Documente Academic
Documente Profesional
Documente Cultură
NR Y X1 X2 X3 X4
1 20,4 86,9 21,1 96 98
2 21,6 92 25,3 97 100
3 22,4 103,9 29,1 100 101
4 23,4 109,3 33 98 101
5 24,2 121,7 38 104 104
6 26,2 135 44 105 105
7 27,8 152,2 48 109 108
8 29,9 165,81 53 116 113
9 31,3 178,2 55 116 115
10 32,8 188,7 57 116 115
TOTAL 260 1333,71 403,5 1057 1060
1. Testul Klein
Modelul regresiei:
y=𝑎0 + 𝑎1𝑥1 + 𝑎2𝑥2 + 𝑎3𝑥3 + 𝑎4𝑥4 + 𝜀
în urma estimării obţinem:
𝑦̂ = −2.529566 + 0.097017𝑥1 + 0.015012𝑥2 − 0.199241𝑥3 + 0.340042𝑥4
𝑁 = 10;
𝑅2 = 0.998011
10∗143448,83−(1333,71∗1060)
rx x = =0,9876
1 4
10∗43567,7−( 403,5∗1057 )
rx x = =0,9699
2 3
10∗43494,9−(403,5∗1060)
rx x = =0,9694
2 4
multicolinearitatea, însă toţi coeficienţii de coliniaritate simplă au valori mari, de unde putem spune că e
prezentă o legătură între variabilele explicative.
2. Testul Farrar-Glauber
Determinarea determinantul D al matricei coeficienţilor de corelaţie între variabilele explicative ale
modelului.
1 rx
rx x rx x
1 x2 1 0,9883 0,9803 0,9876
1 3 1 4
rx x 1
2 1
rx x rx x 0,98831 0,9699 0,9694
2 3 2 4
D= ( rx x rx x
3 1
1 rx x ) = ¿
3 2
1 0,9917 ) = 0,73737*10−5
3 4
rx x rx x rx x 1
4 1 4
0,9876 0,9694 0,9917
2 4 3
1
Ipoteza:
1
X 2 = − [𝑛 − 1 − ∗ (2𝐾 + 5) ∗ 𝐿𝑛𝐷]
6
1
X 2 = − [10 − 1 − ∗ (2*5 + 5) ∗(-11,81)]= 76,765
6
Concluzie
În urma analizei datelor obţinute, observăm ca X 2 > X tab 2, deci ipoteza nula se respinge, şi presupunem că
se acceptă ipoteza alternativă, seriile sunt independente.
Vom estima toate combinaţiile posibile de variabile independete (2k-1), unde k este numărul de variabile
explicative candidate şi modelul reţinut este modelul pentru care R2este maxim. În cazul nostru, sunt 4
variabile explicative, deci k=4 si avem (24-1)=15 ecuatii posibile. Calculăm variabila y şi variabilele
explicative x 1, x 2, x 3, x 4 , rezultatele introducându-se în tabel. Pentru a putea efectua selectarea variabilei
explicative, este necesar de efectuat câteva calcule şi anume vom calcula valoarea testului Fisher,
valoarea criteriului Akaike (AIC), Schwarz(SC).
nr Y X1 X2 X3 X4 ෝ
࢟ ࢟െ ෝ
࢟ (࢟ െ ෝ
࢟ ሻଶ ࢅࡵ െഥ ሺࢅࡵെ
ࢅ ഥሻଶ
ࢅ
1 20,4 86,9 21,1 96 98 20,41 -0,01 0,00022334 -5,6 31,36
2 21,6 92 25,3 97 100 21,45 0,15 0,02142576 -4,4 19,36
3 22,4 103,9 29,1 100 101 22,41 -0,01 5,6123E-05 -3,6 12,96
4 23,4 109,3 33 98 101 23,39 0,01 0,00013428 -2,6 6,76
5 24,2 121,7 38 104 104 24,49 -0,29 0,08477583 -1,8 3,24
6 26,2 135 44 105 105 26,01 0,19 0,03520802 0,2 0,04
7 27,8 152,2 48 109 108 27,96 -0,16 0,02698279 1,8 3,24
8 29,9 165,81 53 116 113 29,67 0,23 0,05510814 3,9 15,21
9 31,3 178,2 55 116 115 31,58 -0,28 0,07694932 5,3 28,09
10 32,8 188,7 57 116 115 32,63 0,17 0,03024124 6,8 46,24
total 260 1333,71 403,5 1057 1060 260,0010081 -0,00100807 0,33110485 0,00 166,50
R2=1−∑ ¿ ¿ ¿
Concluzie
În urma analizei datelor obținute, observăm că 𝐹𝑐𝑎𝑙𝑐 > 𝐹𝑡𝑎𝑏, deci putem presupune că modelul este
semnificativ.
AIC=ln ¿ ¿
SC=ln ¿ ¿
Concluzie
Conform acestei metode are loc selectarea acelei variante în care 𝑅2 este maxim. Comparând toate
variantele observăm că cea mai mare valoare a coeficientului de determinație îi aparține modelului Nr.
