Regresia multipl

n acest articol este descris rezultatul cercetrilor asupra valorii vnzrilor unui centru comercial la
sfritul anului 2014 i n primele luni ale anului 2015. Pentru analiza acestei corelaii, articolul
propune un model linear de regresie multipl, ca instrument extrem de util ntr-o abordare tiinific de
acest tip. Datele sunt reprezentate n tabelul de mai jos.

De multe ori, studiul unui fenomen economic necesit introducerea mai multor variabile explicative.
O variabil endogen se exprim, deci, n funcie de mai multe variabile exogene.
Regresia multipl analizeaz legtura dintre o variabil explicat i mai multe variabile explicative
x 1, x2, ..., xk, unde k > 2. Modelul liniar general este o generalizare a regresiei simple, n care apar
mai multe variabile explicative. Pentru serii temporale, t = 1,2, ...n, modelul este: y = a + a x + a x +...
+ a x + , unde: yt = variabila de explicat la timpul t;
x1t = variabila explicativ 1 la timpul t;
x2t = variabila explicativ 2 la timpul t; ...
xkt = variabila explicativ k la timpul t = parametrii modelului;
= eroarea de specificare, necunoscut (diferena dintre modelul adevrat i cel specificat);
n = numrul de observri.
Pentru analiza datelor din tabelul numarul 1 am aplicat regresia liniar multipl, i am asimilat fiecarei
variabile o denumire.
y- reprezint vnzrile din anul 2014
x1- reprezint vnzrile din prima lun a anului 2014
x2- reprezint vnzrile din a doua lun a anului 2014
x3- reprezint vnzrile din a treia lun a anului 2014
c1- reprezint vnzrile din a patra lun a anului 2014

Pentru a efectua o regresie multipl, ncepem prin click pe Analyze , regresie , Linear.

Urmtorul pas a constat n selectarea variabilelor, astfel y reprezint variabila dependent, iar x1 i x2
variabilele independente.
Urmtoarele etape sunt ilustrate n imaginile de mai jos.

Output-ul evideniaz sintaxa generat de toate variabilele nregistrate mai sus.

Descriptive Statistics

Mean Std. Deviation N

y 477.3138 36.29304 26

x1 145.0062 22.45324 26

x2 150.1142 21.35537 26
Apoi avem tabelul Descriptive Statistics care cuprinde Mean-ul, Deviaia standard si Numrul de
observaii pentru fiecare variabil selectat.

Correlations

y x1 x2

Pearson Correlation y 1.000 .568 .656

x1 .568 1.000 .064

x2 .656 .064 1.000

Sig. (1-tailed) y . .001 .000

x1 .001 . .379

x2 .000 .379 .

N y 26 26 26

x1 26 26 26

x2 26 26 26

n tabelul matricei de coresponden sunt evideniate indicele Pearson de corelaie, indicele Sig. i
numrul de observaii pentru fiecare pereche de variabile din model. Un lucru de observat aici este
lipsa de multicoliniaritate , cele dou predictori nu sunt strns legate ( r =.064 , p = 0.379) . Acest lucru
este bun , deoarece indic aderarea la una dintre ipotezele de regresie .

Variables Entered/Removed

Variables Variables
Model Entered Removed Method

1 x2, x1a . Enter

a. All requested variables entered.

n tabelul Variables Entered-Removed arat care variabile au fost nregistrate sau terse.

Model Summaryb

Adjusted R Std. Error of the

Model R R Square Square Estimate

1 .841a .707 .682 20.46645

a. Predictors: (Constant), x2, x1

b. Dependent Variable: y
Apoi avem tabelul Model Sumary care ne arat corelaia multipl (R = .841), corelaia multipl la
ptrat (R = .707), corelaia multipl ajustat la ptrat (adj.R = .682) i erorile standard estimate.
Corelaia multipl se refer la corelaia combinat dintre predictor i rezultat. Corelaia multipl
patratic reprezint suma varianei n care rezultatul este reprezentat de predictori ; aici , 70,7 % din
variaia y este reprezentat att de x1 ct i de x2.

ANOVAb

Model Sum of Squares df Mean Square F Sig.

1 Regression 23295.468 2 11647.734 27.807 .000a

Residual 9634.143 23 418.876

Total 32929.611 25

a. Predictors: (Constant), x2, x1

b. Dependent Variable: y

n tabelul ANOVA este indicat faptul c R este semnificativ diferit de zero.

Tabelul Coefficients este foarte informativ. Coeficientul Constant este pur i simplu termenul y.
Coeficienii x1 i x2 sunt coeficienii nestandardizai i reprezint ponderea aplicat fiecarui scor.
Ecuaia pentru acest exemplu este:
y = 0.853(x1) + 1.057(x2) + 194.874
Apoi avem coeficienii standardizai care reprezint o cale de interpretare a variabilelor importante
deoarece pot fi comparate direct.
 Coefficient Correlationsa

Model x2 x1

1 Correlations x2 1.000 -.064

x1 -.064 1.000

Covariances x2 .037 -.002

x1 -.002 .033

a. Dependent Variable: y

Tabelul Coefficient Correlations evideniaz corelaiile i covariaiile variabilelor.

Residuals Statisticsa

Minimum Maximum Mean Std. Deviation N

Predicted Value 415.1662 545.3995 477.3138 30.52571 26

Std. Predicted Value -2.063 2.230 .000 1.000 26

Residual -39.28397 48.50140 .00000 19.63073 26

Std. Residual -1.919 2.370 .000 .959 26

a. Dependent Variable: y

Apoi avem tabelul Residual Statistics n care sunt evideniate diferenele dintre valorile actuale ale
rezultatelor variabilei y i valorile estimate ale rezultatului nostru bazate pe modelul specificat.
Histograma are valori normale apropiate de 0.

Apoi avem Normal P-P Plot of Regression Standardized , n care valorile sunt apropiate de linia de
referin ceea ce indic o deviere foarte mic dintre valorile asteptate i cele observate.