Documente Academic
Documente Profesional
Documente Cultură
BUCURETI
PROIECT ECONOMETRIE
2014
CUPRINS
I.
PROBLEMA A.......................................................................................................................4
1. PREZENTAREA PROBLEMEI A.1..............................................................................................5
2. DEFINIREA MODELULUI DE REGRESIE SIMPL LINIAR............................................................6
2.1. Forma, variabilele i parametrii modelului de regresie...................................................6
2.2. Reprezentarea grafic a modelului legturii dintre variabile..........................................7
3. ESTIMAREA PARAMETRILOR MODELULUI I INTERPRETAREA ACESTORA.................................7
3.1. Estimarea punctual a parametrilor.................................................................................7
3.2. Estimarea parametrilor prin interval de ncredere.........................................................11
4. TESTAREA SEMNIFICAIEI CORELAIEI I A PARAMETRILOR MODELULUI DE REGRESIE.......12
4.1. Testarea seminificaiei corelaiei....................................................................................12
4.2. Testarea parametrilor unui model de regresie simplu....................................................13
5. APLICAREA ANALIZEI TIP ANOVA PENTRU VALIDITATEA MODELULUI DE REGRESIE SIMPLU I
INTERPRETAREA REZULTATELOR.................................................................................................14
6. TESTAREA IPOTEZELOR CLASICE ASUPRA MODELULUI DE REGRESIE SIMPL........................15
6.1. Ipoteze statistice clasice asupra modelului de regresie simpl......................................15
6.2. Testarea liniaritii modelului propus.............................................................................15
6.3. Testarea normalitii erorilor..........................................................................................17
6.4. Testarea ipotezei de homoscedasticitate.........................................................................18
6.5. Testarea ipotezei de autocorelare a erorilor...................................................................20
7. PREVIZIUNEA VALORII VARIABILEI Y DAC VARIABILA X CRETE CU 10% FA DE ULTIMA
VALOARE NREGISTRAT (INCLUSIV INTERVAL DE NCREDERE) PENTRU TOATE VARIANTELE
CUNOSCUTE................................................................................................................................22
1. PREZENTAREA PROBLEMEI A.2............................................................................................24
2. DEFINIREA MODELULUI DE REGRESIE SIMPL LINIAR..........................................................25
2.1. Forma, variabilele i parametrii modelului de regresie.................................................25
2.2. Reprezentarea grafic a modelului legturii dintre variabile........................................26
3. ESTIMAREA PARAMETRILOR MODELULUI I INTERPRETAREA ACESTORA...............................26
3.1. Estimarea punctual a parametrilor...............................................................................26
3.2. Estimarea parametrilor prin interval de ncredere.........................................................30
4. TESTAREA SEMNIFICAIEI CORELAIEI I A PARAMETRILOR MODELULUI DE REGRESIE.........30
4.1. Testarea seminificaiei corelaiei....................................................................................30
4.2. Testarea parametrilor unui model de regresie simplu....................................................32
5. APLICAREA ANALIZEI TIP ANOVA PENTRU VALIDITATEA MODELULUI DE REGRESIE SIMPLU I
INTERPRETAREA REZULTATELOR.................................................................................................33
6. TESTAREA IPOTEZELOR CLASICE ASUPRA MODELULUI DE REGRESIE SIMPL........................34
6.1. Ipoteze statistice clasice asupra modelului de regresie simpl......................................34
6.2. Testarea liniaritii modelului propus.............................................................................34
6.3. Testarea normalitii erorilor..........................................................................................35
6.4. Testarea ipotezei de homoscedasticitate.........................................................................36
6.5. Testarea ipotezei de autocorelare a erorilor...................................................................36
7. PREVIZIUNEA VALORII VARIABILEI Y DAC VARIABILA X CRETE CU 10% FA DE ULTIMA
VALOARE NREGISTRAT (INCLUSIV INTERVAL DE NCREDERE) PENTRU TOATE VARIANTELE
CUNOSCUTE................................................................................................................................38
2
MARE..........................................................................................................................................51
Numrul mediu al
salariailor
3
Numrul omerilor
1042
1068
986
1048
976
866
1082
1159
878
889
1031
1261
1114
916
1019
1099
1136
999
953
926
844
1028
1161
912
1015
1040
1102
1001
811
985
962
1140
1269
Variabila independent
(x1i)
2000
1089
1462
1339
2064
844
2644
2555
1230
1116
1838
1229
2712
1340
3404
2770
2559
2344
3042
2852
4013
1540
2425
1836
2179
3379
1305
1847
4470
3157
3587
1929
2564
Variabila independent
(x2i)
16666
8605
16858
12490
9370
8929
17506
17742
8959
12777
19740
10780
17619
9837
21469
15928
18856
18563
11738
18631
17910
21292
7038
11438
19721
9630
17927
7861
10480
26873
18624
4409
24922
1055
1035
942
921
1107
961
2893
916
1058
1753
1527
3295
29167
14821
12219
14467
13921
11068
Cara-Severin
Hunedoara
Timi
1138
806
1266
1911
2275
4893
11280
16462
12367
PROBLEMA A
I.
Modelul matematic ce explic variaia salariului mediu nominal din agricultur n funcie de
numrul mediu al salariailor din agriculur:
Jude
Bihor
Bistria Nsud
Cluj
Maramure
Satu Mare
Slaj
Alba
Braov
Covasna
Harghita
Mure
Sibiu
Bacu
Botoani
Iai
Neam
Suceava
Vaslui
Brila
Buzu
Constana
Galai
Tulcea
Vrancea
Arge
Clrai
Dmbovia
Giurgiu
Ialomia
Prahova
Teleorman
Ilfov
Municipiul Bucureti
Dolj
Gorj
Mehedini
Olt
Vlcea
Arad
Cara-Severin
Hunedoara
Timi
953
926
844
1028
1161
912
1015
1040
1102
1001
811
985
962
1140
1269
1055
1035
942
921
1107
961
1138
806
1266
3042
2852
4013
1540
2425
1836
2179
3379
1305
1847
4470
3157
3587
1929
2564
2893
916
1058
1753
1527
3295
1911
2275
4893
y i = salariul mediu nominal net lunar din agricultur (variabila dependent sau rezultativ)
x 1i = numrul mediu al salariailor din agricultur (variabila independent sau factorial)
a^ i b^ = parametrii modelului. Sunt cei care fac obiectul procesului de estimare i testare
statistic. Numii i coeficieni de regresie, sunt mrimi reale, fixe dar necunoscute care apar n
model n diferite expresii alturi de variabile.
