CURSUL 4 !

odelul liniar multiplu

Durata medie de studiu individual 4 ore

Cuprins: 1. Scopul i obiectivele cursului 2. Specificarea i definirea modelului liniar multiplu 3. Estimarea parametrilor modelului liniar multiplu 4. Estimarea coeficientului de corelaie multipl 5. Inferena statistic n cadrul modelului liniar multiplu . !ulticoliniaritatea Bibliografie minimal

1. Scopul i obiectivele cursului

"n cadrul acestui curs sunt pre#entate aspecte metodolo$ice i aplicative le$ate de modelul liniar multiplu. !odelul de re$resie liniar simpl studiat n cursurile anterioare este uneori inadecvat n practica econometric% datorit comple&itii fenomenelor economice i a faptului c evoluia unei variabile identificat ca endo$en este determinat de re$ul de mai mult de o variabil e&o$en. 'a finalul parcur$erii acestei uniti de nvare( vei nele$e deosebirea dintre modelul liniar simplu i modelul liniar multiplu i informaia adiional adus de ctre cel din urm vei fi capabili s specificai i s definii modelul liniar multiplu

 vei fi capabili s estimai coeficienii de re$resie utili#)nd metoda celor mai mici ptrate *OLS+ vei nele$e importana verificrii asumpiilor re$resiei vei fi capabili s estimai intensitatea le$turii dintre variabila endo$en i variabilele e&o$ene specificate n model vei nele$e importana testrii validitii modelului liniar multiplu% a coeficienilor de re$resie% a coeficientului de corelaie vei fi capabili s identificai pre#ena multicoliniaritii n modelul liniar multiplu.

2. Specificarea i definirea modelului liniar multiplu

!odelul de re$resie liniar simpl studiat n cursurile anterioare este uneori inadecvat n practica econometric% datorit comple&itii fenomenelor economice i a faptului c evoluia unei variabile identificat ca endo$en este determinat de re$ul de mai mult de o variabil e&o$en. ,e e&emplu% consumul unui produs sau unei $rupe de produse este funcie de venitul unei familii-$ospodrii% de preul produsului respectiv sau indicele preurilor $rupei de produse i de numrul membrilor unei familii-$ospodrii. .stfel vom avea(
C = f *V % P% N + + %

unde cu C am notat consumul unui produs sau $rupe de produse% V/ este venitul familiei-$ospodriei% P este preul produsului respectiv% iar N este numrul membrilor $ospodriei respective. Sau% un alt e&emplu din teoria economic% dependena dintre volumul produciei% capital i fora de munc *funcia 0obb/,ou$las+% descris de relaia(
Q = f * K % L+ +

unde Q este volumul produciei% K este capitalul i L este fora de munc. 1i e&emplele pot continua. .adar% ntr/un model liniar multiplu variabilitatea variabilei endo$ene depinde de dou sau mai multe variabile e&o$ene. "n funcie de numrul acestora ! i un set de modelul poate fi bifactorial% trifactorial% cvadruplu factorial% etc. ,ependena stoc2astic liniar dintre o variabil e&plicat% e&o$en% variabile independente% e&o$ene # 1 % # 2 %.......% # " este descris de relaia(
$i

= 3 + 1 $1i + 2 $ 2i + .... + " $ "i + i

unde 3 % 1 % 2 %..." sunt parametrii de re$resie ce specific le$turile dintre variabilele independente la nivelul ntre$ii populaii statistice% iar i este eroarea aditiv ce d caracterul stoc2astic al modelului. .nalo$ descrierii modelului de re$resie liniar simpl% vom delimita noiunea de 4 e%ua&ie de regresie'! aa cum este descris de formula anterioar de noiunea de 4 e%ua&ie determinat (e ba)a unor e*antioane aleatoare'! descris de formula(

$i

= b3 + b1 $1i + b2 $ 2i + ..... + b" $ "i + ei

unde b3 % b1 % b2 %.......% b" sunt estimaii ale parametrilor 3 % 1 % 2 %......" % iar ei are semnificaia unui termen re)idual +eroare,-

3. Estimarea parametrilor modelului liniar multiplu

Estimarea parametrilor 3 % 1% 2 %...... " cu a5utorul metodei celor mai mici ptrate ordinare *OLS+ presupune satisfacerea simultan a urmtoarelor ipote#e( *i1+( 6ermenii eroare i sunt variabile aleatoare de medie nul.
.8 i 7 = 3

