Analiza modelului de regresie multiplă.

.
Tabelul 1 „Date generale”
Nr.
observ. Y X1 X2 X3
1 43 2 45 77
2 45 1 43 88
3 41 3 43 110
4 47 6 47 101
5 45 7 42 85
6 50 8 41 112
7 52 8 32 88
8 50 5 33 103
9 52 5 41 84
10 47 8 38 119
11 50 4 32 117
12 52 9 31 128
13 56 12 35 130
14 52 7 29 136
Total 682 85 532 1478

În baza datelor din Tabelul 1, se cere:

1. De creat şi de specificat modelul liniar general, ce descrie legătura dintre variabile.

2. De scris modelul în formă matricială şi de specificat dimensiunile fiecărei matrice. De
soluţionat modelul.
3. De soluţionat modelul folosind metoda centrării datelor.
4. De calculat estimaţia varianţei erorilor şi abaterile standard pentru fiecare coeficient.
2 2
5. De calculat R şi R , de explicat rezultatele obţinute.
6. Sunt coeficienţii a1 şi a2 simultan diferiţi de 1 şi -0,5?
7. Sunt coeficienţii a1 şi a2 semnificativ diferiţi de 1 şi -0,5?
8. De calculat intervalul de încredere pentru varianţa erorilor, dacă probabilitatea cu care
se garantează rezultatele este de 95%.
9. De determinat dacă adăugarea variabilelor explicative X 2 şi X 3 ameliorează
semnificativ calitatea estimaţiei în raport cu X 1 .
10. De determinat dacă coeficienţii sunt semnificativ diferiţi de 0, iar regresia−global
semnificativă.
11. De calculat previziunea şi intervalul de încredere pentru următoarele 2 perioade, dacă
X 1 (15 )=3 X 2 (16)=6
X 2 (15)=24 X 2 (16)=38
se cunosc datele: X 3 (15)=165 X 3 (16)=170
 Mersul lucrării
1. Modelul ce descrie legătura dintre variabile are forma:
y=a0 +a1 x1 +a2 x 2 +a3 x 3 +ε ,

unde:
y- variabila de explicat; a0 , a1 , a2 , a3 - parametrii modelului;
x 1 - variabila explicativă 1; x 2 - variabila explicativă 2;
x 3 - variabila explicativă 3; ε - eroarea de specificare.

În cazul dat avem un model liniar general de regresie multiplă, deoarece, în baza datelor
prezentate în Tabelul 1, observăm că variabila dependentă (y) este explicată de trei variabile
independente ( x 1 , x 2 , x 3 ). Pentru a demonstra că există o legătură între aceste variabile,
este necesar să construim norul de puncte, în urma căruia se va observa grafic tipul de
legătură şi intensitatea acesteia. Cu ajutorul pachetului de programe EViews obţinem Fig.1,
2, 3.

Fig.1 Legătura dintre x 1 şi y

60

56

52
Y

48

44

40
0 2 4 6 8 10 12 14

X1
 Fig.2 Legătura dintre x 2 şi y
60

56

52
Y

48

44

40
28 32 36 40 44 48

X2

Fig.3 Legătura dintre x 3 şi y

60

56

52
Y

48

44

40
70 80 90 100 110 120 130 140

X3
Concluzie: Analizînd graficele obţinute(norul de puncte), observăm că punctele din fiecare
grafic tind spre o linie dreaptă cu panta pozitivă in cazul Fig.1, 3, si cu panta negativa in
cazul Fig.2. Astfel, între variabilele independente x 1 , x 3 şi variabila dependenta y există
 o legătură directă, adică la creşterea variabilei x 1 , respectiv x 3 creşte şi variabila y şi
invers, pe cand între variabila independentă x 2 şi y există o legătură inversă, adică la
creşterea variabilei x 2 scade valoarea variabilei y şi invers.

2. În cerinţa precedentă, modelul este scris într-o formă practică, însă în formă matricială
modelul va fi în felul următor:
Y ( n; 1 )=X (n ; k +1 )∗a( k+1; 1 ) +ε (n ;1 )
unde:

(Y=¿43¿)(45¿)(41¿)(M¿)(56¿) ¿ (ε=¿ε1¿)(ε2¿)(ε3¿)(M¿)(ε13 )¿¿

1 2 45 77

( )
1 1 43 88
X = 1 3 43
M M M
110
M (a=¿ a0¿)(a1¿)(a2¿)¿¿
matricile avand dimensiunile:
¿ ;
1 12 35
1 7 29
130
136
; ¿ ; ¿
(14;1) (14;4) (4;1) (14;1)