i = variabila rezidual sau eroare. Apar n model ca suma a tuturor influenelor necunoscute
sau care nu apar explicit n model. Respect anumite proprieti numite i ipoteze clasice.
f(x) (RON)
= 0x +1000
1012.52
Salariul mediu nominal net lunar din agricultur
R = 0
900
800
700
CORELOGRAMA
Din corelogram se observ c legatura dintre salariul mediu nominal net lunar i numrul mediu
al salariailor din agricultur este una liniar i direct.
a^ - Intercept reprezint coeficientul termenului liber care nu are semnificaie din punct de
vedere economic, semnificnd valoarea lui y dac toi x sunt 0.
b^ reprezint panta de regresie ( coeficientul de regresie pentru numrul mediu al salariailor
din agricultur)
^
Estimarea parametrului b :
^
b=
n
x1 i
n
x 1i
yi
x 1 i yi
=0,0044
x
1i
x21 i
La creterea numrului mediu de salariai din agricultur cu 1 persoan salariul mediu nominal
net lunar din agricultur va crete cu 0,0044 RON.
Estimarea parametrului a^ :
x 1 i = y i a^ = y b^ x
1
n a^ + b^ x 1 i= y i a^ + b^
1i
n
n
n
x1 =
x 1 i = 95185 =2266,3095
n
42
= a^ =1022,59520,00442266,3095=1012,5
y i 42949
y =
=
=1022,5952
n
42
^
^
b=0,0044=
b>0=
o legtur direct (foarte slab)
a^ =1012,5
Dispunnd de estimaiile parametrilor se pot calcula valorile estimate (Predicted) ale variabilei
dependente y i , cu ajutorul relaiei:
y i^y i
Pe baza acestor valori se pot calcula abaterea medie ptratic a variabilei reziduale S
abaterile medii ptratice ale celor doi estimatori, S a^ i S b^ .
10
y i ^y i
2
S =
1
(ANOVA MS:Residual)
Unde: k = numrul estimatorilor
S = 13613,11545=116,6752
1
n
x 21i
S
S a^ =
1
(Intercept:Standard Error)
x 1 ix 1
S
S b^ =
^u
11
Rezolvarea n EVIEWS 7
Dependent Variable: Y
Method: Least Squares
Date: 05/06/14 Time: 06:09
Sample: 1 42
Included observations: 42
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
X
1012.522
0.004445
46.08401
0.018718
21.97123
0.237444
0.0000
0.8135
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
Actual
1042.00
Fitted
1021.41
0.001408
-0.023557
116.6753
544524.6
-258.4654
0.056380
0.813525
Residual
20.5884 |
|*
Residual Plot
.
|
12
1022.595
115.3248
12.40311
12.48586
12.43344
1.946236
1068.00
986.000
1048.00
976.000
866.000
1082.00
1159.00
878.000
889.000
1031.00
1261.00
1114.00
916.000
1019.00
1099.00
1136.00
999.000
953.000
926.000
844.000
1028.00
1161.00
912.000
1015.00
1040.00
1102.00
1001.00
811.000
985.000
962.000
1140.00
1269.00
1055.00
1035.00
942.000
921.000
1107.00
961.000
1138.00
806.000
1266.00
1017.36
1019.02
1018.47
1021.70
1016.27
1024.27
1023.88
1017.99
1017.48
1020.69
1017.98
1024.58
1018.48
1027.65
1024.83
1023.90
1022.94
1026.04
1025.20
1030.36
1019.37
1023.30
1020.68
1022.21
1027.54
1018.32
1020.73
1032.39
1026.55
1028.47
1021.10
1023.92
1025.38
1016.59
1017.22
1020.31
1019.31
1027.17
1021.02
1022.63
1034.27
50.6374
-33.0204
29.5263
-45.6961
-150.274
57.7261
135.122
-139.989
-128.483
10.3084
243.015
89.4239
-102.478
-8.65180
74.1661
112.104
-23.9405
-73.0429
-99.1984
-186.359
8.63291
137.699
-108.683
-7.20718
12.4593
83.6774
-19.7316
-221.390
-41.5540
-66.4652
118.904
245.082
29.6194
18.4063
-75.2248
-99.3138
87.6907
-66.1673
116.984
-216.634
231.730
|
. |* .
|
|
. *| .
|
|
. |* .
|
|
. *| .
|
| *. | .
|
|
. | * .
|
|
. | .* |
| *. | .
|
|
* | .
|
|
. |* .
|
|
. | . *|
|
. | *.
|
|
.* | .
|
|
. * .
|
|
. | *.
|
|
. | *.
|
|
. *| .
|
|
.* | .
|
|
.* | .
|
| * . | .
|
|
. * .
|
|
. | .* |
|
.* | .
|
|
. * .
|
|
. |* .
|
|
. | *.
|
|
. *| .
|
|* . | .
|
|
. *| .
|
|
. * | .
|
|
. | *
|
|
. | . *|
|
. |* .
|
|
. |* .
|
|
.* | .
|
|
.* | .
|
|
. | *.
|
|
. * | .
|
|
. | *
|
|* . | .
|
|
. | . *|
Estimation Command:
=========================
LS Y C X
Estimation Equation:
=========================
Y = C(1) + C(2)*X
Substituted Coefficients:
=========================
Y = 1012.52243298 + 0.00444458491409*X
13
S.E. of regression
S a^ i S b^ Std Error C i X
^
b=0,0044
a^ =1012,5
a^ ( a^ t critic Sa^ )
a^ (919,3831 ;1105,6616 )
Unde:
919,3831 Lower 95% limita inferioar a intervalului de ncredere
1105,6616 Upper 95% limita superioar
Parametrul a^ nu este seminificativ statistic deoarece intervalul de ncredere include valoarea
nul.
b^ ( b^ t critic Sb^ )
b^ (0,0333 ; 0,0422)
^
Parametrul b nu este seminificativ statistic deoarece intervalul de ncredere include valoarea
nul.