15; deci aceasta varianta va fi aleasă ca cea mai optimă metodă.
Această metodă constă în efectuarea unei regresii complete cu toate cele 4 variabile explicative. Se
elimină acea variabilă căreia îi corespunde o valoare t-Student sub nivelul critic acceptat, 𝑡0,05 ⇒ 𝑡0,05 =
𝑛−2 8
2,306, apoi reestimăm regresia cu 3 variabile. Continuăm procedeul prin eliminare până obținem o
ecuație satisfăcătoare.În primul caz, am efectuat analiza regresiei complete, deci comparăm
valorile obținute, pentru a putea deduce o concluzie.
Y =−2,529566+0,097017∗x1 +0,015012∗x 2−0,199241∗x 3 +0,340042∗x 4
Concluzie
Observăm că modelul Nr 1 și Nr2, majoritatea valorilor sunt mai mari decât nivelul critic, deci toate
variabilele sunt semnificative.
Y =10,28337+ 0,117841∗x1
Y =12,81068+ 0,326873∗x 2
Această metodă conține doar o singură variabilă explicativă, a cărui coeficient de corelație este cea mai
mare cu variabila Y. Dar în același timp ea trebuie să fie mai mică decit nivelul critic.
10∗36082,979−1333,71∗260
r y x1= =0,9982
2 2
√ [ 10∗189813,9261−(1333,71) ][ 10∗6926,5−(260) ]
10∗10983,56−403,5∗260
r yx 2 = =0,9833
√ [ 10∗17788,11−( 403,5 )2 ][ 10∗6926,5− ( 260 )2 ]
10∗27788,8−1057∗260
r yx 3 = =0,9754
2 2
√ [ 10∗112319− (1057 ) ][ 10∗6926,5− (260 ) ]
10∗27805,4−1060∗260
r yx 4= =0,9887
√ [10∗112730−( 1060 )2 ] [ 10∗6926,5−( 260 )2 ]
Din toate variabilele propuse selectăm acea variabilă a cărei valoare este inferioară nivelului critic.
Selectăm variabilele explicative x1x2, Nr 5, deoarece în cazul dat variabilele sunt inferioare nivelului
critic așteptat.
Această metodă se aseamănă cu metoda precedentă doar că se deosebește prin faptul că în urma
incorporării unei noi variabile explicative,se analizează testul t-Student al fiecărei variabile și se elimină
acea a caror valoare este inferioară valorii acceptate.
Ca urmare a estimării modelului cu o singură variabilă explicativă, s-a ales variabilele X1 și X2 deoarece
acestea satisfac toate condițiile necesare, 41,94213> 2,306 astfel și 15,3095>2,306
r yx 1=0,9982
r yx 2 =0,9833
r yx 3 =0,975 4
r yx 4=0,988 7
Caraman Mariana, CON-191
r x x =0,988 3 r x x =0,9699
1 2 2 3
r x x =0,980 3 r x x =0,969 4
1 3 2 4
r x x =0,987 6
1 4
Din toate selectăm variabilele X1 și X2, dar odata ce valorile lor t-Student sunt inferioare nivelului critic
acceptat, deci ele nu pot fi selectate
Concluzie
În baza acestei metode, variabila explicativă, care satisface toate condițiile necesare este X1și X2, Nr.1 și
Nr.2
r yx 2 =0,9833
r yx 3 =0,975 4
r yx 4=0,988 7
Cel mai înalt coeficient de corelație simplă cu variabila Y, este 𝑟𝑦𝑥1 = 0,9982 deci selectăm variabila
explicativă X1
Etapa 2
Calculăm rezidiul corespunzător regresiei Y asupra variabilei explicative
X1: 𝑒 = 𝑦 − 𝑎̂0 − 𝑎̂1𝑥1 ⇔ 𝑒 = 𝑦 −10,28337 − 0,117841 ∗ X1, în rezultat obținem:
Nr e
1 -
0,123752
9
2 0,475258
3 -
0,127049
9
4 0,236608
7
5 -
Caraman Mariana, CON-191
0,424619
7
6 0,008095
7 -
0,418770
2
8 0,077413
79
9 0,017363
8
10 0,280033
3
Tot 0,000579
al 89
Etapa 3
Determinăm coeficienții de corelație simplă r, între rezidiu e și fiecare dintre variabilele explicative,
selectăm acea variabilă a carei coeficient este cel mai mare, calculele le efectuăm conform demonstrațiilor
anterioare sau cu ajutorul programului Eviews 3, în rezultat obținem:
𝑟𝑒𝑥1 = 0,306 𝑟𝑒𝑥2 = 0,828 𝑟𝑒𝑥3 = 1,004 𝑟𝑒𝑥4 = 0,683
Concluzie
În urma analizei și calculelor efectuate am observat că în cele mai dese cazuri, variabilele
explicative X1 și X2, corespund tuturor cerințelor necesare, deci putem spune că variabila
explicativă X1 și X2, explică cel mai bine variabila dependenta Y.