Sunteți pe pagina 1din 41

1

Individualizare:Cheltuielile totale reprezentate ca funcie dintre venitul total i numrul de


absolveni de nvmnt superior n anul 2011 pe cele 42 de judee
Problema A
Datele prezentate sub forma tabelar fac parte din lucrare. n prima etap a proiectului vom
studia legtura dintre cheltuielile totale i veniturile totale, exprimate n milioane lei.

Tabel nr.1-Legatura dintre cheltuielile totale i veniturile totale (exprimat e n milioane
le) pentru cele 42 de judee ale Romaniei.
Nr.
Ctr.
Judetul
Cheltuieli totale-(yi)
(milioane lei)
Venituri totale-(xi)
(milioane lei)
1 Bihor 1220,9 1210,3
2 Bistria-Nsud 714,6 652,7
3 Cluj 1566 1561,3
4 Maramures 835,2 831,1
5 Satu Mare 695,9 692
6 Salaj 530,4 514,1
7 Alba 726,5 751
8 Brasov 1307,0 1366,8
9 Covasna 424,3 402,3
10 Harghita 666,6 757,4
11 Mures 1141,8 1119,8
12 Sibiu 946,9 1003,7
13 Bacau 1194,8 1206,6
14 Botosani 751,3 785,6
15 Iasi 1379,6 1494,8
16 Neamt 983,5 986,9
17 Suceava 1318,8 1338,9
18 Vaslui 747,1 749,6
19 Braila 614.1 596,6
20 Buzau 728,8 735,4
21 Constanta 1625,2 1618,6
22 Galati 940,4 984,3
23 Tulcea 559,4 531,8
24 Vrancea 662,2 642,1
25 Arges 1102,9 1160,6
26 Calarasi 499,2 499,2
27 Dambovita 925,1 959,2
28 Giurgiu 501,5 498,1
2

29 Ialomita 428,6 442,4
30 Prahova 1452,4 1489,5
31 Telerman 540,6 556,2
32 Ilfov 1010,2 1044,0
33 Bucuresti 7061,3 7288,6
34 Dolj 1092,5 1146,8
35 Gorj 703,7 693,7
36 Mehedinti 627,6 625,4
37 Olt 716,5 741,3
38 Valcea 851,1 873,5
39 Arad 1042,1 992,5
40 Caras-Severin 626,2 657,2
41 Hunedoara 1011,6 1023,0
42 Timis 1566,3 1634


1. Prezentarea problemei
Putem observa n datele statistice , legtura dintre cheltuielile totale i veniturile totale n anul
2011 pentru cele 42 de judee din Romania.n acest an se nregistreaz excedent pentru
majoritatea judeelor (nivelul veniturilor totale depete nivelul cheltuielilor totale), situaie n
care se nregistreaz economii.
Majoritatea judeelor care nregistreaz deficit (nivelul cheltuielilor totale depte nivelul
veniturilor totale) sunt din Mciroregiunea 1:Bihor (10,6 mil. lei), Bistria Nsud (61,9 mil. lei),
Cluj (4,8 mil. lei), Maramure (4,1 mil. lei), Satu Mare (3,9 mil. lei), Slaj (16,3 mil.lei),
Covazna (22 mil. lei), Harghita (9,2 mil lei), Mure (22 mil lei).Se nregistreaz deficit i n
judeele din Microregiunea 2:Brila (17,5 mil. lei), Constana (6,6 mil. lei) dar i n alte judee
din alete microregiuni :Gorj (10 mil. lei), Arad (49,6 mil. lei) i Mehedini (2,2 mil. lei).
Nivelul mai mare al cheltuielilor faa de cel al veniturilor poate fi explicat:
- prin creditele atrase de populaie;
- prin cheltuielile fcute de turiti n judeul respectiv;(Constaa, Brila)
- completarea venitului cu venituri venite de la romnii ce lucrez n strintate genernd
cheltuieli mai mari dect venitul iniial.
Legtura ntre consum (cheltuial) i venit a fost studiat de John Maynard Keynes.Potrivit
Teoriei Clasice privind Consumul, ce i poart numele, ntre consum i venit exist o
dependen semnificativ printr-o relaie de forma:consumul este funcie de venit
Modelul matematic: C = c
0
+ c
1
v
C=variabila dependent sau rezultativ
v=variabila independent sau exogen
3

c
0
, c
1
=parametrii

2. Definirea modelului de regresie simpl liniar
2.1- Form, variabilele i parametrii modelului de regresie
Modelul econometric unifactorial ce se poate constituii utiliznd datele din Tabelul nr. 1 este:
() , unde

Y = valorie reale ale variabilelor dependente;
x = valorile reale ale variabilelor independente;
u= varibila rezidual, influene nesimnificative pentru variabila y.

La nivelul colectivitatii generale modelul de regresie simpl liniar are forma:

Y
i
= + x
i
+
i
, unde:

i = 1,n;
y = variabila dependent, Cheltuielile totale exprimate n milioane lei;
x = variabila independent,Veniturile totale exprimate n milioane lei;
= componenta rezidual ,eroarea aleatoare.

Iar, n eantion modelul are forma:

y
i
= a + bx
i
+ e
i
, unde:

a i b sunt estimatorii parametrilor i ;
e= valoarea rezidual n eantion.
Cu componenta predictibil:
i
= a + bx
i

i componenta rezidual: e
i
= y
i
(a + bx
i
)







4

2.2- Reprezentarea grafic a modelului legturii dintre variabile
Figura nr 1.Corelogram Excel

n urma repreztrii grafice, se oberv c exist o legtur de tip liniar, deoarece majoritatea
punctelor se ordoneaz dup o dreapt.Aceasta este direct pentru c panta este pozitiv (b
1

=0,965).
Figura nr 2 Corelograma Eviews

y = 0.965x + 17.38
R = 0.999
0
1000
2000
3000
4000
5000
6000
7000
8000
0 1000 2000 3000 4000 5000 6000 7000 8000
C
h
e
l
t
u
i
e
l
i

t
o
t
a
l
e
Venituri totale
Legtura dintre cheltuielile totale i veniturile
totale n 2011 pe cele 42 de judee din Romnia
5


3. Estimarea parametrilor modelului i interpretarea acestora
3.1- Estimarea punctual a parametrilor
Estimarea parametrilor ecuaiei ecuaiei modelului de regresie necesit utilizarea metodei celor
mai mici ptrate, urmrind minimizarea erorilor observate:




nlocuind:


Rezult a=b
0
=17,38 (estimatorul ordonatei la origine sau valuarea lui y cand x este
0).Valuarea cheltuielilot totale (yi) este de 17,38 cnd nivelul veniturilor totale (xi) este egal cu
0.
Panta dreptei sau (coeficentul de regresie),b=b
1
= 0,965 .Astefel,dac valuarea veniturilor
totale se modific cu o unitate atunci cheltuielile totale se modific cu 0,965 .
Tabel nr. 2 Determinarea parametrilor modelului liniar de regresie

NC Judetul
Cheltuieli
totale, yi
Venituri
totale, xi
xi*yi xi^2
1 Bihor 1220.9 1210.3 1477655.27 1464826.09
2 Bistrita-Nasaud 714.6 652.7 466419.42 426017.29
3 Cluj 1566 1561.3 2444995.8 2437657.69
4 Maramures 835.2 831.1 694134.72 690727.21
5 Satu Mare 695.9 692 481562.8 478864
6 Salaj 530.4 514.1 272678.64 264298.81
7 Alba 726.5 751 545601.5 564001
8 Brasov 1307 1366.8 1786407.6 1868142.24
9 Covasna 424.3 402.3 170695.89 161845.29
10 Harghita 666.6 757.4 504882.84 573654.76
11 Mures 1141.8 1119.8 1278587.64 1253952.04
12 Sibiu 946.9 1003.7 950403.53 1007413.69

=
i
i i
i
i
bx a y e
2 2
) ( min min

+ =
+ =


i
i
i
i
i
i i
i
i
i
i
x b x a y x
x b na y
2

+ =
+ =
b a
b a
92343114 9 . 44858 89935507
9 . 44858 42 7 . 44040
6

13 Bacau 1194.8 1206.6 1441645.68 1455883.56
14 Botosani 751.3 785.6 590221.28 617167.36
15 Iasi 1379.6 1494.8 2062226.08 2234427.04
16 Neamt 983.5 986.9 970616.15 973971.61
17 Suceava 1318.8 1338.9 1765741.32 1792653.21
18 Vaslui 747.1 749.6 560026.16 561900.16
19 Braila 614.1 596.6 366372.06 355931.56
20 Buzau 728.8 735.4 535959.52 540813.16
21 Constanta 1625.2 1618.6 2630548.72 2619865.96
22 Galati 940.4 984.3 925635.72 968846.49
23 Tulcea 559.4 531.8 297488.92 282811.24
24 Vrancea 662.2 642.1 425198.62 412292.41
25 Arges 1102.9 1160.6 1280025.74 1346992.36
26 Calarasi 499.2 499.2 249200.64 249200.64
27 Dambovita 925.1 959.2 887355.92 920064.64
28 Giurgiu 501.5 498.1 249797.15 248103.61
29 Ialomita 428.6 442.4 189612.64 195717.76
30 Prahova 1452.4 1489.5 2163349.8 2218610.25
31 Telerman 540.6 556.2 300681.72 309358.44
32 Ilfov 1010.2 1044 1054648.8 1089936
33 Bucuresti 7061.3 7288.6 51466991.18 53123689.96
34 Dolj 1092.5 1146.8 1252879 1315150.24
35 Gorj 703.7 693.7 488156.69 481219.69
36 Mehedinti 627.6 625.4 392501.04 391125.16
37 Olt 716.5 741.3 531141.45 549525.69
38 Valcea 851.1 873.5 743435.85 763002.25
39 Arad 1042.1 992.5 1034284.25 985056.25
40 Caras-Severin 626.2 657.2 411538.64 431911.84
41 Hunedoara 1011.6 1023 1034866.8 1046529
42 Timis 1566.3 1634 2559334.2 2669956

Suma 44040.7 44858.9 89935507.39 92343113.65

Astfel funcia:y
i
= 17,38 + 0,965x
i
Fig. Nr 3.Estimarea coeficenilor n excel
Coefficients
Intercept 17.38792622
Venituri totale-(xi)(milioane lei) 0.96548081


7

Fig nr.4.Estimarea coeficenilor n EVievs

3.2- Estimarea parametrilor prin interval de ncredere
Determinarea intervalului de ncredere pentru parametrul










=>S
e
=32.38
Unde

reprezint abaterea medie patratic (standard error) ce semnific faptul c valorile


cheltuielilor totale se abat de la medie, cu aproximativ 32,38.
Fig nr. 5 Regresion statistics

2
) (
1
2

=

=
n
y y
s
n
i
e
2 42
8950 , 41939

=
e
s
4973 . 1048 =
e
s
8

= 1,9+0,06=1,96

(z) = (1-0,05)/2=0,95/2=0,4750

[ ]

[ ]

Determinarea intervalului de incredere pentru parametrul


S
e
=32.38 (aproximat)

=
=
=

=
n
i
i
e
n
i
i
n
i
b
x x
s
x x
k n
y y
s
1
2
1
2
1
2
) (
) (
1
*
1
) (
9

S
b1
=



S
b1
=0,005027665

= 1,9+0,06=1,96
(z) = (1-0,05)/2=0,95/2=0,4750

[ ]

[ ]
Fig nr.6.Determinarea intervalelor de ncredere pentru

n excel

Obervm c exist diferene,nu semnificative ntre valuarile calculate manual i cele calculate
de excel.Aceste diferee se explic numrului mare de zecimale cu care acest program lucreaz.
In Output-ul din Excel avem:
a) Coefficients reprezint valoarea estimatorilor b0 (17,38) i b1 (0,965).
a) Standard Error reprezint abaterea medie patratic a estimatorului b0 (Sa sau Sb
0
) i
b1(Sb sau Sb
1
determinat la nivelul esantionului
b) P-value reprezint nivelul de semnificaie al testului.
c) Lower 95% - reprezint nivelul inferior pe care il poate atinge b
0
i b
1
pentru o
probabilitate de 95%
d) Upper 95% - reprezint nivelul superior pe care il poate atinge b
0
i b
1
pentru o
probabilitate de 95%
10

Astfel valurile calculate de Excel sunt:
S
e
= 32.37213417


S
b1
= 0.004856571

[ ]

[ ]

4. Testarea semnificaiei corelaiei i a parametrilor modelului de regresie
4.1- Testarea semnificaiei corelaiei
Pentru testarea semnificaiei corelaiei se poate utiliza att Raportul de corelaie R
y/x
ct i
coeficentul de corelaie liniar r
y/x
.Raporul de corelaie ne arat tipul de legtur existent ntre
variabila y, ( n cazul nostru Cheltuielile totale) i variabila x (n cazul nostru veniturile totale).n
cazul legturilor de tim liniar R
y/x
= r
y/x.


