Studiul de caz 2.

Analiza de regresie si de corelatie (cu Excel si WINQSB)

O firma cunoaste vanzarile pe 12 luni si numarul de agenti de vanzari folositi in fiecare luna (tabelul 1). Sa se previzioneze vanzarile pentru a 13-a luna mai intai prin analiza de regresie liniara simpla a vanzarilor fata de luna, iar apoi prin regresia liniara multipla a vanzarilor in functie de numarul de agenti de vanzare si de luna. Tabelul 1 Luna 1 2 3 4 5 6 7 8 9 10 11 12 1. Regresie simpla cu Excel In Excel din Tools se alege optiunea Data Analysis (este un Add-Ins in Excel ce trebuie activat daca nu exista deja). Se alege optiunea Regression. Nr agenti 10 15 18 17 16 18 20 21 23 23 24 22 Vanzari 1215 1251 1305 1383 1280 1450 1540 1750 1835 1923 2050 1950

Se selecteaza valorile dependente (Y) vanzarile (Input Y Range) si cele independente Xlunile (Input X Range). Se alege unde sa se afiseze resultatele (Output Range). Se bifeaza Residuals si Line Fit Plots.

Rezultatele afisate arata ca in fig. urmatoare:

SUMMARY OUTPUT Regression Statistics 0,9608 Multiple R 0,9231 R Square Adjusted R 0,9154 Square 89,1866 Standard Error Observations ANOVA df Regression Residual Total 1 79542,506 10 1033708,667 11 Standard Error 54,891 7,458 Upper 95% 1169,016 98,303 Lower 95,0% 924,408 65,068 Upper 95,0% 1169,016 98,303 7954,251 SS 954166,161 MS 954166,161 F 119,957 Significance F 6,86307E-07 12

Coefficients 1046,712 Intercept 81,685 X Variable 1

t Stat 19,069 10,952

P-value 0,000 0,000

Lower 95% 924,408 65,068

RESIDUAL OUTPUT Observation 1 1210,083 2 1291,768 3 1373,453 4 1455,139 5 1536,824 6 1618,509 7 1700,195 8 1781,880 9 1863,565 10 1945,251 11 2026,936 12 -76,936 104,749 59,435 53,120 49,805 -78,509 -86,824 -175,139 9,547 13,232 40,917 Predicted Y 1128,397 Residuals 86,603

Alta modalitate de calcul a coeficientilor a si b: pentru calculul coeficientului a se poate folosi si optiunea Intercept (din Insert Function), pentru calcul coeficientului b se pot folosi functiile SLOPE sau LINEST (din Insert Function). Pentru obtinerea direct a ecuatiei de regresie (liniara, logaritmica, putere, exponentiala...etc) si a lui R2 se poate folosi optiunea AddTrendline:

 Se selecteaza coloanele cu valori (Luna si Vanzari) si se alege optiunea Insert Chart (Scatter) pentru a obtine un grafic al vanzarilor:

Dupa obtinerea garficului se selecteaza seria de date din grafic (click pe punctele din grafic), apoi click dreapta si se alege optiunea Add Trendline.

 Din meniul Trendline Options generat se selecteaza Regression Type - Linear, se bifeaza Display Equation on chart si Display R-squared on chart, apoi Close.

Pe langa dreapta de regresie pe grafic apare ecuatia Y si valoarea R2

Seria de date poate fi selectata din nou pe grafic si repetata optiunea Add Trendline, alegand alt tip de regresie (Exponentiala, de ex.).

 Graficul va fi completat cu ecuatia exponentiala si cu noua valoare a lui R2

Analiza rezultatelor: Ecuatia de regresie are forma: Y= 1046,712+81,685X, de unde rezulta ca vanzarile pentru luna 13 sunt Y(13)= 1046,712+81,685(13)=2108,621

Se analizeaza F, t-stat si p-value; se explica coef de regresie si de determinare, eroarea standard, valorile reziduale (residuals).

II. Regresia multipla In Excel din Tools se alege optiunea Data Analysis (este un Add-Ins in Excel ce trebuie activat daca nu exista deja). Se alege optiunea Regression. Se selecteaza valorile dependente (Y) vanzarile (Input Y Range) si cele independente Xlunile si numar de agenti (Input X Range). Se alege unde sa se afiseze resultatele (Output Range). Se bifeaza Residuals si Line Fit Plots.

SUMMARY OUTPUT Regression Statistics Multiple R 0,9634 R Square 0,9281 Adjusted R Square 0,9121 Standard Error 90,869 Observations ANOVA df SS MS F Significance 12

F Regression Residual Total 2 9 11 959393,36 74315,31 1033708,67 Standard Error 207,707 18,526 16,380 Pvalue 0,002 0,005 0,447 Upper 95% 1357,422 110,151 50,087 Lower 95,0% 417,688 26,334 -24,022 Upper 95,0% 1357,422 110,151 50,087 479696,68 8257,26 58,09 7,162E-06

Coefficients Intercept X Variable 1 X Variable 2 887,555 68,242 13,033

t Stat 4,273 3,684 0,796

Lower 95% 417,688 26,334 -24,022

RESIDUAL OUTPUT Predicted Y Residuals 1086,125 128,875 1219,531 31,469 1326,871 -21,871 1382,081 0,919 1437,291 -157,291 1531,599 -81,599 1625,907 -85,907 1707,182 42,818 1801,490 33,510 1869,732 53,268 1951,007 98,993 1993,184 -43,184

Observation 1 2 3 4 5 6 7 8 9 10 11 12 -

ecuatia de regresie are forma: Y= 887,555+68,242X1 + 13,033X2 Se analizeaza F, t-stat si p-value; se explica coef de regresie si de determinare, eroarea standard, valorile reziduale (residuals=iferenta dintre valorile reale si cele previzionate).