Rezolvare n EVIEWS 7:
Coefficient Confidence Intervals
Date: 05/06/14 Time: 06:36
Sample: 1 42
Included observations: 42
95% CI
14
Variable
Coefficient
Low
High
C
X
1012.522
0.004445
919.3832
-0.033387
1105.662
0.042276
Calcul:
Coeficientul de corelaie liniar ( Multiple R):
r y / x=
cov ( x ; y )
=0,0375
xy
x1 i
(x )( y i y )
n
cov ( x ; y )=
H0 : r y /x
0 ( nu este semnificativ statistic )
0 (este semnificativ statistic)
Se stabilete ipoteza alternativ: H 1 : r y / x
Se stabilete ipoteza nul:
Se calculeaz testul z:
zr =
y/x
r y / x nk 1
1r
2
y/x
0,0375 40
10,0375
0,2371
=0,2372
0,9992
15
y i y 2
R y / x =
Testarea seminificaiei raportului de corelaie:
H0 : Ry /x
0 (raportul de corelaie nu este semnificativ)
0 (raportul de corelaie este semnificativ)
Se stabilete ipoteza alternativ: H 1 : R y / x
Se stabilete ipoteza nul:
Se calculeaz testul F:
2
FR
y/x
R
nk 1
0,0014
=
=
40=0,056
2
k
10,0014
1R
F R =0,056< F critic =4
y/x
16
^y y 2
y i y 2
y i^y 2
2
y i y
R 2=
R2 ( 0 ; 1 )
0,14% din variaia salariului mediu nominal net lunar din agricultur este explicat prin variaia
numrului mediu de salariai din agricultur, restul de 99,86% reprezint influena altor factori.
Testarea semnificaiei coeficientului de determinaie:
H 0 : R2=0 (nu este semnificativ)
2
Se stabilete ipoteza alternativ: H 1 : R 0 (este semnificativ)
Se stabilete ipoteza nul:
Se calculeaz testul F:
R 2 nk1
0,0014
FR =
=
40=0,056
2
k
10,0014
1R
2
Coefficient
Std. Error
t-Statistic
Prob.
C
X
1012.522
0.004445
46.08401
0.018718
21.97123
0.237444
0.0000
0.8135
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
0.001408
-0.023557
116.6753
544524.6
-258.4654
0.056380
17
1022.595
115.3248
12.40311
12.48586
12.43344
1.946236
Prob(F-statistic)
0.813525
^
b=0,0044
a^ =1012,5
Testarea semnificaiei lui a^ :
H 0 : a^
Se stabilete ipoteza alternativ: H 1 :
Se stabilete ipoteza nul:
Se calculeaz testul z:
a^ = media erorilor termenului liber care este 0
z ^a=
a^ ^a
=21,9712
S ^a
0
b^ 0
Se calculeaz testul z:
z ^b=
^
b0
=0,2374
S b^
18
z ^b=0,2374 < z critic =1,96 =: se accept ipoteza nul i se respinge ipoteza alternativ,
^
parametrul b nu este semnificativ statistic, nu este semnificativ diferit de 0.
19
Dependent Variable: Y
Method: Least Squares
Date: 05/05/14 Time: 08:45
Sample: 1 42
Included observations: 42
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
X
1012.522
0.004445
46.08401
0.018718
21.97123
0.237444
0.0000
0.8135
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
0.001408
-0.023557
116.6753
544524.6
-258.4654
0.056380
0.813525
1022.595
115.3248
12.40311
12.48586
12.43344
1.946236
20
r y / x=
cov ( x ; y )
=0,0375
xy
Se poate observa ca n cazul unei legturi liniare, raportul de corelaie este egal cu coeficientul
de corelaie liniar. Raportul de corelaie multipl (Multiple R) este 0,0375 i arat o legtur
direct de funcionalitate ntre variabile.
Testarea validitii modelului - Testul Fisher:
H 0 : modelul nu este valid
Se stabilete ipoteza alternativ: H 1 : modelul este valid
Se stabilete ipoteza nul:
Se calculeaz testul F:
^y y 2
y i y 2
nk 1
F calc=
Fcalc =0,0563
<
Fcritic =4
ipoteza alternativ)
cov ( x ; y )
=0,0375
xy
21
Valoarea coeficientului este > 0 , ceea ce nseamn c ntre cele dou variabile considerate:
salariul mediu nominal net din agricultur i numrul mediu de salariai din agricultur exist o
legatur direct de intensitate.
H0 : r y /x
0
Se stabilete ipoteza nul:
Se stabilete ipoteza alternativ:
H1 :
r y /x
Se calculeaz testul z:
zr =
r y / x nk 1
y/x
1r
2
y/x
0,0375 40
10,0375
0,2371
=0,2372
0,9992
y i y 2
R y / x =
Deoarece coeficientul de corelaie = raportul de corelaie, apreciem c exist o legtur liniar de
intensitate i direct ntre cele dou variabile.
Testarea seminificaiei raportului de corelaie:
H0 : Ry /x
0
0
Se stabilete ipoteza alternativ: H 1 : R y / x
Se stabilete ipoteza nul:
Se calculeaz testul F:
FR =
y/x
R2 nk 1
0,0014
=
40=0,056
2
k
10,0014
1R
F R =0,056< F critic =4
y/x
22
Coeficientul de determinaie:
^y y 2
y i y 2
R 2=
R2 ( 0 ; 1 )
0,14% din variaia salariului mediu nominal net lunar din agricultur este explicat prin variaia
numrului mediu de salariai din agricultur, restul de 99,86% reprezint influena altor factori.