*i2+( !atricea de covarian a vectorului erorilor este de forma(

i = .8 i 9 i 7 = 2 / , ceea ce presupune satisfacerea urmtoarelor dou proprieti(

*i2.1+ :omoscedasticitate(

var8 i 7 = .8 2 i 7 = 2 = %ons tan t

*i2.2+ .bsena autocorelaiei erorilor(
cov8 i 0 7 = .8 i 0 7 = 3%

* +i
* +i 0

,ac datele empirice sunt de natur s satisfac ipote#ele menionate anterior% atunci vom putea determina estimatorii b3 % b1 % b2 %.......% b" ai parametrilor 3 % 1% 2 %...... " cu a5utorul metodei celor mai mici ptrate ordinare. 0ondiia impus de metoda celor mai mici ptrate este ca suma ptratelor re#iduurilor ei = 1 i 3 1 $1i 2 $ 2i ....... " $ "i s fie minim% adic(
ar$ min 2 *b3 % b1 % b2 %.......% b" + = ar$ min * 1 i b3 b1 $1i b2 $ 2i ........b" $ "i +
i =1 " 2

0ondiia necesar de ordinul nt)i pentru aceast problem de minim este(

2 *b+ =3 b

i conduce la urmtorul sistem de ecuaii normale(

" i " i " i . . " i . . n i 1 i = " 3 + 1 $1 + 2 $ 2 + ....... + " $ " 1 i $1 = 3 $1 + 1 $ 21 + 2 $1 $ 2 + ..... " $1 $ "
i i i i " " " "

1 i $ 2 = 3 $ 2 + 1 $1 $ 2 + 2 $ 2 2 + ..... " $ 2 $ "

i i i i

"

"

"

"

1 i $ i = 3 $i + 1 $ i $1 + 2 $i $ 2 + ..... " $i $ "

i i i i

"

"

"

"

$ n 1 i = 3 $ n + 1 $1 $ n + 2 $ 2 $ n + ..... n $ n n
i i i i

6rebuie amintit aici faptul c parametrii ecuaiei de re$resie nu vor putea fi calculai dac( a+ b+ mrimea eantionului este mai mic sau e$al cu numrul variabilelor independente o variabil independent este perfect corelat cu o alt variabil independent.1

4. Estimarea coeficientului de corelaie multipl

Intensitatea le$turii dintre variabila dependent

i $rupul de variabile independente%

cuprinse n modelul liniar multiplu este apreciat% de re$ul% cu a5utorul a doi indicatori% coeficientul de determinaie% respectiv coeficientul de corelaie multipl. 0alculul coeficientului de determinaie are la ba# descompunerea variaiei totale a variabilei dependente e&plicat de re$resie i variaia re#idual a variabilei dependente. .vem( n variaia

;aserman ;.% <utner :.% 3((lied Linear 4egression 5odels! :ome=ood% I'% 1>?3% p.11>/123.

@ariaia total A

* 1
i =1

1+ 2 .
n

@ariaia e&plicat a variabilei % datorat re$resiei esteA *

i =1

$i

1+ 2

iar @ariaia re#idual A * 1 i

i =1

+2 .

.nali#a varianei este pre#entat ntr/o form sistemati#at n tabelul 1. 6abelul 1( 3nali)a varian&ei Sursa variaiei E&plicat Ee#idual Suma ptratelor n * $ 1 + 2
i =1 n
i

Brade de libertate D n6"67

Ctratul mediu n * $ 1 + 2 - "

i =1
i

* 1 i
i =1

2 $i + A

e
i =1

n " 1

e
i =1 n

6otal

* 1i 1 + 2
i =1

n67

s2 1 =

*1
i =1

1+2

n 1
este

Conderea variaiei e&plicate n variaia total a variabilei endo$ene% dependente dat de coeficientul de determinaie( 2 * $ i 1+ 2 4 = * 1i 1 + 2

Se poate calcula i un coeficient de determinaie a5ustat pentru un numr de $rade de libertate stabilit% lu)ndu/se astfel n considerare mrimea eantionului i numrul de variabile independente. Eaiunea ce st la ba#a calculrii acestei statistici este aceea c% dac numrul de variabile independente este mare% n raport cu dimensiunea eantionului% valoarea coeficientului de determinaie multipl 4 2 este nerealist. .cest inconvenient este eliminat prin calcularea coeficientului de corelaie a5ustat% dup relaia( 2 * 1 i $ i + -* n " 1+ 2 4 a0ustat = 1 * 1i 1 + 2 -*n 1+

