Modelul de regresie care exprimă o legătură lineară multiplă este descris de ecuaţia:

Ŷ x1 ,x2 ...  a  b1 x1  b2 x 2  ...  bn x n

Dacă se aplică metoda celor mai mici pătrate (MCMMP), rezultă:


S   y  Ŷ x1 , x2 ...  2
 min

şi diferenţiind S în raport cu a, b1, b2…

S S S S
 0; 0; 0 … 0
a 0 a 1 a 2 a n

Rezultă sistemul

na 0  a1  x1  a 2  x 2   y

a 0  x1  a1  x1  a 2  x1x 2   x1y
2

a
 0  x 2  a 1  x1x 2  a 2  x 2   x 2 y
2

Pentru determinarea parametrilor a0, a1, a2 ai funcţiei se tabelul urmator:

.
Algoritm de calcul pentru determinarea indicatorilor de corelaţie

y x1 x 2  5,558 
2 2 2
Nr Productivitate Numă Profi x1 x2 x1x2 x1y x2y yi

ani a muncii r t  3,872 x1  0,788 x2

(zeci lei/ore) firme (sute
x1 x2 lei.)
yi
1991 1,5 14 10 2,25 196 21,0 15,0 140 100 11,282
1992 1,7 12 10 2,89 144 20,4 17,0 120 100 10,4804
1993 2,5 14 15 6,25 196 35,0 37,5 210 225 15,154
1994 3,1 18 20 9,61 324 55,8 62,0 360 400 20,6292
1995 2,7 17 18 7,29 289 45,9 48,6 306 324 18,2924
1996 3,3 20 25 10,8 400 66,0 82,5 500 625 22,9796
9
1997 1,1 10 8 1,21 100 11,0 8,8 80 64 6,5812
1998 1,8 12 12 3,24 144 21,6 21,6 144 144 10,8676
1999 2,5 15 14 6,25 225 37,5 35,0 210 196 15,942
Tota 22,4 147 147 54,7 224 347, 361, 229 240 146,9888
l 2 3 2 0 5 3
Funcţia de regresie multiplă este:

y  a 0  a 1x1  a 2 x 2

Sistemul de ecuaţii normale pentru estimarea parametrilor acestei funcţii presupune

rezolvarea următorului sistem:

na 0  a1  x1  a 2  x 2   y

a 0  x1  a1  x1  a 2  x1x 2   x1y
2

a
 0  x 2  a 1  x1x 2  a 2  x 2   x 2 y
2

10a 0  22,4a1  147a 2  147


22,4a 0  54,72a1  347,2a 2  361
147a  347,2a  2 243a  2 295
 0 1 2

y x x 1 2

x y x x x
1
2
1 1 2

a0 
x y x x x
2 1 2
2
2

A
n x x 1 2
K
x x x x
1
2
1 1 2

x x x x
2 1 2
2
2

unde,

y x 1 x 2

A x y x 1
2
1 x x
1 2 
x y x x
2 1 2 x 2
2

  y x  x
2
1
2
2   x1 y  x1 x 2  x 2   x1  x1 x 2  x 2 y 

  x 2  x12  x 2 y   x1  x1 y  x 22   y  x1 x 2  x1 x 2

2
 n x 1 x 2

K   x1 x 2
1 x x 1 2 
 x2 x x 1 2 x 2
2

 n x12  x22   x1  x1 x2  x2   x1  x1 x2  x2 

  x2  x12  x2   x1  x1  x22  n x1 x2  x1 x2

a0 
 y x  x   x y x x  x   x  x x  x y   x  x  x y   x  x y x
2
1
2
2 1 1 2 2 1 1 2 2 2
2
1 2 1 1

n x  x   x  x x  x   x  x x  x  x  x  x   x  x  x 
2
1
2
2 1 1 2 2 1 1 2 2 2
2
1 2 1 1
2
2

147  54,72  2243  361 347,2  147  22,4  347,2  2295  147  54,72  2295  22,4  361 2243
a0 
10  54,72  2243  22,4  347,2  147  22,4  347,2  147  147  54,72  147  22,4  22,4  2243 

18042333  18424862  17848857  18460612  18137795  17720532

a0 
1227369,6  1143260 ,1  1143260 ,1  1182444 ,4  1125447 ,6  1205478,4

 2887
a0 
519,4

a 0  5,558

n y x 2

 x1 x y1 x x1 2

a1 
 x2 x y2 x 2
2

B
n x 1 x 2
K
 x1 x 2
1 x x1 2

 x2 x x1 2 x 2
2

3
 n y x 2

B  x1 x y x x
1 1 2 
x 2 x y x
2
2
2

 n x1 y  x 22   x1  x 2 y  x 2   y  x1 x 2  x 2 

  x 2  x1 y  x 2   x1  y  x 22  n x1 x 2  x 2 y

n x1 y  x22   x1  x2 y  x2   y  x1 x2  x2   x2  x1 y  x2   x1  y  x22  n x
a1 
n x12  x22   x1  x1 x2  x2   x1  x1 x2  x2  x2  x12  x2   x1  x1  x22  n

10  361 2243  22,4  2295  147  147  347,2  147  147  361 147  22,4  147  2243  10
a1 
10  54,72  2243  22,4  347,2  147  22,4  347,2  147  147  54,72  147  22,4  22,4  2243 

