1. Var.

dummy par a fi un mod complicat de a estima mediile, ns

ele devin cu adevrat puternice atunci cnd sunt combinate cu
alte variabile cantitative.
2. Mai mult, la fel ca si n cazul corelatiei simple, avem si pentru
corelatia multipla un coeficient de determinare (R2) care are o
interpretare similara: procentul de variatie din variabila
dependenta determinat de variatia simultana a variabilelor
independente. Semnificatia lui R este calculata cu ajutorul unui
test de varianta (F)
3. Un alt aspect important contextul regresiei multiple
este multicoliniaritatea. Acesta este un concep opus
ortogonalitatii si exprima nivelul corelatiei dintre variabilele
independente. Informatia mpartasita n comun de variabilele
independente reduce contributia lor la explicarea variatiei
variabilei dependente. Cu alte cuvinte, cu ct acestea coreleaza
mai intens ntre ele cu att corelatia multipla cu variabila
dependenta (criteriu) este mai mica. n plus, multicoliniaritatea
amplifica variabilitatea coeficientilor de regresie, fapt care are ca
efect o imprecizie mai mare a predictiei. Din acest motiv, analiza
de regresie trebuie precedata de evaluarea multicoliniaritatii.
4. Dac sunt verificate ipotezele de la I-1 la I-3, atunci estimatorii
parametrilor din modelul linear unifactorial de regresie sunt cei
mai buni estimatori lineari nedeplasa i, n sensul c , dintre to i
estimatorii lineari nedeplasa i, au cea mai mic dispersie. n
literatura de specialitate se folose te expresia BLUE ( Best
Linear Unbiased Estimators) pentru estimatorii parametrilor din
modelul de regresie linear calcula i prin metoda celor mai mici
p trate, atunci cnd estimatorii respectivi ndeplinesc condi iile
din teorema Gauss-Markov.