Determinarea OUTPUT-urilor de rezultate din Excel

Modelul de regresie se determina dupa relatia: Yi  a  b * X i  ei

SUMMARY OUTPUT (explicaţii)

Regression Statistics Formule de calcul
Coeficientul multiplu de corelaţie (Raport de R R 2

corelaţie)
adica:
- Arata cat de puternica e legatura dintre
variabila y si variabilele x (Yˆi  Y ) 2 (Yi  Yˆi ) 2
R  1 
Multiple R (Yi  Y ) 2 (Yi  Y ) 2
Coeficientul de determinare SSR SSE
R2   1
- Se poate exprima procentual SST SST
- Arata cat la % din variatia variabilelor adica dupa
independente (x) explica variatia relatiile:
variabile dependente (y) . (Yˆi  Y ) 2 (Yi  Yˆi ) 2
R 
2
 1
R Square (Yi  Y ) 2 (Yi  Y ) 2
Coeficientul de determinare ajustat MSE (Yi  Yˆi ) 2 / n  k
Adjusted R R 2  1  1
Square MST (Yi  Y ) 2 / n  1
Eroarea standard a estimaţiei (abaterea standard
a reziduurilor) se  MSE 
 (Yi  Yˆi ) 2
Standard Error nk
Observations Numărul de observaţii n

ANOVA (explicaţii)
ANOVA
df
(degrees
of MS (Mean of Squares)
freedom) Media pătratelor
Source of Grade SS (Sum of Squares) abaterilor
SS
variation de Suma pătratelor MS  F
Sursa variaţiei libertate abaterilor df Testul Fisher

Regression k-1 SSR  (Yˆi  Y ) 2  (Yˆi  Y ) 2

MSR 
Regresia k 1
MSR
Residual n-k SSE  (Yi  Yˆi ) 2  (Yi  Yˆi ) 2 FSTAT 
MSE  MSE
Reziduală nk
(Yi  Y ) 2
MST 
n 1
Total n-1 SST=SSR+SSE (MST nu este returnat
Totală SST   (Yi  Y ) 2 de excel)

Sig F (Significance F) daca este mai mic decat 0.05 atunci modelul de regresie este valid si putem spune ca
variabilele independente influenteaza variatia variabilei dependente.

De asemenea daca FSTAT este mai mare decat FCRITIC (FCRITIC =Fα, k-1, n-k) atunci modelul de regresie este valid
statistic.
Estimaţii (explicaţii)

Lower (1-α)% Upper (1-α)%

t Stat (se calculeaza Limita Limita
impartind coefficients inferioară a superioară a
Coefficients Standard Error la Standard Error) intervalului de intervalului de
Estimaţii Eroarea standard Statistica Student încredere încredere
1 X2   
s â  MSE      s e2ˆ   1  X2 
 n  (X  X )2   n  (X  X )2 
 i   i 
Valoarea unde: aˆ

Constant coeficientului a t STAT 
Termen â (Yi  Yˆi ) 2 s aˆ aˆ  t / 2,n  k  s aˆ aˆ  t / 2 ,n  k  s aˆ
seˆ  MSE 
liber nk

Valoarea bˆ
MSE s e2ˆ
sbˆ 
 (X i  X )2

 (X i  X )2
coeficientului b t STAT 
Variabila b̂ sbˆ bˆ  t / 2, n  k  s bˆ bˆ  t / 2,n k  sbˆ
X

Parametrul a se determina dupa relatia:

a  Y b* X

Parametrul b se determina dupa relatia:

b
 ( X i  X )(Yi  Y )
 (X i  X )2
Unde:

X 
X i
si Y 
Yi

n n
Parametrul a reprezinta valoarea lui y atunci cand x este zero.
Parametrul b arata cu cat se modifica variabila dependenta y (creste (+) sau scade (-) in functie de semnul parametrului) la modificarea cu o unitatea variabilei
independente x.
Daca p-value este mai mic decat 0.05 atunci parametrul respectiv este semnificativ pentru model si putem spune ca variabila independenta x afereanta acelui
parametru are o influenta asupra variatiei variabilei dependente y.