Pentru soluţionarea modelului este nevoie de estimat vectorul compus din parametrii
a0 , a1 , a2 , a3 . În scopul estimării acestui vector, aplicăm Metoda Celor Mai Mici Pătrate
(MCMMP), care constă în a minimiza suma pătratelor erorilor, adică:
n
min ∑ ε 2i =min ε ' ε=min(Y − Xa)' (Y − Xa)=min S=min(Y ' Y −Y ' Xa−a' X ' Y +a' X ' Xa )=
a i=1
¿ min (Y ' Y −2 a' X ' Y +a' X ' Xa)
Pentru a minimiza această funcţie în raport cu a , este necesar să calculăm diferenţiala lui
S în raport cu a , în urma acestui raport obţinem relaţia cu ajutorul căreia vom calcula
¿
valoare estimatorului a :
∂S ¿ ¿ ¿
=−2 X ' Y +2 X ' X a ⇔ X ' X a =X ' Y ⇔( X ' X )−1 ( X ' X )a =( X ' X )−1 ( X ' Y )⇒
∂a
¿
⇒ a=( X ' X )−1 ( X ' Y )
'
Această soluţie este posibilă dacă matricea pătrată ( X X ) , de dimensiunea (4;4), în cazul
nostru este inversabilă. Aceste condiţii le vom rezolva cu ajutorul pachetului de programe
Eviews.
Pentru aceasta este nevoie să efectuăm caţiva paşi:
1) Introducem datele noastre în EViews.
2) Apoi introducem comanda „genr unu =1”, adică generăm un nou vector.
3) Deschidem noul vector generat, X 1 , X 2 , X 3 în grup.
4) Cu ajutorul comenzii „matrix XTR=@transpose(@convert(GX))” formăm
matricea transpusă.
 '
În rezultat obţinem matricea X :

1 1 1 λ 1 1

5) Apoi
(
X' = 2 1 3
45 43 43
77 88 110
λ 12
λ 35 29
7

λ 130 136
introducem comanda „matrix
'
)
XPX=XTR*(@convert(GX))”, cu ajutorul căreia obţinem X X :

1 2 45 77

( )(
1 1 1 λ 1 1 1 1 43 88
14 85 532 1478
X' X =
(
2 1 3
45 43 43
77 88 110
λ 12
λ 35 29
7

λ 130 136
) 1 3 43 110
∗¿ ¿ M M M M
1 12 35 130
1 7 29 136
= 85
532
1478
631
3126
9392
3126
20666
55275
9392
55275
160782
)
C1 C2 C3 C4
R1 14.00000 85.00000 532.0000 1478.000
R2 85.00000 631.0000 3126.000 9392.000
R3 532.0000 3126.000 20666.00 55275.00
R4 1478.000 9392.000 55275.00 160782.0

6) Cu ajutorul comenzilor „matrix XINV=@inverse(XPX)”,

„matrix XTY=XTR*(@convert(Y))”, ,,matrix a=XINV*XTY” obţinem matricile
( X ' X )−1 , X ' Y :
14 , 2421 −0 ,026303 −0 ,206132 −0 ,058519

(
( X ' X )−1= −0 , 026303 0 ,013205 0 ,001194 −0 , 00094
−0 ,206132 0 ,001194 0 ,003635 0 ,000575
−0 , 058519 −0 , 00094 0 ,000575 0 ,000401
)
C1 C2 C3 C4
R1 14.24210 -0.026303 -0.206132 -0.058519
R2 -0.026303 0.013205 0.001194 -0.000940
R3 -0.206132 0.001194 0.003635 0.000575
R4 -0.058519 -0.000940 0.000575 0.000401

1 1 1 λ 1 1 (43¿) 5 (41¿)M (56¿)¿ (682¿)(4257¿)(25694¿)

'
X Y=
( 2
45
77
1 3
43 43
88 110
C1
λ 12
λ 35 29
7 ∗¿ ¿

λ 130 136
) ¿ ¿ =¿ ¿
R1 682.0000
R2 4257.000
R3 25694.00
R4 72498.00
 7) Având toate datele necesare, introducem comanda ,,matrix a=XINV*XTY”
pentru a afla valoarea vectorului a :
14, 2421 −0 ,026303 −0,206132 −0 ,058519
(682¿)(4257¿)(25694¿) ¿
' −1 '
a=( X X ) ( X Y )=
(
−0 ,026303 0, 013205 0 ,001194 −0, 00094 ∗¿ ¿
−0 ,206132 0,001194 0, 003635 0 ,000575
−0 ,058519 −0 , 00094 0, 000575 0,000401 =
) ¿
(62,2575¿)(0,801901¿)(−0,381362¿) ¿
¿
C1
R1 62.25750
R2 0.801901
R3 -0.381362
R4 -0.037132

8) Ca verificare, introducem în EViews comanda „ls y c x1 x2 x3”, care ne afişează

tabelul complet cu valoarea coeficienţilor a0 , a1 , a2 , a3 :
Dependent Variable: Y
Method: Least Squares
Date: 11/04/16 Time: 18:47
Sample: 1 14
Included observations: 14

Variable Coefficient Std. Error t-Statistic Prob.  