Testarea semnificaiei coeficientului de determinaie:
H 0 : R2=0
2
Se stabilete ipoteza alternativ: H 1 : R 0
Se stabilete ipoteza nul:
Se calculeaz testul F:
R 2 nk1
0,0014
FR =
=
40=0,056
2
k
10,0014
1R
2
23
Series: Residuals
Sample 1 42
Observations 42
5
4
3
2
1
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
1.23e-13
0.712861
245.0817
-221.3897
115.2436
0.199561
2.686865
Jarque-Bera
Probability
0.450367
0.798370
0
-200
-150
-100
-50
50
100
150
200
250
) (
- utilizarea testului Fisher Snedecor clasic, bazat pe ipoteza nulitii parametrilor, respectiv:
0 1 2 0
H0:
Fc F ;k ;n k 1
Dac ipoteza nul, potrivit creia rezultatele estimrii sunt nesemnificative (
),
este acceptat, atunci ipoteza de homoscedasticitate se verific, cazul contrar semnificnd
prezena heteroscedasticitii erorilor.
- utilizarea testului LM, calculat ca produs ntre numrul de observaii corespunztoare
modelului, n, i coeficientul de determinare, R2, corespunztor acestei regresii auxiliare. n
general, testul LM este asimptotic distribuit sub forma unui
de libertate este egal cu:
vk
LM n R 2
Dac
LM
2
;k
2
;v
0 1 2 0
ipoteza nulitii parametrilor,
, este acceptat.
Aplicarea testului White s-a realizat utiliznd pachetul de programe EViews:
Heteroskedasticity Test: White
F-statistic
Obs*R-squared
Scaled explained SS
5.639489
9.421772
7.207825
Prob. F(2,39)
Prob. Chi-Square(2)
Prob. Chi-Square(2)
0.0071
0.0090
0.0272
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 05/05/14 Time: 10:48
Sample: 1 42
Included observations: 42
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
X1
X1^2
34893.30
-24.95393
0.005713
13260.23
11.00511
0.002066
2.631426
-2.267487
2.765500
0.0121
0.0290
0.0086
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
0.224328
0.184550
15390.04
9.24E+09
-462.9811
5.639489
0.007059
25
12964.87
17042.81
22.18958
22.31370
22.23507
1.915577
2
0 , 05; 2
5,99
26
6000
5000
4000
3000
2000
1000
0
-1000
Residuals
Numrul mediu al salariailor din agricultur (persoane)
Deoarece graficul punctelor empirice prezint o distribuie oscilant se poate accepta ipoteza c
cele 2 variabile sunt independente i necorelate.
i2
i 1
i 1
2
i
d1
d2
Watson (vezi anexa nr. 1) n funcie de un prag de semnificaie , arbitrar ales, de numrul
k
variabilelor exogene
i de valorile observate.
Acceptarea sau respingerea ipotezei de independen a erorilor se bazeaz pe o anumit
regul, care const n:
0 d d1
- dac
autocorelare pozitiv;
d1 d d 2
- dac
indecizie, recomandndu-se acceptarea autocorelrii pozitive;
d2 d 4 d2
- dac
erorile sunt independente;
4 d 2 d 4 d1
- dac
indecizie, recomandndu-se acceptarea autocorelrii
negative;
27
- dac
4 d1 d 4
autocorelare negativ.
Nr. Crt
Residuals
u^2
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
20.5883972
50.63741405
-33.02041612
29.52626782
-45.69605624
-150.2736626
57.72608451
135.1216526
-139.9892724
-128.4825897
10.30841995
243.0151722
89.42385274
-102.4781768
-8.651800023
74.16606681
112.1038742
-23.94054001
-73.04286028
-99.19838915
-186.3585522
8.632906257
137.6994486
-108.6826909
-7.207183503
12.4593146
83.67738371
-19.73158131
-221.3897275
-41.55398755
-66.46515906
118.9039627
245.0816513
29.61938287
18.40632724
-75.22480381
-99.31379033
87.69068586
-66.16734027
423.8820991
2564.147702
1090.347881
871.8004917
2088.129556
22582.17368
3332.300833
18257.86099
19596.99639
16507.77587
106.2635219
59056.3739
7996.625438
10501.77671
74.85364363
5500.605466
12567.27862
573.1494561
5335.259438
9840.32041
34729.50999
74.52707045
18961.13815
11811.9273
51.94349404
155.2345203
7001.904545
389.335301
49013.41146
1726.733881
4417.617369
14138.15235
60065.01581
877.3078415
338.7928826
5658.771109
9863.22895
7689.656387
4378.116918
28
u-1
(u-u-1)*2
19.5883972
49.63741405
-34.02041612
28.52626782
-46.69605624
-151.2736626
56.72608451
134.1216526
-140.9892724
-129.4825897
9.308419953
242.0151722
88.42385274
-103.4781768
-9.651800023
73.16606681
111.1038742
-24.94054001
-74.04286028
-100.1983892
-187.3585522
7.632906257
136.6994486
-109.6826909
-8.207183503
11.4593146
82.67738371
-20.73158131
-222.3897275
-42.55398755
-67.46515906
117.9039627
244.0816513
28.61938287
17.40632724
-76.22480381
-100.3137903
86.69068586
41.17679439
964.0414478
6832.316889
4038.18104
5508.953389
10728.32055
43680.89431
6145.865091
75136.7992
156.4171117
19541.52639
54618.84603
23284.11076
36443.58487
8992.041725
7025.434801
1516.152846
18236.99382
2313.833215
632.8006325
7423.573703
38412.6518
16917.30544
60212.39438
10501.22961
427.1041438
5215.449506
10487.59612
40263.69165
32701.56486
571.7441231
34733.44956
16174.16447
45994.06458
104.3065052
8580.526441
533.1012983
35345.68307
23365.57615
40
41
42
116.9839653
-216.6338637
231.730213
13685.24813
46930.23088
53698.89164
-67.16734027
115.9839653
-217.6338637
33911.70333
110634.6201
201928.0734
Total
544524.6181
-272.730213
1060277.865
i2
i 1
1060277.865
=1.947162
544524.6181
2
i
i 1
;n k1
;nk1
29
n+ vx 2
2
i x
2
5382,32266.3095
1
1+ +=107,4458
42
13613,1333
=
1
1+ +
n
S2u
S ^y =
n+ v
70,921
1,185,921
2,137,444
1,792,921
4,260,096
712,336
6,990,736
6,528,025
1,512,900
1,245,456
3,378,244
1,510,441
7,354,944
1,795,600
11,587,216
7,672,900
6,548,481
30
5,494,336
9,253,764
8,133,904
16,104,169
2,371,600
5,880,625
3,370,896
4,748,041
11,417,641
1,703,025
3,411,409
19,980,900
9,966,649
12,866,569
3,721,041
6,574,096
8,369,449
839,056
1,119,364
3,073,009
2,331,729
10,857,025
3,651,921
5,175,625
23,941,449
250,641,874
A.2. yi = f(x2i)
Dorim s studiem legtura dintre salariul nominal net lunar din agricultur i numrul omerilor
n anul 2010. Pentru acest scop am cules date statistice privind salariul mediu nominal net lunar
din agricultur i numrul omerilor din cele 42 de judee din Romnia:
31
32
Numrul omerilor
Jude
Bihor
Bistria Nsud
Cluj
Maramure
Satu Mare
Slaj
Alba
Braov
Covasna
Harghita
Mure
Sibiu
Bacu
Botoani
Iai
Neam
Suceava
Vaslui
Brila
Buzu
Constana
Galai
Tulcea
Vrancea
Arge
Clrai
Dmbovia
Giurgiu
Ialomia
Prahova
Teleorman
Ilfov
Municipiul Bucureti
Dolj
Gorj
Mehedini
Olt
Vlcea
Arad
Cara-Severin
Hunedoara
33
Timi
1266
12367
34
900
800
700
23000
3000
Din corelogram se observ c legatura dintre salariul mediu nominal net lunar i numrul mediu
al salariailor din agricultur este una liniar i direct.
