578650

Std Dev 2849507

Skewness 0538435

Kurtosis 2052682

Jarque-Bera 2485617

Probability 0288573




Grafi c 4

200000

400000

600000

800000

1000000

1200000

1400000

0 500000 1000000

PIB

SM

SM vs PIB











(2)








fi gura numărul 2


evoluția PIB-ului











(4)














8978754
















































DOMESTIC PRODUCT










and much more







country






























































































Table 1YEAR 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000


GDP(mil lei) 2204 6029 200360 497730 721350 1089190 2529260 3737980 5519140 8037730

YEAR 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010


GDP (mil lei) 11676870151475101975648024736800288954603446506041600680 52438870 5105228053388110

YEAR 2011 2012 2013 2014 2015 2016 2017 2018 2019Number of

unemployed 461013 493775 512333 478338 436242 418237 351105 288 896 257865

GDP(mil lei) 56509720596681506375831066859010712587807651354085672660 89442260 93109390




Graph 1




Graph 2

0

2

4

6

8

10

12

0 400000 800000

Series PIB

Sample 1991 2019

Observations 29

Mean 3511603

Median 2889546

Maximum 9310939

Minimum 2204000

Std Dev 3157445

Skewness 0358996

Kurtosis 1724927

Jarque-Bera 2587433

Probability 0274250




Graph 3

0

1

2

3

4

5

6

7

8

400000 800000 1200000

Series SM

Sample 1991 2019

Observations 29

Mean 6533872

Median 5578920

Maximum 1223925

Minimum 2578650

Std Dev 2849507

Skewness 0538435

Kurtosis 2052682

Jarque-Bera 2485617

Probability 0288573






Graph 4

200000

400000

600000

800000

1000000

1200000

1400000

0 500000 1000000

PIB

SM

SM vs PIB













(2)









(3)
















(4)






































































aringaring acute+

=

x

x

P

P)50x(x

































prezentate mai jos


















vttd




























Grafi c 1

ampA$1313amp131344M2I11

13

13







0-4 529233 5017855-9 543296 513972

10-14 594293 56227215-19 580480 54877520-24 594143 56412925-29 686862 65035530-34 923275 87809335-39 875096 82957140-44 972739 92883345-49 899630 87463650-54 862395 86772155-59 592580 62818560-64 659005 76160865-69 558186 69934470-74 382211 52517775-79 252240 39724280-84 189541 344898





Grafi c 2



Concluzii




















AT THE END OF 2019















in Romania
































aringaring acute+

=

x

x

P

P)50x(x






presented below













vttd

















Graph 1

ampA$1313amp131344M2I11

13

13






0-4 529233 501785

5-9 543296 513972

10-14 594293 562272

15-19 580480 548775

20-24 594143 564129

25-29 686862 650355

30-34 923275 878093

35-39 875096 829571

40-44 972739 928833

45-49 899630 874636

50-54 862395 867721

55-59 592580 628185

60-64 659005 761608

65-69 558186 699344

70-74 382211 525177

75-79 252240 397242

80-84 189541 344898

85 and over 135736 267156





Chart 2




































(3) 463-476


































Tabelul 1





Ianuarie2019

Decembrie 2019

Ianuarie2019

Decembrie 2019


(abatoare)579 733 644 777


(abatoare)818 619 811 655


(abatoare)606 571 736 658


(abatoare)996 1066 994 1061




Tabelul 2


Ianuarie 2019

Decembrie2019

Ianuarie2020)

Bovine - total 1733 1722 1657


(abatoare)2133 2237 2371



(abatoare)903 847 895



(abatoare)174 184 212



(abatoare)18 18 18






Tabel 32019 2020


Bovine 7799 7465 5903 9075 9577 8615 7824 8432 7754 8964 9274 10846 6461

Porcine 27592 29957 30644 33362 31512 28859 30946 30874 29289 31495 35373 101623 27130Ovine şi

caprine1743 1754 3234 39862 4093 5966 4936 5762 5427 5338 5569 5187 1607

Păsări 42721 37607 40004 40083 43396 40856 45520 44054 42065 45847 42342 42611 42338