Se obine o valoare a lui r=R= 0,999 (Multiplt R), ce indic faptul c ntre rata criminalitti i
rata infractionalitii exist o legatura liniar, directa i foarte puternic.
Fig.nr 7.Regresion Statistics

R Square (R
2
) sau coeficentul de determinare este egal cu 0,998.De aici rezult c 99,80 %
dintre cheltuielile totale sunt explicate de veniturile totale.Restul de 0,20 % se datoreaz altor
factori necunoscui.
11

Ajusted R Square este valuarea ajustat a coeficentului de detereminare.Observam o
diferen infim ntre valuarea ajustat a indicatorului i cea iniial.
Standard Error sau Abaterea standart d posibilitatea caracterizrii dispersiei valorilor
variabilei statistice.Valuarile cheltuielilor totale se abat n medie cu 32,37 milioane lei fa de
valuare lopr medie.
Obseravtions reprezint numrul de abservaii (cele 42 de judee ale Romniei)
Testarea coeficientului de corelatie


Etapa 1: Ipoteza nul
Ho:

=0
Etapa 2: Ipoteza alternativ
H1:

0
Etapa 3: Pragul de semnificaie
=0,05
Etapa 4: Alegerea testului statistic
deoarece n=42>30 aplicam testul z bilateral
Etapa 5: Determinarea indicatorilor necesari
n=42

=0,3035
Etapa 6: Determinarea valorii calculate a testului

=45.71
Etapa 7. Determinarea valorii tabelare a testului

=1,9+0,06=1,96
z=(1-0,05)/2=0,475
12

Etapa 8. Interpretare

<

(1,96<45.71) => se respinge ipoteza nul(H0)


Pentru o probabilitate de 95%, exist suficiente dovezi statistice pentru a afirma c coeficentul
de corelaie este semnificativ diferit de 0, semnificativ statistic i c valuarea exogen (veniturile
totale) influeneaz asupra variabilei endogene (cheltuielile totale)
4.2- Testarea parametrilor unui model de regresie simplu.
Testarea parametrului


Etapa 1: Ipoteza nul
Ho:

= 0 (nu este semnificativ statistic)


Etapa 2: Ipoteza alternativ
H1:

0 (este semnificativ statistic)


Etapa 3: Pragul de asemnificaie
=0,05
Etapa 4: Alegerea testului statistic
deoarece n=42>30 aplicam testul z bilateral
Etapa 5: Determinarea indicatorilor necesari
n=42

(calculat la punctul 3)
S
b1
= 0.004856571
Etapa 6: Determinarea valorii calculate a testului

= 2,41
Etapa 7. Determinarea valorii tabelare a testului

=1,9+0,06=1,96
z=(1-0,05)/2=0,475
13

Etapa 8. Interpretare

<

(1,96<2,41) => se respinge ipoteza nul (H0)


Pentru o probabilitate de 95%, exist suficiente dovezi statistice pentru a afirma c este foarte
improbabil ca estimatorul b
0
s provin din o populaie cu

=0,adic

este semnificativ diferit


de 0, semnificativ statistic
Testarea parametrului


Etapa 1: Ipoteza nul
Ho:

= 0 (nu este semnificativ statistic)


Etapa 2: Ipoteza alternativ
H1:

0 (este semnificativ statistic)


Etapa 3: Pragul de asemnificaie
=0,05
Etapa 4: Alegerea testului statistic
deoarece n=42>30 aplicam testul z bilateral
Etapa 5: Determinarea indicatorilor necesari
n=42

0,0259 (calculat la punctul 3)

= 0,0522
Etapa 6: Determinarea valorii calculate a testului

= 198,69
Etapa 7. Determinarea valorii tabelare a testului

=1,9+0,06=1,96
z=(1-0,05)/2=0,475
Etapa 8. Interpretare
14

<

(1,96<198369) => se respinge ipoteza nul(H0)


Pentru o probabilitate de 95%, exist suficiente dovezi statistice pentru a afirma c este foarte
improbabil ca estimatorul b
1
s provin dintro populaie cu

=0,adic

este semnificativ
diferit de 0, semnificativ statistic .
5. Aplicarea analizei de tip ANOVA pentru validitatea modelului de regresie simplu i
interpretarea rezultatelor.

Df reprezint numarul gradelor de libertate, unde:
k=1 reprezint numarul variabilelor independente, veniturile totale
n reprezint numrul variabilelor analizate
SSR= (-) =

reprezinta varianta explicata de model


SSE= (yi-)=

reprezinta varianta reziduala, neexplicata de model


SST= (yi-)=

reprezinta varianta totala


MS-dispersia
Sy/x=

/k
Sy/x=

/(n-k-1)
F reprezinta valoarea calculat a testului Fisher
Significance F reprezint nivelul de semnificaie al testului Fisher


Testarea asemnificaiei modelului de regresie liniara simpla

Etapa 1: Ipoteza nul
Ho: modelul nu este valid
Etapa 2: Ipoteza alternativ
H1: modelul este valid
Etapa 3: Pragul de asemnificaie
=0,05
Etapa 4: Alegerea testului statistic
15

Pentru testarea modelului liniar de regresie simpl se foloseste testul Fisher
Etapa 5: Determinarea indicatorilor necesari
n=42

= 41416229.22

= 1047,955071
Etapa 6: Determinarea valorii calculate a testului

= 39520,99700274268723873563850525
Etapa 7. Determinarea valorii tabelare a testului

=4,08
Etapa 8. Interpretare

>

(3952000,99>4,08) => se respingeipoteza nul (H0)


Pentru o probabilitate de 95%, putem aprecia c modelul este valid, adic este corect
identificat din punct de vedere statistic, iar cele doua variabile sunt puternic corelate.
6. Testarea ipotezelor clasice asupra modelului de regresie simpl
6.1- Ipoteze statistice clasice supra modelului de regresie simpl
a) forma functional: y
i
=

x
i
+ c
i
, i=1,n
Ipoteza de liniaritate nu este att de restrictiv pe ct pare.Aceasta se refer la felul n care
parametrii intr n ecuaie, nu neaprat la relaiile dintre X i Y.Anumite funcii neliniare pot fi
liniarizate.Un exempu de ecuaii ce poate fi liniarizat este Y=a+b*z,unde z=e
x
.Aceasta ecuaie
nu este liniar dar se poate liniariza prin logaritmarea acesteia.
Dac ipoteza de liniaritate este verificat , variabila dependent observat este suma a dou
elemente:
- o component predictibil

x
i
- o component aleatoare c
i

b) media zero a erorilor
=>se respect suma erorilor ca fiind zero
c) homoscedasticitatea:
2
(c
i
)=constant
d) non autocorelarea erorilor
16

e) necorelarea ntre regresor i erori
f) normalitatea erorilor


=0/42=0

6.2- Testarea liniaritii modelului propus
Etapa 1: Ipoteza nul
Ho:

= 0(nu exista legatura ntre variabile)


Etapa 2: Ipoteza alternativ
H1:

0(exista o legatura liniara ntre variabile)


Etapa 3: Pragul de asemnificaie
=0,05
Etapa 4: Alegerea testului statistic
deoarece n=42>30 aplicam testul z bilateral
Etapa 5: Determinarea indicatorilor necesari
n=42

=0,3035
Etapa 6: Determinarea valorii calculate a testului

=45.71
Etapa 7. Determinarea valorii tabelare a testului

=1,9+0,06=1,96
z=(1-0,05)/2=0,475
Etapa 8. Interpretare

<

(1,96<2=45,71 => se respinge ipoteza nul (H0)


n
Y y
n
n
i
i i
n
i
i
i

= =

= =
1 1
) (
) (
c
c
17

Pentru o probabilitate de 95%, exist suficiente dovezi statistice pentru a afirma c indicatorul
analizat, coeficientul de corelaie, provine dintr-o populaie diferit de 0, semnificativ statistic,
iar modelul este liniar.
6.3- Testarea normalitii erorilor
Verificarea ipotezei de normalitate a erorilor se va realiza cu ajutorul testului Jarque-Bera,
care este i el un test asimptotic (valabil n cazul unui eantion de volum mare) ce urmeaz o
distribuie hi ptrat cu un numr al gradelor de libertate egal cu 2. Testul Jarque-Bera se bazeaz
pe iopteza c distribuia normala ate un coeficent de asimertrie S=0, i un coeficent de apltizare
k=3.
Etapa 1: Ipoteza nul
Ho: erorile nu sunt normal distribuite
Etapa 2: Ipoteza alternativ
H1:erorile sunt normal distribuite
Etapa 3: Pragul de asemnificaie
=0,05
Etapa 4:

= [

()

]

S=

()

= -0,298730

K=

()

= 3,585040

= [
()

()

=1,223653



Etapa 5:
18

Deoarece

<

iar valorile coeficientului de asimetrie i cel de aplatizare au valori


foarte mici, se accept ipoteza nul conform careia erorile nu sunt normal distribuite.
Fig, nr.8.Histograma testului Jarque-Bera

Unde:
Mean reprenit media lui Y
Median=mediana
Maximum=valuarea maxim a lui Y
Mimimum=Valuarea minima a lui Y
Standard deviation=abaterea medie patratic/abatere standard sau deviaia standard
Skewnees=coefientul de asimetrie (S)
Kurtosis=coeficent de aplatizare (k)
Residual Plot
Formularea ipotezelor

H
0
: distribuia erorilor este normal
H
1
: distribuia erorilor nu este normal
Pentru testarea ipotezei de normalitate a erorilor se va porni de la valoarea tabelar a testului
Z pentru gradele de libertate considerate i a erorii standard a estimaiei:
Ztabelar= 1,96

Se=
e
2
S ==32,37213417=> Valorile teoretice se abat in medie cu 32 milioane lei fata de
valorile reale.
19


Condiia de normalitate este ca toate valorile reziduale s fie cuprinse n intervalul:
( - Z
tab
*S
e
; + Z
tab
*S
e
) => (-63,44938297; 63,44938297)

Fig nr.9 Rezidual Plot excel


Din grafic se observ faptul c exist valori n afara intervalului de acceptare a ipotezei de
normalitate, deci exist suficiente dovezi pentru a respinge ipoteza nul n favoarea celei
alternative, adic distribuia erorilor nu este normal n situaia analizat
Fig nr. 10 Rezidual Plot EV

-100
-50
0
50
100
0 2000 4000 6000 8000 R
e
s
i
d
u
a
l
s
Venituri totale ( xi) (milioane lei )
Residual Plot
20

6.4- Testarea ipotezei de homoscedasticitate
a)Utilizarea testului Fisher clasic (nulitatea parametrilor ecuaiei de regresie)
Figura nr.11Testarea ipotezei de homodasticitate



Rezultatele obinute n cazul aestui model demonstraz c fenomenul de heterodasticitate este
prezent
Etapa1.Se estimeaz parametrii modelului liniar de regresie

i
= 17,38 + 0,965 *x
i
yi=cheltuielile totale
xi=veniturile totale
Etapa 2.Se estimeaz erorile e
i
=y
i
-
i
, iar pentru aceasta se estimeaz modelul e
i
2
=b
0
*x
i
+b
1
*x
i
2
,
astfel:
e
i
2
=17,38*x
i
+0,965*x
i
2

Etapa 3. Formularea ipotezelor:

H
0
: 0=1=...=k=0, (homoscedasticitate)
H
1
: k diferit de 0, (heteroscedaticitate)
21


Etapa4.Se va folosi testul Fisher care are la baza ipoteza ca modelului de regresie nu sunt
semnificativi statistic.



F tabelar= F
0,05;1;40=
161.44763879

Etapa5.Cum F calculat este mai mare decat F tabelar, pentru o probabilitate de 95% exista
suficiente dovezi pentru a afirma ca modelul este hereoscedastic, prin urmare se respinge ipoteza
nul de homoscedasticitate.
b) Utilizarea testului LM
Etapa1.Se estimeaz parametrii modelului liniar de regresie

i
= 17,38 + 0,965 *x
i
yi=cheltuielile totale
xi=veniturile totale
Etapa 2.Se estimeaz erorile e
i
=y
i
-
i
, iar pentru aceasta se estimeaz modelul e
i
2
=b
0
*x
i
+b
1
*x
i
2
,
astfel:
e
i
2
=17,38*x
i
+0,965*x
i
2

Etapa 3. Se calculeaz statistica testului White:

LM=n*R
2

LM=42*(0,999)
2
LM=42*0,998=> LM=41,916
Etapa 4.LM se va compar cu

=5,99
Etapa 5.Cum F calculat este mai mare decat F tabelar, pentru o probabilitate de 95% exista
suficiente dovezi pentru a afirma ca modelul este hereoscedastic, prin urmare se respinge ipoteza
nul de homoscedasticitate.