C 62.25750 9.801002 6.352156 0.0001

X1 0.801901 0.298436 2.687012 0.0228
X2 -0.381362 0.156581 -2.435564 0.0351
X3 -0.037132 0.052023 -0.713768 0.4917

R-squared 0.702687    Mean dependent var 48.71429

Adjusted R-squared 0.613493    S.D. dependent var 4.177385
S.E. of regression 2.597069    Akaike info criterion 4.981600
Sum squared resid 67.44767    Schwarz criterion 5.164188
Log likelihood -30.87120    Hannan-Quinn criter. 4.964698
F-statistic 7.878181    Durbin-Watson stat 3.186886
Prob(F-statistic) 0.005452

Concluzie: În urma culculelor efectuate, am obţinut valorile parametrilor egale cu:

a0 =62 , 2575 ;a1 =0 , 801901; a2=−0 , 381362;a3 =−0 ,037132 , aceleaşi calcule le-am efectuat cu
ajutorul pachetului de programe EViews, în rezultat obţinând aceleaşi date, ceea ce denota
faptul că calculele au fost efectuate corect. Înlocuind valorile parametrilor, obţinem
¿

modelul: Y =62 , 2575+0 , 801901∗X 1−0 ,381362∗X 2 −0 , 037132∗X 3 .

3. Metoda Centrării Datelor, la fel, ne permite calcularea valorilor parametrilor

a0 , a1 , a2 , a3 şi verificarea corectitudinii datelor obţinute. Pentru a calcula valoarea
estimatorilor, este necesar să calculăm valoarea medie a variabilei dependente Y şi valorile
 medii ale variabilelor independente X 1 , X 2 , X 3 . Astfel,calculăm mediile conform
formulelor:

n n
∑Yi ∑ Xi
i=1 682 85
Y= = =48,7 X 1 = i=1 = =6,07
n 14 n 14
n n
∑ Xi ∑ Xi
i=1 532 1478
X 2= = =38 X 3 = i=1 = =105,57
n 14 n 14

Datele necesare efectuării calculelor sunt introduse în Tabelul 2:

Nr. Y X1 X2 X3 ~yi  Yi  Y ~x 1 i  X 1 i  X 1 ~x 2 i  X 2 i  X 2 ~x  X  X
3i 3i 3
~
yi2 ~
xi2 1 ~
xi2 2 ~
xi2 3
1 43 2 45 77 -5,71429 -4,07143 7 -28,5714 32,65306 16,57653 49 816,3265
2 45 1 43 88 -3,71429 -5,07143 5 -17,5714 13,79592 25,71939 25 308,7551
3 41 3 43 110 -7,71429 -3,07143 5 4,428571 59,5102 9,433673 25 19,61224
4 47 6 47 101 -1,71429 -0,07143 9 -4,57143 2,938776 0,005102 81 20,89796
5 45 7 42 85 -3,71429 0,928571 4 -20,5714 13,79592 0,862245 16 423,1837
6 50 8 41 112 1,285714 1,928571 3 6,428571 1,653061 3,719388 9 41,32653
7 52 8 32 88 3,285714 1,928571 -6 -17,5714 10,79592 3,719388 36 308,7551
8 50 5 33 103 1,285714 -1,07143 -5 -2,57143 1,653061 1,147959 25 6,612245
9 52 5 41 84 3,285714 -1,07143 3 -21,5714 10,79592 1,147959 9 465,3265
10 47 8 38 119 -1,71429 1,928571 0 13,42857 2,938776 3,719388 0 180,3265
11 50 4 32 117 1,285714 -2,07143 -6 11,42857 1,653061 4,290816 36 130,6122
12 52 9 31 128 3,285714 2,928571 -7 22,42857 10,79592 8,576531 49 503,0408
13 56 12 35 130 7,285714 5,928571 -3 24,42857 53,08163 35,14796 9 596,7551
14 52 7 29 136 3,285714 0,928571 -9 30,42857 10,79592 0,862245 81 925,898
Total 682 85 532 1478 0 0 0 0 226,8571 114,9286 450 4747,429

Putem reprezenta modelul şi în formă matricială:

¿ ¿ ¿
Y −Y =a1 ( X− X 1 )+a2 ( X−X 2 )+a3 ( X −X 3 )+(ε−ε ) ,
unde:
¿
a1
¿

() ¿
a = a2 =( X ' X )−1 ( X ' Y )
¿
a3
¿
Pentru a afla valoarea vectorului a , este necesar să calculăm următoarele matrici:

∑ ( X 1− X 1)2 ∑ ( X 1− X 1)∗∑ ( X 2− X 2) ∑ ( X 1− X 1)∗∑ ( X 3−X 3 )