a^ - Intercept reprezint coeficientul termenului liber care nu are semnificaie din punct de
vedere economic, semnificnd valoarea lui y dac toi x sunt 0.
b^ reprezint panta de regresie ( coeficientul de regresie pentru numrul mediu al salariailor
din agricultur)
^
Estimarea parametrului b :
35
^
b=
n
x2 i
n
x 2i
yi
x2 i yi
=0,0022
x
2i
x 22i
La creterea numrului omerilor cu 1 persoan salariul mediu nominal net din agricultur va
crete cu 0,0022 RON.
Estimarea parametrului a^ :
x 2 i = y i a^ = y b^ x
1
n a^ + b^ x 2 i= y i a^ + b^
2
n
n
n
x
2i
x 2=
n = a^ =989,7
y i =
y =
n
^
^ 0=
b=0,0022=
b>
a^ =989,7
Dispunnd de estimaiile parametrilor se pot calcula valorile estimate (Predicted) ale variabilei
dependente y i , cu ajutorul relaiei:
^
y i=a^ + b^ x2 i=989,7+0,0022 x2 i
36
37
Pe baza acestor valori se pot calcula abaterea medie ptratic a variabilei reziduale S u^ i
abaterile medii ptratice ale celor doi estimatori, S a^ i S b^ .
2
y i ^y i
2
S u^ =
(ANOVA MS:Residual)
Unde: k = numrul estimatorilor
S u^ = 13485,16=116,1256
(SUMMARY OUTPUT Regression Statistics:Standard Error)
x 1 ix
n
x 2i
S
S a^ =
^u
(Intercept:Standard Error)
x 1 ix
S
S b^ =
^u
38
^
b=0,0022
a^ =989,71
a^ ( a^ t critic Sa^ )
a^ (882,8056 ; 1096,624972)
39
b^ (0,0045; 0,0089)
^
P-Value b =0,5126 > 0,05 => nu este semnificativ statistic
^
Parametrul b nu este seminificativ statistic deoarece intervalul de ncredere include valoarea
nul.
cov (x ; y )
=0,1038
xy
Valoarea coeficientului este > 0 , ceea ce nseamn c ntre cele dou variabile considerate:
salariul mediu nominal net din agricultur i numrul mediu de salariai din agricultur exist o
legatur direct de intensitate.
H0 : r y /x
0
Se stabilete ipoteza nul:
Se stabilete ipoteza alternativ:
H1 :
r y /x
Se calculeaz testul t:
zr =
y/x
r y / x nk 1
1r
2
y/x
0,1038 40 0,6564
=
=0,6634
10,1038 2 0,9893
40
z r =0,6634< z critic =1,96 => se accepta ipoteza nula i se respinge ipoteza alternative, deci
y/x
y i y 2
R y / x =
Deoarece coeficientul de corelaie = raportul de corelaie, apreciem c exist o legtur liniar de
intensitate i direct ntre cele dou variabile.
Testarea seminificaiei raportului de corelaie:
H0 : Ry /x
0
0
Se stabilete ipoteza alternativ: H 1 : R y / x
Se stabilete ipoteza nul:
Se calculeaz testul F:
FR
y/x
R2 nk 1
0,0107
=
=
40=0,4326
2
k
10,0107
1R
F R =0,4326< F critic =4
y/x
y i y 2
R 2=
41
R2 ( 0 ; 1 )
1,07% din variaia salariului mediu nominal net lunar din agricultur este explicat prin variaia
numrului de omeri, restul de 98,93% reprezint influena altor factori.
Testarea semnificaiei coeficientului de determinaie:
H 0 : R2=0
2
Se stabilete ipoteza alternativ: H 1 : R 0
Se stabilete ipoteza nul:
Se calculeaz testul F:
R 2 nk1
0,0107
FR =
=
40=0,4326
2
k
10,0107
1R
2
^
b=0,0022
a^ =989,7
Testarea semnificaiei lui a^ :
H 0 : a^
Se stabilete ipoteza alternativ: H 1 :
Se stabilete ipoteza nul:
0
a^ 0
Se calculeaz testul z:
z ^a=
a^ 0
=18.71
S a^
z ^a=18,71> z critic =1,96 =: se respinge ipoteza nul i se accept ipoteza alternativ, parametrul
a^ este semnificativ statistic, este semnificativ diferit de 0.
^
Testarea semnificaiei lui b :
42
H 0 : b^
Se stabilete ipoteza alternativ: H 1 :
Se stabilete ipoteza nul:
b^ 0
Se calculeaz testul z:
z ^b=
^
b0
=0,6606
S b^
^
parametrul b nu este semnificativ statistic, nu este semnificativ diferit de 0.
cov (x ; y )
=0,1038
xy
43
Se poate observa ca n cazul unei legturi liniare, raportul de corelaie este egal cu coeficientul
de corelaie liniar. Raportul de corelaie multipl (Multiple R) este 0,1038 i arat o legtur
direct de funcionalitate ntre variabile.