Grafi c 1





- mii capete -


- tone -ianuarie

2019dec

2019Ian

2020ianuarie

2019dec

2019ianuarie

2020Bovine - total 45 63 39 7799 10846 6461


(abatoare) 19 15 11 4052 3356 2608

Porcine - total 308 1116 299 27592 101623 27130


(abatoare) 292 386 239 26372 32680 21394



(abatoare) 33 35 20 575 643 423

Păsări - total 24148 23811 24039 42721 42611 42338


(abatoare) 22940 21430 22837 40907 38337 40661






Tabel 5

UM

Decembrie

2018

Noiembrie

2019

Decembrie

2019

1I ndash

31XII

2018

1I ndash

31XII


tone 84597 81349 84644 1109771 1122327












Grafi c 2









tabelul numărul 6



obţinute


UMDecembrie

2018

Noiembrie

2019

Decembrie

2019

101-

31122018

101-


tone 84597 81349 84644 1109771 1122327


390 387 393 379 381


333 331 331 328 328


tone 5790 6540 6652 79698 83047





Tabel 7





din care



Plante uleioase 1815 1877 5146 4682 62 -464

din care


Legume 226 224 3797 3496 -2 -301














Tabel 8

Diferenţe (plusmn)





rod (livezi pe rod)137 136 820 732 -1 -88




Grafi c 3

Sursa Eurostat




Grafi c 4

Sursa Eurostat


Concluzii


























IN 2019











European Union





































January2019

December 2019

January2019

December 2019









January 2019

December2019

January2020)


2133 2237 2371


903 847 895


174 184 212


18 18 18





Table 32019 2020


Cattle 7799 7465 5903 9075 9577 8615 7824 8432 7754 8964 9274 10846 6461

Swine 27592 29957 30644 33362 31512 28859 30946 30874 29289 31495 35373 101623 27130

Sheep

and goats1743 1754 3234 39862 4093 5966 4936 5762 5427 5338 5569 5187 1607

Birds 42721 37607 40004 40083 43396 40856 45520 44054 42065 45847 42342 42611 42338




Chart 1





sacrifi cate

- mii capete -


- tone -

January2019

Dec 2019

Jan2020

January2019

dec 2019

January 2020





Table 5

UM

December2018

November2019

December2019

1I ndash 31XII

2018

1I ndash 31XII


tons 84597 81349 84644 1109771 1122327






Chart 2






UMDecember

2018November

2019 December

2019101-

31122018101-


tone 84597 81349 84644 1109771 1122327


333 331 331 328 328


tone

5790 6540 6652 79698 83047






Cultivated



2018 2019 2018 2019-thousand

ha--thousand





yields per hectare






















2018 2019 2018 2019- thousand

ha-- thousand








Graph 3

Source Eurostat





Source Eurostat






Kingdom and Belgium






have increased





















































































Tabel 1

LUNAanul

2004

anul

2005

anul

2006

anul

2007

anul

2008

anul

2009

anul

2010

anul


LUNAanul

2012

anul

2013

anul

2014

anul

2015

anul

2016

anul

2017

anul

2018

anul





Grafi c 1































Grafi c 2





Tabel 22019 2020

































Grafi c 3






Tabel 3

LUNAanul

2004

anul

2005

anul

2006

anul

2007

anul

2008

anul

2009

anul

2010

anul


LUNAanul

2012

anul

2013

anul

2014

anul

2015

anul

2016

anul

2017

anul

2018

anul






(1)

unde = parametrii








urmărim integrala

(2)


(3)

(4)



(7)