( )(
114 .93 −104 418 . 43
'
( X X ) = ∑ ( X 2− X 2 )∗∑ ( X 1− X 1 ) ∑ ( X 2− X 2)2
∑ ( X 3− X 3)∗∑ ( X 1 −X 1) ∑ ( X 3− X 3)∗∑ ( X 2−X 2 )
∑ ( X 2− X 2)∗∑ ( X 3−X 3 )
∑ ( X 3− X 3)2
= −104 450 −889
418 . 43 −889 4747 . 43 )
∑ ( X 1 −X 1 )∗∑ ( Y −Y )
(
( X ' Y ) = ∑ ( X 2 −X 2 )∗∑ ( Y −Y )
∑ ( X 3 −X 3 )∗∑ ( Y −Y ) ) =¿ ¿
 0 ,013205 0,00119 −0 ,00094
' −1

(
( X X ) = 0 ,00119 0,00363 0,00057
−0,00094 0,00057 0 ,0004 ) ;

Astfel, obţinem valorile estimatorilor a1 ,a 2 ,a3 :

0,013205 0,00119 −0,00094 116 ,29 0, 801901
¿ (
0,00119 0,00363 0,00057 ∗¿ ¿
a = −0,00094 0,00057 0,0004
) ( ) (
−222 =
498,29
−0 ,381362
−0, 037132 )
Având aceste valori, putem calcula valoarea termenului liber a0 în baza relaţiei:
¿ ¿ ¿ ¿ ¿ ¿ ¿ ¿ ¿
Y =a0 +a1 X 1 −a2 X 2 −a3 X 3 ⇒a 0 =Y −a 1 X 1 −a2 X 2−a3 X 3 ⇒ a0 =48 ,7−(0 , 801901∗6 , 07 )−
¿ ¿
−(−0 , 381362∗38 )−(−0 , 037132∗105 ,57 )⇒ a0 =48 ,7−4 , 8675+14 , 4918+3 , 92 ⇒a 0 =62 ,2575

Înlocuind valorile estimatorilor calculaţi, obţinem modelul:

¿
Y =62 , 2575+0 , 801901∗X 1−0 ,381362∗X 2 −0 , 037132∗X 3

Semnificaţia estimatorilor parametrilor de regresie este următoarea:

¿

Estimatorul a1 :
La creşterea variabilei independente X 1 cu o unitate, creşte valoarea variabilei
dependente Y cu 0,801901 un.m.
¿

Estimatorul a2 :
La creşterea variabilei independente X 2 cu o unitate, scade valoarea variabilei
dependente Y cu 0,381362 un.m., avand valoare negativă.
¿

Estimatorul a3 :
La creşterea variabilei independente X 3 cu o unitate, scade valoarea variabilei
dependente Y cu 0,037132 un.m., avand valoare negativă.

Concluzie: Analizând datele anterioare, observăm că am obţinut aceleaşi rezultate, ceea

ce denotă faptul că am efectuat corect calculele prin ambele metode. Astfel, atât
MCMMP, cât şi Metoda Centrării Datelor este bine-venită.

4. Calculăm estimaţia varianţei erorilor şi abaterile standard pentru fiecare coeficient.

Varianţa erorilor se calculează conform formulei:

Pentru aceasta avem nevoie de un şir de date, pe care le găsim în Tabelul 3:

 Nr. Y ~
y i  Yi  Y ~
yi2 Yˆi ei  Yi  Yˆi ei ^2
1 43 -5,71429 32,65306 43,84085 -0,84085 0,707025
2 45 -3,71429 13,79592 43,39322 1,606781 2,581745
3 41 -7,71429 59,5102 44,18012 -3,18012 10,11314
4 47 -1,71429 2,938776 45,39456 1,60544 2,577438
5 45 -3,71429 13,79592 48,69738 -3,69738 13,67064
6 50 1,285714 1,653061 48,87808 1,121918 1,2587
7 52 3,285714 10,79592 53,20151 -1,20151 1,443621
8 50 1,285714 1,653061 49,85746 0,142537 0,020317
9 52 3,285714 10,79592 47,51208 4,487925 20,14147
10 47 -1,71429 2,938776 49,76224 -2,76224 7,629992
11 50 1,285714 1,653061 48,91708 1,082924 1,172724
12 52 3,285714 10,79592 52,89949 -0,89949 0,809084
13 56 7,285714 53,08163 53,70548 2,294518 5,264813
14 52 3,285714 10,79592 51,76136 0,238643 0,05695
Total 682 0 226,8571 682,0009 -0,00091 67,44767

Astfel, varianţa erorilor este egală cu:

¿
67 . 45 67 . 45
σ 2e = = =6 . 745
14−3−1 10
Pentru a calcula abaterile standard, este nevoie să calculăm matricea varianţelor şi
Ω ¿

covarianţelor coeficienţilor de regresie a :