6.5- Testarea ipotezei de autocorelare a erorilor
Formularea ipotezelor

H
0
: nu exist autocorelare a erorilor
99702 . 39520
2
2
/
= =
c
s
s
F
x y
calc
22

H
1
: exist autocorelare a erorilor

Pentru testarea acestei ipoteze se va utiliza testul Durbin-Watson.




Tabelul nr.3 Determinarea valorii dalculate a testuluiDurbin-WatsonW
NC ei ei^2 e(i-1) ei-e(i-1) (ei-e(i-1))^2
1
35.5805 1265.972

35.5805 1265.97198
2
67.3645 4537.976 35.5805 31.784 1010.222656
3
41.9655 1761.103 67.3645 -25.399 645.109201
4
15.8085 249.9087 41.9655 -26.157 684.188649
5
10.74 115.3476 15.8085 -5.0685 25.68969225
6
16.9135 286.0665 10.74 6.1735 38.11210225
7
-15.595 243.204 16.9135 -32.5085 1056.802572
8
-29.342 860.953 -15.595 -13.747 188.980009
9
18.7005 349.7087 -29.342 48.0425 2308.081806
10
-81.671 6670.152 18.7005 -100.3715 10074.43801
11
43.813 1919.579 -81.671 125.484 15746.23426
12
-39.0505 1524.942 43.813 -82.8635 6866.359632
13
13.051 170.3286 -39.0505 52.1015 2714.566302
14
-24.184 584.8659 13.051 -37.235 1386.445225
15
-80.262 6441.989 -24.184 -56.078 3144.742084
16
13.7615 189.3789 -80.262 94.0235 8840.418552
17
9.3815 88.01254 13.7615 -4.38 19.1844
18
6.356 40.39874 9.3815 -3.0255 9.15365025
19
21.001 441.042 6.356 14.645 214.476025
20
1.759 3.094081 21.001 -19.242 370.254564
21
45.871 2104.149 1.759 44.112 1945.868544
22
-26.8295 719.8221 45.871 -72.7005 5285.3627
23
28.833 831.3419 -26.8295 55.6625 3098.313906
24
25.1935 634.7124 28.833 -3.6395 13.24596025
25
-34.459 1187.423 25.1935 -59.6525 3558.420756
26
0.092 0.008464 -34.459 34.551 1193.771601
27
-17.908 320.6965 0.092 -18 324
28
3.4535 11.92666 -17.908 21.3615 456.3136823
29
-15.696 246.3644 3.4535 -19.1495 366.7033502
30
-2.3475 5.510756 -15.696 13.3485 178.1824522
31
-13.513 182.6012 -2.3475 -11.1655 124.6683902
32
-14.64 214.3296 -13.513 -1.127 1.270129

=
=

=
n
i
i
n
i
i i
e
e e
DW
1
2
1
2
1
) (
23

33
10.421 108.5972 -14.64 25.061 628.053721
34
-31.542 994.8978 10.421 -41.963 1760.893369
35
16.8995 285.5931 -31.542 48.4415 2346.578922
36
6.709 45.01068 16.8995 -10.1905 103.8462902
37
-16.2345 263.559 6.709 -22.9435 526.4041922
38
-9.2075 84.77806 -16.2345 7.027 49.378729
39
66.9575 4483.307 -9.2075 76.165 5801.107225
40
-25.378 644.0429 66.9575 -92.3355 8525.84456
41
7.025 49.35063 -25.378 32.403 1049.954409
42
-27.89 777.8521 7.025 -34.915 1219.057225
Total
35.5805 41939.9 49.7915 -27.89 95166.67149

DW= 95166.67149/ 41939.9= 2,62
DW0,05, 42, 2= > dL= 1.197 dU= 1.398

4-dU=2,604
4-dL=2,803

[0;d
l
] = [0;1,197] zona de respingere (autocorelare pozitiva);
[d
l;
d
u
] = [1,197;1,398] indecizie;
[d
u;
4-d
u
] = [1,398;2,604] zona de acceptare (nu respingem H0);
[4-d
u
;4-d
l
] = [2,604;2,803] indecizie;
[4-d
l;

] = [2,803;

] zona de respingere (autocorelare negativa)



Se observ c DW
calculat
aparine zonei de indecizie: 2.62 (2,604;2,803).
Pentru o probabilitate de 95 % nu se poate preciza dac se accept sau respinge ipoteza
nul, impplicit nu se poate concluziona dac exist sau nu autocorelare a erorilor.
24





Caclulul facut n Eviews ne arat o valuarea a lui DW
calculat
=2,019254.Astfel se observ
c DW
calculat
aparine zonei de acceptare a lui H
0
: 2,019254 (2,604;2,803).
Pentru o probabilitate de 95 % exist suficente dovezi pentru a acceepta ipoteza nul conform
careia nu exist autocorelare a erorilor.
Aceast diferen ntre DW
calculat
cu ajutorul excelui, apoi fcand manual anumite calcule i
cel identificat cu ajutorul EViews-ului este datorat probabil de luarea n calcul a mai multor
zecimale a programului.
7. Previziunea valorii variabilei Y(cheltuielile totale, exprimate n milioane lei) dac
variabila X (veniturile totale, exprimate n milioane lei) crete cu 10% fa de ultima
valoare nregistrat (1634 milioane lei) pentru toate variantele cunoscute.

n cazul n care variabila x cunoaste o crestere de 10% fata de ultima valoare inregistrata, dorim
sa urmarim modificarea variabilei y aferente.
Deci, cum se va modifica y42 daca x42 creste cu 10%.
Vom avea:

X43= x42*1,1=>x43= 1634* 1,1= 1797.4 Pornind de la aceast valoare, se va ncerca
previzionarea valuarea cheltuielilor pentru un jude cu o medie a veniturilor totale de 1797.4
milioane lei.
f(43)= 17,38 + 0,965*1797,4 = 1751.871

Asadar, conform previziunii punctuale, daca ntr-un judet nivelul veniturilor totale ar fi de
1797,4 milioane lei, atunci nivelul cheltuielilor totale va fi de 1751,871 milioane lei.