Testarea validitii modelului:
H 0 : modelul nu este valid
Se stabilete ipoteza alternativ: H 1 : modelul este valid
Se stabilete ipoteza nul:
Se calculeaz testul F:
Fcalc =0,4364
Fcritic =4
<
ipoteza alternativ)
cov (x ; y )
=0,1038
xy
Valoarea coeficientului este > 0 , ceea ce nseamn c ntre cele dou variabile considerate:
salariul mediu nominal net din agricultur i numrul mediu de salariai din agricultur exist o
legatur direct de intensitate.
H0 : r y /x
0
Se stabilete ipoteza nul:
Se stabilete ipoteza alternativ:
H1 :
r y /x
Se calculeaz testul t:
zr =
y/x
r y / x nk 1
1r
2
y/x
0,1038 40
10,1038
0,6564
=0,6634
0,9893
^y y 2
y i y 2
R y / x =
Deoarece coeficientul de corelaie = raportul de corelaie, apreciem c exist o legtur liniar de
intensitate i direct ntre cele dou variabile.
Testarea seminificaiei raportului de corelaie:
H0 : Ry /x
0
0
Se stabilete ipoteza alternativ: H 1 : R y / x
Se stabilete ipoteza nul:
Se calculeaz testul F:
FR =
y/x
R2 nk 1
0,0107
=
40=0,4326
2
k
10,0107
1R
F R =0,4326< F critic =4
y/x
y i y 2
R 2=
R2 ( 0 ; 1 )
1,07% din variaia salariului mediu nominal net lunar din agricultur este explicat prin variaia
numrului de omeri, restul de 98,93% reprezint influena altor factori.
Testarea semnificaiei coeficientului de determinaie:
45
H 0 : R2=0
2
Se stabilete ipoteza alternativ: H 1 : R 0
Se stabilete ipoteza nul:
Se calculeaz testul F:
R 2 nk1
0,0107
FR =
=
40=0,4326
2
k
10,0107
1R
2
Coeficientul de corelaie este = cu raportul de corelaie => c modelul de regresie este liniar.
Series: Residuals
Sample 1 42
Observations 42
5
4
3
2
1
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
1.48e-13
-7.321855
249.0448
-219.9749
114.7007
0.293785
2.690034
Jarque-Bera
Probability
0.772306
0.679667
0
-200
-150
-100
-50
50
100
150
200
250
0.435091
0.916667
0.702584
Prob. F(2,39)
Prob. Chi-Square(2)
Prob. Chi-Square(2)
46
0.6503
0.6323
0.7038
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 05/05/14 Time: 10:54
Sample: 1 42
Included observations: 42
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
X2
X2^2
22804.74
-0.904592
1.41E-05
17977.10
2.311543
6.96E-05
1.268544
-0.391337
0.202137
0.2121
0.6977
0.8409
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
0.021825
-0.028337
17136.23
1.15E+10
-467.4951
0.435091
0.650308
12843.02
16898.47
22.40453
22.52865
22.45002
1.563507
2
0 , 05; 2
5,99
i2
i 1
i 1
2
i
d1
d2
Watson (vezi anexa nr. 1) n funcie de un prag de semnificaie , arbitrar ales, de numrul
k
variabilelor exogene
i de valorile observate.
Acceptarea sau respingerea ipotezei de independen a erorilor se bazeaz pe o anumit
regul, care const n:
0 d d1
- dac
autocorelare pozitiv;
d1 d d 2
- dac
indecizie, recomandndu-se acceptarea autocorelrii pozitive;
d2 d 4 d2
- dac
erorile sunt independente;
47
- dac
- dac
Nr.
Crt
1
2
3
8
9
10
11
12
13
14
15
4 d 2 d 4 d1
4 d1 d 4
autocorelare negativ.
Residu
als
15.575
76
59.331
11
40.847
1
30.773
92
u^2
u-1
242.604
448
3520.18
007
1668.48
875
14.575
76
58.331
11
34.353
9
143.38
3
53.725
56
1180.19
05
130.20
57
131.44
9
128.85
8
2.1951
16953.5
355
17278.7
405
247.54
04
85.476
67
95.382
5
18.003
947.033
947
(u-u1)*2
242.604
448
2003.04
052
9836.32
412
41.847
1
29.773
92
5273.81
77
35.353
9
144.38
3
52.725
56
129.20
57
11670.1
878
12.8908
786
61276.2
503
7306.26
033
9097.82
619
132.44
9
129.85
8
3.1951
246.54
04
84.476
67
324.123
546
96.382
6143.28
239
20558.5
54
2886.43
599
16604.4
45
4.81845
115
4112.37
698
39246.8
217
6003.17
846
67940.6
984
16297.8
77
62868.2
901
25941.5
27
32349.3
286
48
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
4
74.201
3
5505.83
296
104.75
2
31.602
6
62.569
7
104.75
2
185.16
4
8.6135
7
155.78
26
10972.9
86
998.724
977
102.90
9
18.153
2
29.073
42
10590.2
467
72.798
26
6.0301
4
201.79
9
63.906
4
68.737
5299.58
632
36.3626
292
3914.96
875
10973.0
629
34285.8
172
74.1935
42
24268.2
231
329.540
385
845.263
592
40722.7
605
4084.02
847
4724.77
108
5
19.003
4
73.201
3
103.75
2
8687.12
202
995.448
18320.8
763
32.602
6
63.569
7
105.75
2
186.16
4
9.6135
7
154.78
26
898.027
134
103.90
9
19.153
2
28.073
42
71.798
26
7354.03
616
7.0301
4
202.79
9
64.906
4
37934.8
342
1696.01
292
6306.25
131
31524.2
619
27355.8
971
66404.9
295
2325.81
117
2000.31
135
6057.26
001
19291.1
01
14.6732
381
49
32
33
34
35
36
37
38
39
40
41
42
Total
140.57
33
224.39
09
1.0407
8
12.639
6
74.629
2
100.58
1
86.621
96
19760.8
554
50351.2
817
1.08322
263
159.759
575
5569.51
34
69.737
139.57
33
223.39
09
0.0407
8
11.639
6
44230.4
139
7194.02
576
49439.5
816
158.730
356
7442.30
172
10116.4
708
622.577
131
53.094
123.43
91
219.97
5
249.04
48
2818.96
795
15237.2
089
48388.9
567
75.629
2
101.58
1
85.621
96
54.094
122.43
91
220.97
5
290.04
5
220918.
