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.