25

Intervalul de ncredere pentru valoarea previzionat






Se= 32.37213417

Ztabelar= 1,96

=> E= 52,79

n+1

t
/2
E <
n+1
<
n+1

t
/2
E
1751,971-1,96*52,79<
43
<1751,971+1,96*52,79
1751,971-103,46<
43
<1751,971+103,46
Intervalul de ncredere: 1648.511<
43
<1855.431


Astfel, variabila y (cheltuieli totale) poate lua valori ntre 1648.511 i 1855.431. Pentru un jude
cu venituri totale de 1797.4 milioane lei, cheltuielile totale vor avea o valoare cuprins ntre
1648.511 i 1855.431 milioane lei
Problema B
1. Definirea modelului de regresie multipl liniar
2.1- Forma, variabilele, parametrii modelului de regresie multipl
Sub form general, un model multifactorial se definete prin urmtoarea relaie:
y = f(x
j
)+u
unde:
y = variabila endogen, efect sau rezultativ;
x
j
= variabilele exogene sau factoriale sau cauzale;
k =numrul variabilelor exogene;
e = variabila rezidual, aleatoare sau eroare;
f(x
j
) = funcia de regresie cu ajutorul creia vor fi estimate (aproximate) valorile variabilei
y, determinate numai de influena factorilor x
j
, considerai eseniali, principali, hotrtori,
exceptnd influena celorlali factori ai fenomenului y, care sunt considerai factori neeseniali,
nesemnificativi de explicare a apariiei i a evoluiei n timp i n spaiu a fenomenului y, acetia
find tratai separat cu ajutorul variabilei reziduale e.

n acest caz:
- y= cheltuieli

=

+
+ + =
n
i
i
e
X X
X Xn
n
S E
1
2
2
) (
) 1 ( 1
1
26

- x1= venituri totale
- x2= castigul salarial nominal mediu net lunat (lei/salariat)
La nivelul eantionului, modelul multifactorial liniar format din dou componente se prezint
astfel:

Valorile ajustate ale variabilei endogene se calculeaz cu ajutorul relaiei:



2.2 -Reprezentarea grafic a modelului legturii dintre variabile
Fig nr.12.Legtura dintre y
i
i x
2
n excel
y = 0.055x + 732.4
R = 0.534
0
1000
2000
3000
4000
5000
6000
7000
8000
0 10000 20000 30000 40000 50000 60000 70000 80000
C
h
e
l
t
u
i
e
l
i

t
o
t
a
l
e
Numrul absolvenilor de nvmnt superior
Legtura dintre Cheltuielile totale exprimate n
milioane lei i numrul absolvenilo de nvmnt
superior pe cele 42 de judee ale Romniei








27

Fig nr.13.Legtura dintre y
i
i x
1
n excel
y = 0.965x + 17.38
R = 0.999
0
2000
4000
6000
8000
0 1000 2000 3000 4000 5000 6000 7000 8000
C
h
e
l
t
u
i
e
l
i
l
e

t
o
t
a
l
e
Veniturile totale
Legtura dintre cheltuielile totale i Veniturile totale pe cele
42 de judee din Romnia



Pentru determinarea legturii dintre variabil dependent (cheltuielile totale) i variabilele
independente veniturile totale i numrul absolvenilor de nvmnt superior se construiesc 2
corelograme.Prima corelogram descrie legtura dintre cheltuielilte totale i numrul
absolvenilor de nvmnt superior observm o legtur de tip liniar, deoarece majoritatea
punctelor se ordoneaz dup o dreapt.Aceasta este direct pentru c panta este pozitiv (b
1

=0,055).

Fig nr.15.Legtura dintre y
i
,x
1
i x
2
n Ev




28

Fig nr.15.Legtura dintre y
i
,x
1
i x
2
n excel

-10000
0
10000
20000
30000
40000
50000
60000
70000
80000
0 2000 4000 6000 8000
C
h
e
l
t
u
i
e
l
i

t
o
t
a
l
e
Veniturile totale , Numrul de absolveni de nvmnt superior
Venituri totale-x1
Nr. Abs de invmnt
superior-x2 (persoane)


3 Estimarea parametrilor modelului i interpretarea acestora
3.1- Estimare 28unctual a parametrilor
Estimarea parametrilor acestui model se realizeaz cu ajutorul metodei celor mai mici ptrate
Minimul acestei funcii este dat de calculul derivatelor pariale n raport cu parametrii modelului:

Dup efectuarea calculelor rezult urmtorul sistem de ecuaii


29


Valurile estimatorilor sunt indicate n al treilea tabel din summary output n coloana Coefficents

Fig.nr 16.Estimarea parametrilor regresiei multifactorial in excel

Fig.nr 17.Estimarea parametrilor regresiei multifactorial in excel


y
i
= 18,1559 + 0,96379*x
1
+0,000180*x
2


3.2- Estimarea parametrilor prin interval de ncredere



30

Fig.nr 18.Determinarea intervalului de ncredere




Asadar, parametrul

se poate lua orice valuare ntre i ,

ntre
i iar

poate lua orice valuare ntre i


.
4. Testarea semnificaiei corelaiei i a parametrilor regresiei modelului de regresie multipl
4.1- Testarea semnificaiei corelaiei multipl
Pentru a testa semnificaia raportului de corelaie multipl se determin statistica F
F=


F=


F=


F=


F=19,5* 990,65=1937,5

k=numrul variabilelor independente =2
R
y/x
=
()
()
=
()
()
=

=0,99949566

Regression Statistics
Multiple R 0.999495662
R Square 0.998991579
Adjusted R Square 0.998939865
Standard Error 32.74112814
Observations 42

31


F
tab
=3,32
Cum F
calc
> F
tab
(19317.66>3.32) se accept ipoteza conform creia cariabilele independente
x
1
(veniturile totale) i x
2
(numrul absolvenilor de nvmnt superior) au o influen
semnificativ asupra variabilei rezultative Y (cheltuielile totale)


4.2- Testarea parametrilor modelului de regresie multipl
5. Aplicarea analizei de tip ANOVA pentru validitatea modelului de regresie multipl i
interpretarea rezultatelor
Fig.nr 19.Tabelul ANOVA pentru regresia multifactorial



6.Testarea ipotezelor clasice asupra modelului de regresie multipl
6.1 Ipoteze statistice clasice asupra modelului de regresie multipl:

a) Variabilele y, x
1
, x
k
nu sunt afectate de erori de msur.
b) Variabila aleatoare (rezidual) U este de medie nul M(u
1
)= M(u
2
) = = M(u
n
) =0,iar
dispersia ei o
2
u
este constant i independent de variabilele exogene X
j
- ipoteza de
homoscedasticitate a erorilor.
c) Valorile variabilei reziduale U sunt independente, respectiv nu exist fenomenul de
autocorelare a erorilor, cov (u
1
, u
n
) = 0.
d) Legea de probabilitate a variabilei reziduale este legea normal de medie zero i de
abatere medie ptratic o
u
.
e) Variabilele exogene X
j
sunt independente ntre ele, formnd un sistem de vectori liniari
independeni. n caz contrar apare fenomenul de multicoliniaritate care implic
imposibilitatea calculrii matricei inverse(XX)
1
, precum i a estimrii parametrilor.
Tabelul nr. 4
Nr.
Ctr.
Judetul
Cheltuieli totale, y
i