2 ' −1
Ω =σ ε ( X X )
¿
a

14 . 24209 −0 . 02630 −0. 20613 −0 .05851 96 . 0629 −0 .1774 −1. 3903 −0 .3946
¿
¿
a
(
−0 .02630 0 . 01320 0 .00119 −0 .00094 = −0 . 1774 0. 0890 0 .0080 −0 . 0063
Ω =6 . 745∗¿ ¿ −0 .20613 0 .00119 0 .00363 0 . 00057
−0 .05851 −0 . 00094 0 .00057 0. 00040
−1. 3903 0. 0080 0 .0245 0. 0038
−0 . 3946 −0.0063 0 .0038 0.0027
)( )
Ω ¿

Dispersiile coeficienţilor de regresie le găsim pe diagonala principală a matricei a ,

iar radicalele dispersiilor sunt abaterile standard ale coeficienţilor a0 , a1 , a2 , a3 .
¿ ¿
2
σ =96 ,0629 ⇒ σ a =√ 96 , 0629=9 , 8012
¿
a0 0
¿ ¿
2
σ =0 , 089 ⇒σ a =√ 0 ,089=0 , 2983
¿
a1 1
¿ ¿
2
σ =0 , 0245 ⇒σ a =√ 0 ,0245=0 , 1565
¿
a2 2
¿ ¿
2
σ =0 , 0027 ⇒ σ a =√ 0 , 0027=0 ,0519
¿
a3 3
 Concluzie: În urma calculelor efectuate am obţinut varianţa erorilor egală cu
¿ ¿ ¿ ¿

σ 2e =6, 745 , iar abaterile standart egale cu:

σ =9 , 8012
¿
a0
;
σ =0 , 2983
¿
a1
;
σ =0 , 1565
¿
a2
¿
σ =0 , 0519
¿

; a3
.

2 2
5. Calculăm coeficientul de determinaţie R şi coeficientul de determinaţie ajustat R
după următoarele formule:
¿ 2

2 ∑ ( Y i−Y ) 67,44767
∑e 2
R =1− 2
=1− 2
=1− =0 , 7027=70 , 27 %
Y
∑( i )
−Y Y
∑( i ) −Y 226,8571

n−1 14−1
R2 =1− ∗( 1−R2 )=1− ∗( 1−0 , 7027 )=1−0 , 3865=0 , 6135=61, 35 %
n−k−1 14−3−1
2 2
Concluzie: În urma rezultatelor obţinute, observăm ca R < R , deoarece coeficientul
de determinaţie ajustat a fost corectat cu gradul de libertate. Acest coeficient se calculează
pentru a ţine cont de numărul relativ slab de observări, comparat cu numărul de factori
explicativi. Nivelul coeficientului de determinaţie este de 0,7027, ceea ce semnifică că
variabilele independente au o contribuţie de 70,27% la modificările lui Y, iar restul
procentajului care influenţează majorarea sau diminuarea variabilei dependente Y este
destinat altor factori aleatori care nu au fost luaţi în consideraţie în analiza modelului.

6. Verificăm dacă coeficienţii a1 şi a2 sunt simultan diferiţi de 1 şi -0,5.

Formulăm ipotezele:
a1 1 a1 1
H0: ( )( )
a2
=
−0,5 H1: ( )( )
a2
≠
−0,5

Se acceptă ipoteza nulă H 0 în cazul în care:

' ¿
1 ¿ ¿

q
( ) α
a q −a q Ω aq −aq ¿ F ( q , n−k−1 )
aq
¿
−1
( )
.
α
F ( q , n−k−1 ) este legea lui Fisher care semnifică testul F tabelar la pragul de
semnificaţie α şi q,n−k−1 grade de libertate. Pentru că avem de testat doi parametri,
aq = 0 ,801901
¿

rezultă că q=2 , −0 , 381362 ( ) ¿ ¿

, adică valorile estimatorilor 1 , a 2 calculate anterior

a
1
şi
aq = (−0,5 ) .
¿ −1
Ω ¿
aq
Avem nevoie şi de valoarea indicatorului , pe care o calculăm în felul următor:
 0 , 0132 0 , 00119 0 , 089 0 , 008 ¿ −1 11, 5718 −3 , 8026
Ω =
¿
¿
aq
6 , 745∗ ( )(= )
0 , 00119 0 ,00363 0 , 008 0 , 0245
⇔Ω =
¿
aq (
−3 , 8026 42 , 0365 )
Având toate datele necesare, determinăm valoarea calculată a testului Fisher, înlocuind
datele în formulă:

1
F calc= ∗( 0 , 801901−1−0 ,381362+0,5 )∗ 11 ,5718 −3 , 8026 ∗ 0 ,801901−1 ( )( )=0 ,6122
2 −3 ,8026 42, 0365 −0 ,381362+0,5
α 0 . 05
Valoarea tabelară a testului Ftab =Fq , n−k−1 =F2 ;10 =4 . 103 Fisher:
F calc ¿ ¿
Concluzie: Conform F calc ¿ ¿ , acceptăm ipoteza nulă H 0 , afirmând că coeficienţii a1
şi a2 sunt simultan diferiţi de 1 şi -0,5.