,ac dimensiunea eantionului n este mult mai mare dec)t numrul variabilelor independente "! 4 2 i 4 2 a0ustat vor fi similare. ,ac variaia re#idual este diferit de #ero i " este suficient de mare comparativ cu n% 4 2 i 4 2 a0ustat vor avea valori diferite% iar n acest ca# interpretarea valorilor celor 2 coeficieni este dificil i contradictorie. .lturi de coeficientul de determinaie i de coeficientul de corelaie multipl% aprecierea calitii a5ustrii modelului de re$resie se poate face i cu a5utorul erorii standard a estima&iei ce se obine e&tr$)nd rdcin ptrat din dispersia re#idual dup relaia(

s e" =
$i

*1

$i

+2

n " 1

% unde 1 i repre#int valorile observate ale variabilei dependente %

repre#int valorile estimate% a5ustate cu a5utorul ecuaiei de re$resie% n este volumul

eantionului iar " este numrul de variabile independente din model. Fumitorul acestei e&presii ilustrea# faptul c n re$resia liniar multipl cu " variabile independente% eroarea standard are +n6"67, $rade de libertate% deoarece numrul $radelor de libertate este redus cu *"87, constante care au fost estimate prin model. !rimea erorii standard de estimare nu este invers proporional cu numrul de variabile adu$ate n modelul de re$resie2. ,efinit n raport cu variabila re#idual% 4 2 are valoarea( 2 * 1 i $i + 2 4 = 1 . * 1i 1 + 2 0oeficientul de corelaie multipl se obine e&tr$)nd radical din coeficientul de determinaie(
4= 4 =
2

*1 + 1 * 1 1+
i $i i

4 83%17 . 0u c)t valoarea coeficientului de corelaie multipl 4 este mai apropiat de 1

cu at)t intensitatea le$turii dintre variabila dependent sau nu e&ist.

i variabilele factoriale # este mai

mare% i reciproc% cu c)t valoarea lui 4 tinde ctre #ero% cu at)t le$tura este de intensitate mic

@aloarea coeficientului de corelaie multipl crete odat cu creterea numrului

2

GobDo%variabilelor C. *1>>5+.independente Correlation folosite and 4egression9 Prin%i(les and a((li%ations for industrial pentru definirea modelului liniar de re$resie. organi)ational (s1%olog1 and management- Fe= HorD( !c.Bra=/:ill.

5. Inferena statistic n cadrul modelului liniar multiplu

.lturi de condiiile necesare i suficiente pre#entate n seciunea *3+% vom adu$a o condiie adiional ca punct de plecare n descrierea testelor de semnificaie cu privire la parametrii modelului% i anume condiia de normalitate a erorilor(
I N *3% 2 / +

,ac eroarea standard a estimaiei% coeficientul de determinaie% respectiv coeficientul de corelaie multipl pot fi folosite pentru estimarea modelului de re$resie liniar multipl% anali#a variaiei poate fi folosit at)t pentru estimarea c)t i pentru testarea semnificaiei modelului de re$resie. 6estul ipote#ei nule poate fi aplicat simultan mai multor coeficieni de re$resie " sau unei combinaii liniare a acestora. Se urmrete astfel testarea simultan a semnificaiei tuturor parametrilor modelului cu rol de coeficieni un$2iulari% cu e&cepia termenului liber 3 . @om considera ipote#ele( a+ b+ Ipote#a nul( : 3 ( 1 = 2 = ....." = 3 Ipote#a alternativ : 3 ( cel puin un coeficient " 3 . 6estarea semnificaiei coeficienilor de re$resie se reali#ea# cu a5utorul statisticii 2% definit ca raport ntre dispersia e&plicat de re$resie i dispersia re#idual statistica 2 urmea# o distribuie Jis2er cu +", respectiv +n6"67, $rade de libertate. @om avea(
n