(mil. lei)
Venituri totale, x
1

(milioane lei)
Numrul
absolvenilor
de nvamnt
superior,x
2
(persoane)
1 Bihor 1220,9 1210,3 4017
2 Bistria-Nsud 714,6 652,7 325
3 Cluj 1566 1561,3 11590
4 Maramures 835,2 831,1 1232
32

5 Satu Mare 695,9 692 54567
6 Salaj 530,4 514,1 1896
7 Alba 726,5 751 19267
8 Brasov 1307,0 1366,8 329
9 Covasna 424,3 402,3 410
10 Harghita 666,6 757,4 2499
11 Mures 1141,8 1119,8 5623
12 Sibiu 946,9 1003,7 442
13 Bacau 1194,8 1206,6 1711
14 Botosani 751,3 785,6 87
15 Iasi 1379,6 1494,8 11689
16 Neamt 983,5 986,9 195
17 Suceava 1318,8 1338,9 2322
18 Vaslui 747,1 749,6 0
19 Braila 614.1 596,6 417
20 Buzau 728,8 735,4 123
21 Constanta 1625,2 1618,6 10397
22 Galati 940,4 984,3 4496
23 Tulcea 559,4 531,8 0
24 Vrancea 662,2 642,1 151
25 Arges 1102,9 1160,6 5012
26 Calarasi 499,2 499,2 74
27 Dambovita 925,1 959,2 1641
28 Giurgiu 501,5 498,1 0
29 Ialomita 428,6 442,4 72
30 Prahova 1452,4 1489,5 1431
31 Telerman 540,6 556,2 123
32 Ilfov 1010,2 1044,0 69
33 Bucuresti 7061,3 7288,6 68143
34 Dolj 1092,5 1146,8
8823
35 Gorj 703,7 693,7 1400
36 Mehedinti 627,6 625,4 881
37 Olt 716,5 741,3 147
38 Valcea 851,1 873,5 1732
39 Arad 1042,1 992,5 7145
40 Caras-Severin 626,2 657,2 974
41 Hunedoara 1011,6 1023,0 1192
42 Timis 1566,3 1634 8653


6.2 Testarea liniaritii modelului propus
33

Etapa 1: Ipoteza nul
Ho:

= 0(nu exista legatur ntre variabile)


Etapa 2: Ipoteza alternativ
H1:

0(exista o legatur liniar ntre variabile)


Etapa 3: Pragul de asemnificaie
=0,05
Etapa 4: Alegerea testului statistic
deoarece n=42>30 aplicam testul z bilateral
Etapa 5: Determinarea indicatorilor necesari
n=42

=0,999
Etapa 6: Determinarea valorii calculate a testului

=14,12
Etapa 7. Determinarea valorii tabelare a testului

=1,9+0,06=1,96
z=(1-0,05)/2=0,475
Etapa 8. Interpretare

<

(1,96<14,12) => se respinge ipoteza nul (H0)


Pentru o probabilitate de 95%, exista suficiente dovezi statistice pentru a afirma ca indicatorul
analizat, coeficientul de corelatie, provine dintr-o populatie diferita de 0, semnificativ statistica,
iar modelul este liniar.



6.3 Testarea normalitii erorilor
34


Verificarea ipotezei de normalitate a erorilor se va realiza cu ajutorul testului Jarque-Bera,
care este i el un test asimptotic (valabil n cazul unui eantion de volum mare) ce urmeaz o
distribuie hi ptrat cu un numr al gradelor de libertate egal cu 2. Testul Jarque-Bera se bazeaz
pe iopteza c distribuia normala ate un coeficent de asimertrie S=0, i un coeficent de apltizare
k=3.
Etapa 1: Ipoteza nul
Ho: erorile nu sunt normal distribuite
Etapa 2: Ipoteza alternativ
H1:erorile sunt normal distribuite
Etapa 3: Pragul de asemnificaie
=0,05
Etapa 4:

= [

()

]
S=

()

= -0,295792
K=

()

= 3,610211

= [
()

()

=1,264077


Etapa 5:
Deoarece

<

iar valorile coeficientului de asimetrie i cel de aplatizare au valori


foarte mici, se accept ipoteza nul conform careia erorile nu sunt normal distribuite.




Fig.nr 19.testul JB pentru regresia multifactorial
35




6.4 Testarea ipotezei de homoscedasticitate


Etapa1.Se estimeaz parametrii modelului liniar de regresie

i
=18,155+0,963*x
1
+0,00018*x
2

yi=cheltuielile totale
x
1
=veniturile totale
x
2
=numrul absolvenilor de nvmnt superior
Etapa 2.Se expliciteaz n raport cu mai multe variabile

Etapa 3. Se calculeaz statistica testului White:

LM=n*R
2

LM=42*(0,999)
2
LM=42*0,998=> LM=41,916
Etapa 4.LM se va compar cu

=7,81
36

Etapa 5.Cum LM calculat este mai mare decat

, pentru o probabilitate de 95% exista


suficiente dovezi pentru a afirma ca modelul este hereoscedastic, prin urmare se respinge ipoteza
nul de homoscedasticitate.
Fig.nr 20.Testarea ipotezei de homodasticitate pentru regresia multipl





6.5 Testarea ipotezei de autocorelare a erorilor

Fig.nr 21.Testarea ipotezei de autocorelare a erorilor

37


Ipoteze:

H
0
: nu exist autocorelare a erorilor
H
1
: exist autocorelare a erorilor

Pentru testarea acestei ipoteze se va utiliza testul Durbin-Watson.