7. Verificăm dacă coeficienţii a1 şi a2 sunt semnificativ diferiţi de 1 şi -0,5.

Efectuăm testarea coeficientului a1 :
1) Formulăm ipotezele:
H 0 :a1 =1 H 1 :a1 ≠1
2) Determinăm valoarea calculată a testului T-Student în baza formulei:
¿
a1 |^a1| 0 , 801901
t calc= ¿ = =2, 6882
σa ¿
0 ,2983
1

3) Determinăm valoarea tabelară a testului T-Student în dependenţă de pragul de

semnificaţie α=0,05 şi n−1 grade de libertate:
t tab=t αn−1 =t 013, 05 =2 , 16
^a
t calc
1
¿t tab ¿
^a
Concluzie: Conform t calc ¿t tab ¿ , respingem ipoteza nulă H 0 , acceptăm ipoteza alternativă
1

H 1 , afirmând că coeficientul a1 este semnificativ diferit de 1.

Efectuăm testarea coeficientului a2 :

1) Formulăm ipotezele:
H 0 :a 2=−0,5 H 1 :a2 ≠−0,5
2) Determinăm valoarea calculată a testului T-Student în baza formulei:
¿
a2 |^a 2| 0 , 381362
t calc= ¿ = =2 , 4368
σ ¿
0 ,1565
a
2

3) Determinăm valoarea tabelară a testului T-Student în dependenţă de pragul de

semnificaţie α=0,05 şi n−1 grade de libertate:
α 0 , 05
t tab=t n−1 =t 13 =2 , 16
^a
t calc
2
¿t tab ¿
^a
Concluzie: Conform t calc ¿t tab ¿ , respingem ipoteza nulă H 0 , acceptăm ipoteza alternativă
2

H 1 , afirmând că coeficientul a2 este semnificativ diferit de -0,5.

8. Determinăm intervalul de încredere pentru varianţa erorilor, cu o probabilitate a
rezultatelor de 95%, în baza formulei:
¿ ¿

IC :

unde:
[
( n−k −1 )∗σ 2e ( n−k−1 )∗σ 2e
χ 21
;
χ 22 ]
α
2 1−
χ1 are n−k−1 grade de libertate şi 2 pragul de semnificaţie;
α
2
χ2 are n−k−1 grade de libertate şi 2 pragul de semnificaţie.
Astfel, obţinem:
10∗6 , 745 10∗6 ,745
IC : [ 20 , 483
;
3 , 247 ]
⇒ IC : [ 3 , 293 ;20 ,773 ]
Concluzie: În urma calculelor efectuate, am obţinut intervalul de încredere pentru varianţa
2
erorilor fiind: 3 , 293≤σ^ e≤20 , 773 ⇒3 , 293≤6 ,745≤20 ,773 . Astfel, valoarea varianţei
erorilor calculate aparţine intervalului de încredere obţinut.

9. Verificăm dacă adăugarea variabilelor independente X 2 şi X 3 ameliorează

semnificativ calitatea estimaţiei în raport cu X 1 singur.
Adăugarea unor variabile explicative în model are drept efect creşterea sumei pătratelor
explicative(SPE) şi o reducere a sumei pătratelor reziduale(SPR). De aceea, este nevoie să
vedem diferenţa între SPE(a modelului cu toate variabilele explicative incluse) şi SPEꞌ(a
modelului cu o singură variabilă explicativă X 1 ).
Soluţionăm modelul cu o singură variabilă independentă X 1 :
Y = a+bx 1 +e
Estimăm valorile parametrilor modelului în baza Metodei Centrării Datelor.

Toate datele necesare calculelor sunt indicate în Tabelul 4:

 Nr. Y X1 y i  Yi  Y ~x 1 i  X 1 i  X 1
~ ~
yi2 ~
xi2 1 ~
xi ~
yi 1 Yˆi ei  Yi  Yˆi ei ^ 2
1 43 2 -5,71429 -4,07143 32,65306 16,57653 23,26531 44,59478 -1,59478 2,543321
2 45 1 -3,71429 -5,07143 13,79592 25,71939 18,83673 43,58297 1,417029 2,007972
3 41 3 -7,71429 -3,07143 59,5102 9,433673 23,69388 45,60659 -4,60659 21,22065
4 47 6 -1,71429 -0,07143 2,938776 0,005102 0,122449 48,64201 -1,64201 2,696209
5 45 7 -3,71429 0,928571 13,79592 0,862245 -3,44898 49,65382 -4,65382 21,65806
6 50 8 1,285714 1,928571 1,653061 3,719388 2,479592 50,66563 -0,66563 0,443064
7 52 8 3,285714 1,928571 10,79592 3,719388 6,336735 50,66563 1,334369 1,780541
8 50 5 1,285714 -1,07143 1,653061 1,147959 -1,37755 47,63021 2,369795 5,615928
9 52 5 3,285714 -1,07143 10,79592 1,147959 -3,52041 47,63021 4,369795 19,09511
10 47 8 -1,71429 1,928571 2,938776 3,719388 -3,30612 50,66563 -3,66563 13,43685
11 50 4 1,285714 -2,07143 1,653061 4,290816 -2,66327 46,6184 3,381603 11,43524
12 52 9 3,285714 2,928571 10,79592 8,576531 9,622449 51,67744 0,322561 0,104045
13 56 12 7,285714 5,928571 53,08163 35,14796 43,19388 54,71287 1,287135 1,656716
14 52 7 3,285714 0,928571 10,79592 0,862245 3,05102 49,65382 2,346178 5,50455
Total 682 85 0 0 226,8571 114,9286 116,2857 682 0 109,1983

∑ (~
x i⋅~y i ) 116 ,2857
b= = =1, 011809
∑ ~x 2i 114 , 9286
a=Ȳ−b⋅X̄=48,71−1,0118⋅6 ,07=42,57116
Pentru a ne convinge de veridicitatea datelor, calculăm parametrii de mai sus cu ajutorul
pachetului de programe EViews. În rezultat obţinem aceleaşi rezultate, ceea ce ne
demonstrează că calculele au fost efectuate corect.
Dependent Variable: Y
Method: Least Squares
Date: 11/06/16 Time: 16:34
Sample: 1 14
Included observations: 14

Variable Coefficient Std. Error t-Statistic Prob.  

C 42.57116 1.889095 22.53521 0.0000

X1 1.011809 0.281386 3.595797 0.0037

R-squared 0.518647    Mean dependent var 48.71429

Adjusted R-squared 0.478535    S.D. dependent var 4.177385
S.E. of regression 3.016597    Akaike info criterion 5.177699
Sum squared resid 109.1983    Schwarz criterion 5.268993
Log likelihood -34.24389    Hannan-Quinn criter. 5.169248
F-statistic 12.92975    Durbin-Watson stat 1.958215
Prob(F-statistic) 0.003674

Ecuaţia modelului pe care îl analizăm este:

¿
Y =42 ,57116 +1 ,011809 X 1 +e ⇔ Y =42, 57116+1, 011809 X 1

Calculăm valoarea sumei pătratelor totale, care reiese din relaţia:

' ' '
SPT =SPR +SPE
¿ 2
' 2
(
SPR =∑ e =∑ Y i−Y =109,1983 )
 ¿ 2
'
( )
SPE =∑ Y i−Y =117 ,6589
' ' ' '
SPT =SPR +SPE ⇒ SPT =109 ,1983+117 ,6589=226 , 8571

1). Formulăm ipotezele:

H 0 :a 2=a3 =0 H 1 : există cel puţin un coeficient diferit de 0
2). Determinăm valoarea calculată a testului Fisher în baza formulei:
SPE−SP { E' 159 , 41−117 , 66
k −k ' 3−1 20 , 88
F calc= = = =3 , 096 ¿
SPR 67 , 45 6 , 745
n−k−1 10
unde:
k – numărul de variabile explicative ale modelului complet;
k’ − numărul de variabile explicative ale modelului fără variabilele ajutătoare.
3). Determinăm valoarea tabelară a testului Fisher:
α 0 , 05
Ftab =F2 ;10=F 2; 10=4 , 103
F calc ¿ ¿
ceea ce semnifică că există o relaţie semnificativă între variabila dependentă şi
variabilele independente.

Concluzie: Conform F calc ¿ ¿ , acceptăm ipoteza nulă H 0 care denotă faptul că nu

există diferenţă esenţială între cele două variabile exogene, afirmând că adăugarea
variabilelor explicative X 2 şi X 3 nu ameliorează semnificativ calitatea estimaţiei
modelului, în raport cu o singură variabilă independentă X 1 .

10. Verificăm dacă coeficienţii sunt semnificativ diferiţi de 0, iar regresia−global

semnificativă, punându-se problema existenţei unei variabile independente X care să
influenţeze variabila dependentă Y semnificativ. Pentru aceasta avem nevoie de analiza
dispersională redată de Tabelul 5:
Sursa Suma pătratelor Gradul de Pătratele medii
variaţiei libertate
¿ 2 SPE 159 , 41
X1 , X2 , X3
SPE=∑ ( Y −Y ) =159,41 k =3
k
=
3
=53 ,14
¿ 2 SPR 67 , 45
Rezidiu ( )
SPR=∑ Y i −Y =67 ,45 (n−k−1 )=(14−3−1)=10 =
n−k −1 10
=6 , 745
2
Total SPT =∑ ( Y i−Y ) =226 ,86 n−1=14−1=13