2=

*
i =1 i

$i

1+ 2 - " 2 *" % n " 1+ + -* n " 1+

2

*1
i =1

$i

Se compar valoarea calculat a statisticii 2 cu valoarea tabelat a acesteia% pentru +",% respectiv +n6"67, $rade de libertate i un pra$ de semnificaie stabilit. "n funcie de re#ultatele acestei comparaii vom admite sau vom respin$e ipote#a nul : 3 . K valoare a statisticii 2 mai mare dec)t valoarea sa tabelat arat c cea mai mare parte a variaiei variabilei endo$ene% dependente este e&plicat prin intermediul ecuaiei de re$resie% i deci modelul este corect ales. ,ac ns valoarea statisticii 2 este mai mic dec)t valoarea tabelat a acesteia% atunci

conclu#ionm c cea mai mare parte a variaiei lui ipote#ei : 3 este dat de relaia(
2 > 2L " L n " 1

a rmas nee&plicat. .ria de respin$ere a

.ria de respin$ere permite s se stabileasc dac 2 este suficient de mare pentru a 5ustifica respin$erea ipote#ei : 3 . Cutem aplica testul t coeficienilor de re$resie individuali% pentru a determina e&istena sau none&istena unei le$turi liniare ntre variabila factorial specific i variabila dependent % analo$ modului de pre#entare din cursul 2. 6estul t se aplic pentru fiecare variabil independent% deci de " ori. 6estul Jis2er/Snedecor este o mbinare a acestor " teste ntr/unul sin$ur oferind astfel posibilitatea testrii% tuturor coeficienilor de re$resie " . 0onclu#ia eronat c modelul de re$resie ar fi adecvat este mai puin probabil n ca#ul testului 2 comparativ cu testul t. ,e asemenea% abaterea standard a coeficienilor de re$resie multipl poate fi supraestimat datorit fenomenului de multicoliniaritate% valoarea statisticii t fiind n acest ca# mai mic dec)t n realitate% ceea ce poate conduce la conclu#ia eronat c unii coeficieni " sunt e$ali cu #ero% n realitate acetia fiind diferii de #ero. Spre deosebire de testul t% fenomenul de multicoliniaritate nu afectea# testul 2. Centru aprecierea semnificaiei coeficientului de determinaie folosim acelai test 2% statistica fiind descris de relaia(
2= 4 2 n " 1 " 1 42

.nalo$% vom considera ipote#ele( a+ b+ Ipote#a nul : 3 ( 4 2 = 3 Ipote#a alternativ : 1 ( 4 2 3 . ,ac valoarea calculat a statisticii 2 este mai mare dec)t valoarea tabelat a acesteia pentru +", variabile independente% +n6"67, $rade de libertate i un pra$ de semnificaie dat% atunci ipote#a nul este respins% modelul fiind considerat semnificativ.

!. "ulticoliniaritatea
Mna din problemele ma5ore ce trebuie avute n vedere atunci c)nd sunt utili#ate modelele de re$resie multipl este asigurarea stabilit&ii estimatorilor- Mnul din principalii factori $eneratori de instabilitate este pre#ena multicoliniaritii% fenomen ce se manifest atunci c)nd variabilele independente sunt intens corelate ntre ele. .ceasta poate fi o problem pentru re$resia multipl.

6ermenul de multicoliniaritate a fost introdus de ctre econometricianul Ea$nar Jrisc2. E&istena multicoliniaritii presupune ca dou sau mai multe variabile e&o$ene ale unui model de re$resie multipl s fie intens corelate. @om avea multi%oliniaritate (erfe%t dac coeficientul de corelaie calculat pentru 2 variabile independente ia valorile 1 sau /1. "n practica statistic multicoliniaritatea perfect este rareori int)lnit. "n anali#a le$turilor dintre diferite variabile economice vom avea aproape totdeauna coliniaritate ntre acestea. Crobleme vor aprea ns atunci c)nd multicoliniaritatea este suficient de sever pentru a afecta estimarea coeficienilor de re$resie. E&ist numeroase situaii n practica statistic-econometric ce sunt $eneratoare de multicoliniaritate. Cotrivit lui !ont$omerN and CecD *1>?2+% multicoliniaritatea poate fi $enerat de( a+ modalitatea de cule$ere a datelor% de e&emplu eantionarea este o amplitudine ma&im a valorilor luate de ctre re$resori n populaia studiat b+ constr)n$erile modelului sau ale populaiei asupra creia se aplic procedeul eantionrii. ,e e&emplu% dac utili#m anali#a de re$resie pentru a estima influena consumului de electricitate i a dimensiunii casei asupra venitului acestei familii% avem o constr)n$ere fi#ic n cadrul populaiei anali#ate deoarece familiile cu un venit mare au n $eneral case cu o suprafa mai mare dec)t familiile cu venituri mai sc#ute c+ specificarea modelului d+ un model supradimensionat. .ceast situaie apare dac modelul are mai multe variabile e&o$ene dec)t numrul de observaii din eantion. Este o situaie des nt)lnit n cercetarea medical% c)nd eantionul anali#at conine un numr mic de pacien despre care sunt colectate informaii cu privire la un numr mare de variabile. "n ca#ul seriilor de date *time series data+ o situaie $eneratoare de multicoliniaritate este e&istena unui trend comun pentru variabilele e&o$ene incluse n model *cresc sau descresc simultan n decursul perioadei anali#ate+. E&istena multicoliniaritii n modelul de re$resie liniar multipl poate fi su$erat de( a+ b+ adu$area sau nlturarea unei noi variabile independente n modelul de re$resie multipl testul 2 su$erea# lipsa de semnificaie pentru coeficienii variabilelor coliniare% ns conduce la creteri sau scderi ma5ore ale valorilor estimaiilor coeficienilor de re$resie testarea semnificaiei coeficienilor ca i $rup su$erea# respin$erea ipote#ei nule