10 0052083 192000 -29275 -9119 9025946E+08 5306531E+09








1 0005208 1920000 -470219 -421011 3824219E+11 2341481E+112 0010417 960000 122517 422116 1854647E+11 2091990E+113 0015625 640000 53411 380278 1415652E+11 1230180E+116 0031250 320000 107329 210412 5356092E+10 3869401E+107 0036458 274286 -12150 193691 3615726E+10 3068955E+105 0026042 384000 160501 6909 2477611E+10 3088619E+109 0046875 213333 -103237 96622 1919396E+10 1017850E+10

19 0098958 101053 43760 48056 4055264E+09 2199750E+0914 0072917 137143 54499 -17263 3137443E+09 1541127E+0985 0442708 22588 27661 46942 2849944E+09 1777411E+09





No of cases 192

000 005 010 015 020 025 030 035 040 045 050

Frequency

0

5E10

1E11

15E11

2E11

25E11

3E11

35E11

4E11

Pe

rio

do

gra

m V

alu

es

0

5E10

1E11

15E11

2E11

25E11

3E11

35E11

4E11
















No of cases 192

Hamming weights0357 2411 4464 2411 0357

000 005 010 015 020 025 030 035 040 045 050

Frequency

0

5E10

1E11

15E11

2E11

25E11

Sp

ectr

al D

en

sity

0

5E10

1E11

15E11

2E11

25E11





No of cases 192

000 005 010 015 020 025 030 035 040 045 050

Frequency

-60000

-40000

-20000

0

20000

40000

60000

Sin

e C

oe

ffic

ien

ts

-60000

-40000

-20000

0

20000

40000

60000




13

$

amp

$$






























































































and Housing Census













year









MONTHyear 2004

year 2005

year 2006

year 2007

year 2008

year 2009

year 2010

year 2011


MONTHyear 2012

year 2013

year 2014

year 2015

year 2016

year 2017

year 2018

year 2019


























registered














Graph 3





Table 3

MONTHyear 2004

year 2005

year 2006

year 2007

year 2008

year 2009

year 2010

year 2011


MONTHyear 2012

year 2013

year 2014

year 2015

year 2016

year 2017

year 2018

year 2019



(1)






(3)

(4)



(6)


(7)













Enabling results


1 0005208 1920000 -470219 -421011 3824219E+11 2341481E+112 0010417 960000 122517 422116 1854647E+11 2091990E+113 0015625 640000 53411 380278 1415652E+11 1230180E+116 0031250 320000 107329 210412 5356092E+10 3869401E+107 0036458 274286 -12150 193691 3615726E+10 3068955E+105 0026042 384000 160501 6909 2477611E+10 3088619E+109 0046875 213333 -103237 96622 1919396E+10 1017850E+10

19 0098958 101053 43760 48056 4055264E+09 2199750E+0914 0072917 137143 54499 -17263 3137443E+09 1541127E+0985 0442708 22588 27661 46942 2849944E+09 1777411E+09





No of cases 192

000 005 010 015 020 025 030 035 040 045 050

Frequency

0

5E10

1E11

15E11

2E11

25E11

3E11

35E11

4E11

Pe

rio

do

gra

m V

alu

es

0

5E10

1E11

15E11

2E11

25E11

3E11

35E11

4E11













































of the frequency



No of cases 192

Hamming weights0357 2411 4464 2411 0357

000 005 010 015 020 025 030 035 040 045 050

Frequency

0

5E10

1E11

15E11

2E11

25E11

Sp

ectr

al D

en

sity

0

5E10

1E11

15E11

2E11

25E11




numbers 6 and 7



Graph 6


No of cases 192

000 005 010 015 020 025 030 035 040 045 050

Frequency

-60000

-40000

-20000

0

20000

40000

60000

Sin

e C

oe

ffic

ien

ts

-60000

-40000

-20000

0

20000

40000

60000








Graph 7

13

$

amp

$$



Conclusions




References











372ndash394








Date post:	08-Mar-2021
Category:	Documents
Upload:	others
View:	2 times
Download:	0 times

insse.ro · 2020. 4. 27. · Revista Română de Statistică Supliment nr. 4 / 2020 SUMAR /...

Documents