8097230  7556976  7502644,8  7800849  7385750,4  7968240

a1 
1227369,6  1143260,1  1143260,1  1182444,4  1125447,6  1205478,4

2011
a1 
519,4

a1  3,872

4
 n x y 1

 x1 x x y 2
1 1

a2 
 x2 x x x y
1 2 2

C
n x x 1 2
K
 x1 x x x 2
1 1 2

 x2 x x x
1 2
2
2

n x 1 y
C x 1 x 2
1 x y1 
x 2 x x 1 2 x y2

 n x12  x 2 y   x1  x1 y  x 2   y  x1 x 2  x1 

  y  x12  x 2   x1  x1  x 2 y  n x1 x 2  x1 y

n x12  x 2 y   x1  x1 y  x 2   y  x1 x 2  x1  y  x12  x 2   x1  x1  x 2 y  n x1
a2 
n x12  x 22   x1  x1 x 2  x 2   x1  x1 x 2  x 2   x 2  x12  x 2   x1  x1  x 22  n x

1255824  1188700 ,8  1143260 ,1  1182444 ,4  1151539 ,2  1253392

a2 
1227369 ,6  1143260 ,1  1143260 ,1  1182444 ,4  1125447 ,6  1205478,4

409,3
a2 
519,4

a 2  0,788

Parametrii ecuaţiei de regresie au următoarele valori:

a0 = -5,558; a1 = 3,872; a2 = 0,788.

5
 Valorile teoretice ale ecuaţiei se obţin prin înlocuirea valorilor factorilor x 1 şi x2 în
funcţia de regresie, astfel:
y = a0 + a1x1 + a2x2

y1 = -5,558 + 3,872 x1 + 0,788 x2

y1 = -5,558 + 3,872 × 2,2 + 0,788 × 15 = 14,7804

y2 = -5,558 + 3,872 × 1,5 + 0,788 × 14 = 11,282

y 3  -5,558 + 3,872 × 1,7 + 0,788 × 12 = 10,4804

………………………………………………

y10 = -5,558 + 3,872 × 2,5 + 0,788 × 15 = 15,942

Indicatorii de corelaţie

Intensitatea corelaţiei dintre productivitatea muncii (x 1) şi profitul (y) se determină cu

ajutorul coeficientului de corelaţie:
n x1 y   x1  y

 n x   x  n y    y  
ry x1 2 2
2
1  1
2

10  361  22,4  147

ry 
x1
10  54,72  22,4 10  2 403  147  =
2 2

3610  3 292,8 317,2 317,2

    0,956
 547,2  501,76 24 030  21 609 110 010,24 331,68

Valoarea pozitivă şi apropiată de 1 a coeficientului de corelaţie arată o legătură directă

şi de mare intensitate între productivitatea muncii şi profitul obţinut.
Intensitatea corelaţiei dintre numărul de firme şi profit este:

n x 2 y   x 2  y

 n x   x  n y    y  
ry x2 2 2
2
2  2
2

10  2 295  147  147

ry / x2 
10  2 243  147 10  2 403  147  =
2 2

6
 22 950  21 609 1 341 1 341
    0,951
 22 430  21 609 24 030  21 609 821  2 421 1 409,84

Valoarea pozitivă şi apropiată de 1 a coeficientului de corelaţie arată o legătură directă

şi de mare intensitate între numărul de firme şi profitul obţinut.
Intensitatea corelaţiei dintre productivitatea muncii (x 1) şi numărul de firme (x 2) se determină
astfel:

n  x1x 2   x1  x 2

n  x  
rx 1
   x1  n  x 22    x 2 
x2 2 2
2
1

10  347,2  22,4  147

rx1 
x2
10  54,72  22,4 10  2 243  147  =
2 2

3 472  3 292,8 179,2

   0,927
 547,2  501,76 22 430  21 609 193,148

Coeficientul de corelaţie calculat arată că între productivitatea muncii şi numărul de

firme se înregistrează o legătură directă de intensitate medie.

Coeficientul de corelaţie liniară multiplă

r y2 x1  r y2/ x2  2r y x1  ry x2  rx1 x2
ry x1 , x 2 
1 r 2
x1 x 2

0,956 2  0,9512  2  0,956  0,951  0,927

ry  =
1   0,927 
x1 , x2 2

0,914  0,904  1,686 0,132

   0,93617  0,967 .
1  0,859 0,141

Coeficienții de corelație parțială sunt:

7
 ryx1  ryx2  rx1 x2 0,956  0,951  0,927 0,074 0,074
ryx1  x2      0,649
1  r 1  r 
2
yx2
2
x1 x2 1  0,951   1  0,927 
2 2
0,013 0,114

ryx2  ryx1  rx2 x1 0,951  0,956  0,927 0,064 0,064

ryx2  x1      0,5845
1  r 1  r 
2
yx1
2
x2 x1 1  0,956   1  0,927 
2 2
0,012 0,1095
Determinarea coeficienților de corelație partială arată că datorită autocorelării dintre
productivitatea muncii si numărul de firme ( rx x =0,927) influența celor doi factori x1
1 2

și x 2 este denaturată.. Rezultă că, trebuie sa evaluăm cu rezervă valoarea coeficientului

de corelație multiplă.