c+

adu$area sau nlturarea unei noi observaii n cadrul eantionului determin sc2imbri

ma5ore ale valorilor estimaiilor pentru coeficienii de re$resie ai modelului. ,ac asumpiile modelului clasic de re$resie sunt satisfcute% estimatorii parametrilor de re$resie obinui prin metoda celor mai mici ptrate * OLS+ sunt estimatori de dispersie minim n clasa estimatorilor liniari% G'ME *BL;.< Best Linear ;nbiased .stimator+. 02iar dac multicoliniaritatea este ridicat% estimatorii OLS tot i pstrea# proprietile estimatorilor G'ME. "n situaia e&istenei unei multicoliniariti ne vom i#bi de urmtoarele consecine( a+ dei G'ME% estimatorii K'S vor pre#enta valori mari ale varianei i ale covarianei% fc)nd ca estimarea precis a acestora s fie dificil b+ datorit consecinei anterioare% intervalele de ncredere tind s fie mult mai desc2ise% ceea ce face ca conclu#ia 4coeficientul de re$resie este #eroO s fie uor mbriat c+ tot datorit prime consecine pre#entat valorile testului t pentru unul sau mai muli coeficieni tind s arat lipsa semnificaiei statistice d+ c2iar dac valoarea testului t pentru unul sau mai muli coeficieni su$erea# lipsa semnificaiei statistice% coeficientul de determinaie 4 2 poate avea valori foarte ridicate e+ estimatorii OLS i erorile lor standard de estimaie pot fi foarte sen#itivi la modificri minore n eantionul de date anali#at. Centru detectarea multicoliniaritii cea mai u#itat metod este studiul matricei de corelaie dintre variabilele factoriale # i . .stfel putem determina perec2ile de variabile independente care sunt puternic corelate ntre ele. K structur mai comple& a intercorelaiilor poate fi detectat prin calcularea determinantului acestei matrice de corelaie. K valoare apropiat de #ero a determinantului reflect o puternic corelaie ntre anumite variabile% deci e&istena multicoliniaritii. "n scopul detectrii multicoliniaritii n cadrul modelului de re$resie multipl liniar unii autori su$erea# folosirea toleran&ei sau a varian%e inflation fa%tor +V/2,- "n astfel de situaii se calculea# statisticile toleranei% consider)ndu/se numai variabilele independente i e&clu#)nd variabila dependent din model. 6olerana fiecrei variabile este dat de relaia(

toleranta = 1 4 2 i
unde

4 2 i este ptratul coeficientului de corelaie multipl a variabilei

V/2 = 1 toleranta

# i cu toate celelalte

variabile independente.