Tabelul nr.5
Nr
ctr
ei ei^2 e(i-1) ei-e(i-1) (ei-e(i-1))^2
1 35.54226 1263.252

35.54226 1263.252108
2 67.31823 4531.744 35.54226 31.77597 1009.712391
3 40.98634 1679.88 67.31823 -26.3319 693.3684233
4 15.81422 250.0896 40.98634 -25.1721 633.6356201
5 0.965634 0.932449 15.81422 -14.8486 220.4805176
6 16.41672 269.5086 0.965634 15.45108 238.7359844
7 -18.9363 358.5836 16.41672 -35.353 1249.836164
8 -28.5266 813.766 -18.9363 -9.59028 91.97345159
9 18.33651 336.2275 -28.5266 46.86309 2196.149262
10 -81.9826 6721.151 18.33651 -100.319 10063.92853
11 43.37603 1881.48 -81.9826 125.3587 15714.79207
12 -38.694 1497.222 43.37603 -82.07 6735.482623
13 13.42388 180.2005 -38.694 52.11784 2716.269084
14 -24.0269 577.2908 13.42388 -37.4508 1402.559114

=
=

=
n
i
i
n
i
i i
e
e e
DW
1
2
1
2
1
) (
38

15 -81.3393 6616.084 -24.0269 -57.3124 3284.715394
16 14.14227 200.0037 -81.3393 95.48158 9116.732042
17 9.804041 96.11922 14.14227 -4.33823 18.82020156
18 6.485326 42.05946 9.804041 -3.31871 11.01386738
19 20.8704 435.5735 6.485326 14.38507 206.9302984
20 1.84901 3.418839 20.8704 -19.0214 361.8132164
21 45.17604 2040.875 1.84901 43.32703 1877.23189
22 -27.227 741.3098 45.17604 -72.403 5242.201483
23 28.69929 823.6494 -27.227 55.9263 3127.750737
24 25.16579 633.3168 28.69929 -3.53351 12.48566343
25 -34.7366 1206.63 25.16579 -59.9024 3588.294045
26 -0.09441 0.008914 -34.7366 34.64217 1200.079935
27 -17.8213 317.5982 -0.09441 -17.7269 314.2419857
28 3.279094 10.75246 -17.8213 21.10038 445.2260264
29 -15.9507 254.4232 3.279094 -19.2297 369.783052
30 -1.5825 2.50432 -15.9507 14.36815 206.4436076
31 -13.6394 186.0334 -1.5825 -12.0569 145.3688954
32 -14.1676 200.7199 -13.6394 -0.52816 0.278952639
33 6.166561 38.02647 -14.1676 20.33413 413.4767384
34 -32.5231 1057.75 6.166561 -38.6896 1496.887767
35 16.70901 279.1909 -32.5231 49.23208 2423.797721
36 6.529557 42.63512 16.70901 -10.1795 103.621203
37 -16.1417 260.5542 6.529557 -22.6712 513.9854422
38 -9.24068 85.39025 -16.1417 6.901005 47.62387365
39 66.09249 4368.218 -9.24068 75.33318 5675.087571
40 -25.5358 652.077 66.09249 -91.6283 8395.743809
41 7.269684 52.8483 -25.5358 32.80548 1076.199694
42 -28.2521 798.1784 7.269684 -35.5217 1261.793676
Total 0.00 41807.28 28.25 -28.25 95167.80

DW= 95167.80/ 41807.28= 2.27
DW0,05, 42, 2= > dL= 1.197 dU= 1.398
4-dU=2,604
4-dL=2,803

[0;d
l
] = [0;1,197] zona de respingere (autocorelare pozitiva);
39

[d
l;
d
u
] = [1,197;1,398] indecizie;
[d
u;
4-d
u
] = [1,398;2,604] zona de acceptare (nu respingem H0);
[4-d
u
;4-d
l
] = [2,604;2,803] indecizie;
[4-d
l;

] = [2,803;

] zona de respingere (autocorelare negativa)



Se observ c DW
calculat
aparine zonei de indecizie: 2.27 [1,398;2,604]
Pentru o probabilitate de 95 % se accept ipoteaza nul,H
0
, conform creianu exist autocorelare
a erorilor

7.Previziunia valorii variabilei Y dac variabila X crete cu 10% fa de ultima valoare
nregistrat

Cnd variabilele x1 i x2 cunoasc o cretere de 10% fa de ultima valoare nregistrat, se
urmrete modificarea variabilei y aferente.
Deci, cum se va modifica y42 daca x1(42) si x2(42) cresc cu 10%.
Vom avea:

x1(43)= x1(42)*1,1=>x1(43)= 1634* 1,1= 1797.4
x2(43)= x2(42)*1,1=>x1(43)= 8653* 1,1= 9518.3
Pornind de la aceast valoare, se vor preziviona cheltuielile totale pentru un judet cu
veniturile totale de 1797.4 milioane lei i cu 9518,3 absolveni de nvmt superior

n+1
=18,155+0,963*1797,4+0,00018*9518,3

n+1
=18,155+ 1730.511+ 9518.3= 11266.966
Problema C
Folosind datele de la Problema A, s se testeze dac dispersiile (variaiile) celor dou
populaii (variabila exogen i variabila endogen) sunt egale. Testai totodat dac mediile celor
dou populaii sunt egale folosind datele de la Problema A. Rezolvarea Problemei C de
exemplificat n Excel, cu interpretarea rezultatelor i parcurgerea etapelor testrii ipotezelor
statistice.
Testarea dac dispersiile celor 2 populaii sunt egele.
Ipotezele sunt:
H
0
:
H
1
:
Expresia testului este:
1
2
2
2
1
= o o
1
2
2
2
1
= o o
2
2
2
1
s s F =
40



Testarea dac cele dou medii sunt egale:
Ipotezele sunt:
H0: 1= 2
H1: 1 2
Mean=media.n anul 2011 media cheltuielile totale (yi) pentru cele 42 de judee ale romniei
este de 1048,58 milioane lei, iar media veniturilor totale (xi) de 1068,06 milioane lei
Variance=Dispersia .Dispersia valorilor cheltuielilor totale (yi) n jurul valurii medii
1048,588095 milioane lei este de 1011174,327.
Df=grade de libertate (n-1=42-1=41)
F=valuarea calculat a lui F
P(T<=t) one-tail=nivelul de ncredere pentru testul unilateral

F Critical one-tail=valuarea critic a testului unilateral

Cheltuieli totale-yi(mil.lei) Venituri totale-xi(mil
lei)
Mean 1048.588095 1068.069048
Variance 1011174.327 1083675.879
Observations 42 42
Pearson Correlation 0.999494324
Hypothesized Mean
Difference
0
df 41
t Stat -2.624723652
41

P(T<=t) one-tail 0.006064758
t Critical one-tail 1.682878003
P(T<=t) two-tail 0.012129516
t Critical two-tail 2.019540948

t Stat=valuarea calculat a testului

P(T<=t) one-tail=nivelul de ncredere pentru testul unilateral

P(T<=t) two-tail=nivelul de ncredere pentru testul bilateral

t Critical two-tail=valuarea critic a testului bilateral

Cum valuarea calculat a testului este mai mic dect valuarea tabelar (critic) se accept H
0