556
7503.36
46
62023.3
32
539406.
651
35420.2
307
19242.1
058
31517.9
817
117247.
341
1060542
.94
i2
i 1
i 1
1060542.94
=1.9661
539406.651
2
i
50
;n k1
;nk1
n+ vx 2
i x 2
=
1
1+ +
n
S 2u
S ^y =
n+ v
Rezolvare n EVIEWS:
Dependent Variable: Y
Method: Least Squares
Date: 05/05/14 Time: 09:27
51
Sample: 1 42
Included observations: 42
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
X
989.7153
0.002203
52.89741
0.003334
18.71009
0.660636
0.0000
0.5126
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
Actual
1042.00
1068.00
986.000
1048.00
976.000
866.000
1082.00
1159.00
878.000
889.000
1031.00
1261.00
1114.00
916.000
1019.00
1099.00
1136.00
999.000
953.000
926.000
844.000
1028.00
1161.00
912.000
1015.00
1040.00
1102.00
1001.00
811.000
985.000
962.000
1140.00
1269.00
1055.00
1035.00
942.000
921.000
1107.00
Fitted
1026.42
1008.67
1026.85
1017.23
1010.35
1009.38
1028.27
1028.79
1009.45
1017.86
1033.20
1013.46
1028.52
1011.38
1037.00
1024.80
1031.25
1030.60
1015.57
1030.75
1029.16
1036.61
1005.22
1014.91
1033.15
1010.93
1029.20
1007.03
1012.80
1048.91
1030.74
999.427
1044.61
1053.96
1022.36
1016.63
1021.58
1020.38
0.010793
-0.013937
116.1256
539406.7
-258.2671
0.436440
0.512633
Residual
15.5758
59.3311
-40.8471
30.7739
-34.3539
-143.383
53.7256
130.206
-131.449
-128.858
-2.19510
247.540
85.4767
-95.3825
-18.0034
74.2013
104.752
-31.6026
-62.5697
-104.752
-185.164
-8.61357
155.783
-102.909
-18.1532
29.0734
72.7983
-6.03014
-201.799
-63.9064
-68.7370
140.573
224.391
1.04078
12.6396
-74.6292
-100.581
86.6220
Residual Plot
|
. |* .
|
|
. | * .
|
|
. *| .
|
|
. |* .
|
|
. *| .
|
| *. | .
|
|
. | * .
|
|
. | *
|
|
* | .
|
|
* | .
|
|
. * .
|
|
. | . *|
|
. | *.
|
|
.* | .
|
|
. *| .
|
|
. | *.
|
|
. | *.
|
|
. *| .
|
|
. * | .
|
|
.* | .
|
| * . | .
|
|
. * .
|
|
. | .* |
|
.* | .
|
|
. *| .
|
|
. |* .
|
|
. | * .
|
|
. * .
|
| * . | .
|
|
. * | .
|
|
. * | .
|
|
. | .* |
|
. | . *|
|
. * .
|
|
. |* .
|
|
.* | .
|
|
.* | .
|
|
. | *.
|
52
1022.595
115.3248
12.39367
12.47642
12.42400
1.964737
961.000
1138.00
806.000
1266.00
1014.09
1014.56
1025.97
1016.96
-53.0940
123.439
-219.975
249.045
|
. * |
|
. |
|* . |
|
. |
.
*
.
.
|
|
|
*|
95% CI
Variable
Coefficient
Low
High
Low
High
C
X
989.7153
0.002203
882.8057
-0.004536
1096.625
0.008941
882.8057
-0.004536
1096.625
0.008941
1.096650
2.291890
Prob. F(2,38)
Prob. Chi-Square(2)
0.3443
0.3179
Test Equation:
Dependent Variable: RESID
Method: Least Squares
Date: 05/05/14 Time: 16:19
Sample: 1 42
Included observations: 42
Presample missing value lagged residuals set to zero.
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
X
RESID(-1)
RESID(-2)
0.070920
-2.77E-05
-0.027559
-0.258228
52.77027
0.003327
0.168401
0.177349
0.001344
-0.008318
-0.163650
-1.456048
0.9989
0.9934
0.8709
0.1536
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
0.054569
-0.020070
115.8461
509971.9
-257.0887
0.731100
0.539878
53
1.48E-13
114.7007
12.43279
12.59829
12.49345
1.995313
I.
PROBLEMA B
54
^y x
, x 2 ,i
= 0 + 1 x 1 i+ 2 x 2i
^y x
, x 2 ,i
^y
55
Lower Upper
Interval de ncredere pentru
0 :
0 - z ;n k1 S 0 0+ z ;nk1 S
2
2
0
0 - z BILATERAL;n3 S 0 0 + z BILATERAL;n3 S
0
1 :
1 - z ;n k1 S 1 1 + z ; nk1 S
2
2
1
0,038115838 1 0,040859363
Interval de ncredere pentru
2 :
2 - z ;n k1 S 2 2 + z ; nk1 S
2
2
2
2 - z BILATERAL;n3 S 2 2+ zBILATERAL; n3 S
2
56
R 2 nk1
0,104491422 4221
=0,215260199
2
2
k
2
1R
10,10449142
57
Deoarece
Fcalc ( 0,2152 )< F critic =4 , atunci se accept H0 i se respinge H1, ceea ce nseamn
ca raportul de corelaie al colectivitii din care s-a extras eantionul de 42 de unit i, nu difer
semnificativ de 0, deci nu este semnificativ statistic.
Coeficientul de determinaie (R Square) ne indic ponderea de influen a factorului (x) n
variaia rezultatului (y).