toleranta 83%17 . 0u c)t valoarea toleranei este mai mic% mai apropiat de #ero% cu at)t

variabila independent # i este e&plicat printr/o combinaie liniar a celorlalte variabile independente. 0onsecina acestui fapt este c e&plicarea variabilei dependente prin intermediul

variabilei independente # i va avea o acuratee sc#ut. K toleran mai mic de 3.23 i-sau o valoare V/2 mai mare sau e$al cu 5 indic pre#ena n model a unei probleme le$at de coliniaritatea factorilor *KGrien% 233P+. .lte modaliti de detectare a multicoliniaritii sunt( a+ pre#ena unei valori ridicate a coeficientului de determinaie 4 2 nsoit de foarte puine valori ale testului t care s su$ere#e e&istena semnificaiei statistice. "n literatura de specialitate acesta este considerat un simptom clasic al multicoliniaritii. ,ac valoarea coeficientului de determinaie 4 2 este mare *dac depete 3%?+ i dac testul 2 arat c putem respin$e ipote#a conform creia coeficienii de re$resie sunt nuli% dar testele t pentru fiecare coeficient arat lips de semnificaie statistic% este evident c avem de/a face cu multicoliniaritatea. b+ coeficieni de corelaie ntre variabilele e&o$ene cu valori ridicate. ,ac aceti coeficieni depesc valoarea de 3%?% multicoliniaritatea este o problem serioas pentru modelul respectiv. c+ e&aminarea coeficienilor de corelaie pariali poate fi un indicator pentru pre#ena multicoliniaritii. "n pre#ena multicoliniaritii% estimarea influenei unei variabile independente asupra variabilei dependente tinde s fie mai puin precis dec)t n ca#ul n care variabilele la modificarea cu o unitate a valorii variabilei independente independente ar fi necorelate una cu cealalt. 0oeficientul de corelaie ofer posibilitatea estimrii variabilitii re#ultativei
# 1 % consider)nd celelalte variabile constante. ,ac # 1 este puternic corelat cu o alt

variabil independent # 2 % n eantionul anali#at nu avem dec)t observaii corespun#toare ca#ului n care ntre # 1 i # 2 e&ist o le$tur% fie po#itiv fie ne$ativ. ,eoarece nu dispunem de observaii pentru care # 1 varia# independent de # 2 % vom avea o estimare imprecis a coeficienilor i a modelului de re$resie. K alt problem $enerat de fenomenul de multicoliniaritate este aceea c erorile standard ale coeficienilor variabilelor coliniare tind s aib valori ridicate. "n acest ca#% testarea ipote#ei nule i a ipote#ei alternative conduce la eecul respin$erii ipote#ei alternative. ,atorit pre#enei multicoliniaritii un cercettor poate conclu#iona n mod eronat c ntre variabila dependent i o variabil independent # nu e&ist le$tur liniar. ,evine astfel absolut necesar determinarea nivelului de la care apariia

multicoliniaritii afectea# calitatea estimatorilor i implicit re#ultatele anali#ei socio/ economice ba#ate pe interpretarea acestora% precum i $sirea soluiilor ce ar putea diminua sau c2iar elimina multicoliniaritatea. "n literatura de specialitate sunt pre#entate ca soluii pentru atenuarea sau c2iar eliminarea efectelor multicoliniaritii( a+ b+ prelucrarea prealabil a datelor% n vederea atenurii asemnrilor n evoluie reducerea numrului variabilelor independente. K variabil independent poate fi e&clus

pentru a avea un model de re$resie cu coeficieni semnificativi% totui aceasta va conduce la o pierdere a informaiei oferite de aceea variabil c+ obinerea mai multor date de observaie% deci implicit mrirea eantionului anali#at. Mn numr mare de date de observaie conduce la o acuratee ridicat a parametrilor estimai% cu valori mici ale erorilor standard. !ulticoliniaritatea nu afectea# acurateea previ#iunii% ci mai de$rab influenea# interpretarea variabilelor independente. 0)t timp coliniaritatea ntre variabilele independente ale modelului rm)ne stabil n timp% multicoliniaritatea nu va afecta acurateea previ#iunii. ,ac ns coliniaritatea nu rm)ne stabil n timp% pentru anali#a dependent le$turii dintre o variabil i un set dat de variabile independente # i vom folosi% aa cum su$erea#

literatura de specialitate% regresia 4idge. Bibliografie minimal 1. Beor$escu% @. *2335+% Statisti% des%ri(tiv *i inferen&ial! Editura Mniversitaria% 0raiova 2. Bu5arati *2334+% Basi% .%onometri%s! 4t2 Edition% !cBra=Q:ill Fe= HorD 3. :inton% C.E. *2334+% Statisti%s .$(lained! 2nd Edition% Eoutled$e Fe= HorD. 4. 2ttp(--===.Noutube.com-resultsRsearc2STuerNAmultipleUliniarUre$ressionVsmA3 5. 2ttp(--===.Noutube.com-resultsRsearc2STuerNAolsUmet2odVsmA1