Ecuaţia fundamentală de analiză a varianţei este:

SPT =SPR+SPE ⇒226 ,86=67 , 45+159, 41

1. Formulăm ipotezele:
H 0 :a1 =a2=a3 H 1 : există cel puţin un coeficient diferit de 0
 2. Determinăm valoarea calculată a testului Fisher în baza formulei:
SPE
k R 2 /k 0 , 7027/ 3
F calc= = = =7 , 879
SPR ( 1−R 2 ) /( n−k −1 ) ( 1−0 ,7027 ) /10
n−k −1
3. Determinăm valoarea tabelară a testului Fisher:
α 0 , 05
Ftab =F3 ;10=F 3 ;10=3 , 708
F calc ¿ F tab ¿
Concluzie: Conform F calc ¿ F tab ¿ , respingem ipoteza nulă H 0 , acceptăm ipoteza alternativă
H 1 , afirmând că cel puţin unul din coeficienţii a1 ,a 2 ,a3 este semnificativ diferit de 0,
ceea ce semnifică că există o relaţie liniară semnificativă între variabila dependentă Y şi
variabilele independente X 1 , X 2 , X 3 şi regresia este considerată global semnificativă.

11. Calculăm previziunea şi intervalul de încredere pentru următoarele două perioade, dacă
X 1 (15 )=3 X 2 (16)=6
X 2 (15)=24 X 2 (16)=38
se cunosc datele: X 3 (15)=165 X 3 (16)=170

Previziunea pentru aceste perioade o calculăm în baza formulei:

¿
Y =62 , 2575+0 , 801901∗X 1−0 ,381362∗X 2 −0 , 037132∗X 3
¿
Y 15=62 , 2575+0 , 801901∗3−0 , 381362∗24−0 , 037132∗165=49 , 384
¿
Y 16=62 , 2575+0 , 801901∗6−0 , 381362∗38−0 , 037132∗170=46 , 265

Intervalul de previziune îl calculăm în baza formulei:

α
¿ ¿
√
Y t+h =Y t+h ±t n−k−1∗ σ 2e∗
2
[X '
t+h
( X ' X )−1 X t +h+1 ]
unde:
α 0, 05
t n−k −1 ⇒ t 102 ⇒ t 0,
2 025
10 =2 ,675 (în baza testului T-Student)
¿
σ 2e =6, 745

14 , 2421 −0 ,026303 −0 ,206132 −0 ,058519

−1

(
( X ' X ) = −0 , 026303 0 ,013205 0 ,001194 −0 , 00094
−0 ,206132 0 ,001194 0 ,003635 0 ,000575
−0 , 058519 −0 , 00094 0 ,000575 0 ,000401
)
Calculăm intervalul de previziune pentru perioada 15 în baza formulei:

[√ (
14,2421 1

)( ) ]
−0,026303 −0,206132 −0,058519
¿ ¿
−0,026303 0,013205 0,001194 −0,00094 3 +1 =
10 √[
Y 15=Y 15−t 0,025∗ σ 2 ' ' −1
∗ X
e 15 ( X X ) X 15 ]
+1 ⇔ Y 15 =49,384−2,675∗¿¿∗ 6,745∗ ( 1 3 24 165 )
−0,206132 0,001194 0,003635 0,000575 24
−0,058519 −0,00094 0,000575 0,00040 165
¿49,384−2,675∗√ 97,746=49,384−26,447=22,937
¿ ¿
Y 15=Y 15 +t 0,025
10 ∗ √ [ −1
]
σ 2e∗ X '15 ( X ' X ) X 15 +1 ⇔Y 15=49,384+26, 447=75 ,831

22 , 937≤Y 15≤75 , 831 − intervalul de previziune pentru perioada 15

Calculăm intervalul de previziune pentru perioada 16 în baza formulei:

[√ (
14,2421 1

)( ) ]
−0,026303 −0,206132 −0,058519
¿ ¿
Y 16=Y 16−t10 ∗ σ e∗ X16 ( X X ) X16 +1 ⇔ Y 16=46,265−2,675∗¿¿∗ 6,745∗ (1 6 38 170 ) −0,026303 0,013205 0,001194 −0,00094 6 +1 =
√[
0,025 2 ' ' −1
] −0,206132 0,001194 0,003635 0,000575 38
−0,058519 −0,00094 0,000575 0,00040 170
¿46,265−2,675∗√ 78,827=46,265−23,75=22,515
¿ ¿
Y 16=Y 16 +t 010,025∗ √ [ −1
]
σ 2e∗ X '16 ( X ' X ) X 16+1 ⇔ Y 16=46 ,265+23,75=70 ,015

22 ,515≤Y 16≤70 , 015 − intervalul de previziune pentru perioada 16