R Square=0,01091846 ne arat c, 1,09% reprezin influena ambilor factori asupra varia iei
salariul mediu nominal net lunar din agricultur.
0 :
0 este 0, adic
z calc =
0
987,54839
z =
=
=15,9769948876
S 61,81064693
0
Decizia:
Se observ c parametrul
58
nu
1 este 0, adic
nu
z calc = z = 0,070266404
1
Decizia:
Se observ c parametrul
2 este 0, adic
z calc = z = 0,612390213
2
Decizia:
Se observ c parametrul
59
nu
H0: modelul nu este valid statistic (mprtierea valorilor ^y datorate factorului timp nu difer
nu difer semnificativ de mprtierea acelorai valori datorate ntmplrii)
H1: modelul este valid statistic
tiind c pragul de semnificaie este =0,05 i k=2 se stabilete:
Valoarea critic: Fcritic =4
x
2
e
Deoarece
2976,873981
=0,215260199
13829,189
cov (x ; y )
=0,1038
xy
60
Valoarea coeficientului este > 0 , ceea ce nseamn c ntre cele dou variabile considerate:
salariul mediu nominal net din agricultur i numrul mediu de salariai din agricultur exist o
legatur direct de intensitate.
H0 : r y /x
0
Se stabilete ipoteza nul:
Se stabilete ipoteza alternativ:
H1 :
r y /x
Se calculeaz testul t:
zr =
r y / x nk 1
y/x
1r
2
y/x
0,1038 40
10,1038
0,6564
=0,6634
0,9893
y i y 2
R y / x =
Deoarece coeficientul de corelaie = raportul de corelaie, apreciem c exist o legtur liniar de
intensitate i direct ntre cele dou variabile.
Testarea seminificaiei raportului de corelaie:
H0 : Ry /x
0
0
Se stabilete ipoteza alternativ: H 1 : R y / x
Se stabilete ipoteza nul:
Se calculeaz testul F:
FR =
y/x
R2 nk 1
0,0107
=
40=0,4326
2
k
10,0107
1R
F R =0,4326< F critic =4
y/x
61
Coeficientul de determinaie:
^y y 2
y i y 2
R 2=
R2 ( 0 ; 1 )
1,07% din variaia salariului mediu nominal net lunar din agricultur este explicat prin variaia
numrului de omeri, restul de 98,93% reprezint influena altor factori.
Testarea semnificaiei coeficientului de determinaie:
H 0 : R2=0
2
Se stabilete ipoteza alternativ: H 1 : R 0
Se stabilete ipoteza nul:
Se calculeaz testul F:
R 2 nk1
0,0107
FR =
=
40=0,4326
2
k
10,0107
1R
2
62
Series: Residuals
Sample 1 42
Observations 42
5
4
3
2
1
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
1.52e-13
-7.077160
247.9123
-219.9433
114.7000
0.289512
2.688328
Jarque-Bera
Probability
0.756714
0.684986
0
-200
-150
-100
-50
50
100
150
200
250
2
Se constat c JB=0,756714< 0,05=5,99 i c p(JB) = 0,684986. Deoarece valoarea
calculate a testului JB este mai mare dect valoarea lui hi-ptrat, iar probabilitatea ca testul JB s
nu depeasc valoarea critic este sufficient de mare, ipoteza de normalitate a erorilor poate fi
acceptat.
2.105069
9.501586
6.915978
Prob. F(5,36)
Prob. Chi-Square(5)
Prob. Chi-Square(5)
0.0873
0.0907
0.2270
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 05/05/14 Time: 14:44
Sample: 1 42
Included observations: 42
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
X1
X1^2
X1*X2
X2
46921.03
-25.27318
0.005245
0.000195
-1.388496
26461.12
15.92620
0.002312
0.000726
2.244792
1.773206
-1.586893
2.268568
0.268006
-0.618541
0.0847
0.1213
0.0294
0.7902
0.5401
63
X2^2
2.01E-05
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
0.226228
0.118760
15855.12
9.05E+09
-462.5507
2.105069
0.087274
7.39E-05
0.272550
0.7868
12842.85
16889.72
22.31194
22.56018
22.40293
1.764109
Coefficient
Std. Error
t-Statistic
Prob.
C
X1
X2
987.5484
0.001372
0.002140
61.81065
0.019522
0.003494
15.97699
0.070266
0.612390
0.0000
0.9443
0.5438
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
0.010918
-0.039804
117.5976
539338.4
-258.2644
0.215260
0.807283
64
1022.595
115.3248
12.44116
12.56528
12.48666
1.964868
II. Problema C
Folosind datele Problemei A, s se testeze dac dispersiile (variaiile) celor
dou populaii (variabila exogen i variabila endogen) sunt egale; testai dac
mediile celor dou populaii sunt egale. Rezolvarea problemei C de
exemplificat n Excel, cu interpretarea rezultatelor i parcurgerea etapelor
testrii ipotezelor statistice.
65
Testul bilateral:
H 0 : 1=2 ( 1 2 =D )
H 1 : 1 2 (1 2 D)
2
+
n1
n2
( 12)
x 1x2
z calc=
Valoarea testului z este -8.2224731005958. Fiind un test bilateral, valoarea critic este
-1.95996398454 => c
diferite.
66
H 0 : 1= 2=1
H 1 : 1 2 1
Fcalc =
21
22
Valoarea testului F este 0,014035009. Fiind un test bilateral, valoarea critic este 0,594656101
=> c Fcalc < Fcritic atunci cu o probabilitate de 95% se accept H0 i se respinge H1 deci
dispersiile sunt egale.
67
Testul bilateral:
H 0 : 1=2 ( 1 2 =D )
H 1 : 1 2 (1 2 D)
2
+
n1
n2
( 12)
x 1x2
z calc=
Valoarea testului z este -16,56304971. Fiind un test bilateral, valoarea critic este
-1.95996398454005 => c
diferite.
68
H 0 : 1= 2=1
H 1 : 1 2 1
Fcalc =
21
22
Valoarea testului F este 0,000449499. Fiind un test bilateral, valoarea critic este 0,594656101
=> c Fcalc < Fcritic atunci cu o probabilitate de 95% se accept H0 i se respinge H1 deci
dispersiile sunt egale.
69