PROIECT-ECONOMETRIE

Regiuni Județe Nr. mediu Câștig salarial PIB (mil lei) Populație
salariați(nr.pers.) (lei/salariat) (mii pers)
Centru Alba 684 2049 8000,7 376
Brașov 853 1712 14160,4 594
Covasna 172 1700 3540,4 223
Harghita 587 1691 5248,1 326
Mureș 3014 2832 9440,8 582
Sibiu 2006 3430 9026,3 423
S-V Dolj 1630 2118 10675,0 712
Oltenia
Gorj 15703 2585 7613,9 382
Mehedinți 1170 2321 3755,6 299
Olt 904 2087 5566,3 476
Vâlcea 2678 2322 6808,8 412
Vest Arad 1254 2210 10064,4 458
Caraș-Severin 345 1606 5353,2 328
Hunedoara 12626 2376 8740,1 422
Timiș 1434 2158 18838,0 667

Cerinţe:
a. Realizarea şi interpretarea regresiei unifactoriale
yi = f ( x1i )

Nr. mediu salariaţi din industria extractivă = f (PIB)

1.Să se reprezinte grafic datele
2.Să se determine modelul de regresie pe baza datelor din eşantion
3.Să se verifice validitatea modelului de regresie pentru un nivel de semnificaţie 0,05.
4.Să se testeze semnificaţia parametrilor modelului de regresie, pentru un nivel de
semnificaţie 0,05.
5.Să se măsoare intensitatea legăturii dintre variabile folosind coeficientul de corelaţie şi
raportul de corelaţie, testând semnificaţia acestora pentru un nivel de semnificaţie 0,05.
6.Ce pondere din variaţia variabilei efect este explicată de variatia variabilei cauză?

a. Realizarea şi interpretarea regresiei multifactoriale:

y i = f ( x1i , x 2i , x3i )

Număr mediu salariaţi din industria extractivă =

 f (Câştig salarial din industria extractivă, PIB, Populaţie)
1. Să se determine modelul de regresie pe baza datelor din eşantion
2. Să se verifice validitatea modelului de regresie pentru un nivel de semnificaţie 0,05.
3. Să se testeze semnificaţia parametrilor modelului de regresie, pentru un nivel de
semnificaţie 0,05.
4. Să se măsoare intensitatea legăturii dintre variabile folosind raportul de corelaţie,
testând semnificaţia acestuia pentru un nivel de semnificaţie 0,05.
5. Ce pondere din variaţia variabilei efect este explicată de variatia variabilelor?

REZOLVARE:

a) Realizarea și interpretarea regresiei unifactoriale

Nr. mediu de salariați = f (PIB)

Se identifică cele două variabile:

xi – variabila factorială = PIB din 2007 (în mil lei)
yi - variabila dependentă = nr mediu salariați din industria extractivă (nr. pers)
1. Să se reprezinte grafic datele.

Graficul construit, denumit corelogramă, ne indică existenţa, forma şi direcţia legăturii

dintre cele două variabile.

Corelograma dintre PIB realizat în 2007

şi numărul mediu de salariați din industria extractivă

Corelograma evidenţiază legătura directă (punctele sunt plasate pe direcţia primei

bisectoare) şi liniară (dreapta de regresie are panta pozitivă) dintre PIB realizat în 2007 şi
numărul mediu de salariați din industria extractivă.

SUMMARY OUTPUT
Regression Statistics
Multiple R 0,01243677
R Square 0,00015467
Adjusted R Square -0,0767565

2
 Standard Error 4812,1139
Observations 15
ANOVA
df SS MS F Significance F
Regression 1 46569,02941 46569,029 0,0020111 0,9649125
Residual 13 301033723 23156440
Total 14 301080292

Coefficients Standard Error t Stat P-value Lower 95% Upper 95%

Intercept 2882,98986 2970,726669 0,9704662 0,3495249 -3534,8749 9300,8546
PIB(mil lei) 0,01431147 0,319132828 0,0448449 0,9649125 -0,6751331 0,703756

RESIDUAL OUTPUT
Predicted
Nr mediu
salariati din
ind
extractiva
Observation (pers) Residuals
1 2997,491622 -2313,491622
2 3085,645969 -2232,645969
3 2933,658182 -2761,658182
4 2958,097875 -2371,097875
5 3018,101566 -4,101566206
6 3012,169463 -1006,169463
7 3035,76478 -1405,76478
8 2991,955946 12711,04405
9 2936,73801 -1766,73801
10 2962,651784 -2058,651784
11 2980,433783 -302,4337831
12 3027,026197 -1773,026197
13 2959,602011 -2614,602011
14 3008,073521 9617,926479
15 3152,589291 -1718,589291

2. Să se determine modelul de regresie pe baza datelor din eşantion

Aplicarea modelului liniar de regresie presupune utilizarea ecuaţiei de regresie liniară:

yˆ i = a + bxi

Coefficients Coeficienţii
Intercept 2882,98986 a -termen liber
PIB (mil lei) 0,01431147 b -coeficient de regresie

3
a = 2882,98986
b = 0,01431147
y = 2882,98986+0,01431147xi

a =termen liber – NU ARE INTERPRETARE ECONOMICA; ne arată că funcţia de regesie

ŷ
intersectează axa Oy în punctul 2882,98986;
b =+0,01431147, ceea ce însemnă că la creşterea PIB cu 1mil lei numărului mediu de salariați
din industria extractivă crește cu 0,01431147 persoane.

3. Să se verifice validitatea modelului de regresie pentru un nivel de semnificaţie

0,05.

ANOVA
df SS MS F Significance F
Regression 1 46569,02941 46569,029 0,0020111 0,9649125
Residual 13 301033723 23156440
Total 14 301080292

Întrucât Significance F (pragul de semnificaţie) este 0.9649125 (valoare mai mare de 0,05),
atunci modelul de regresie construit nu este valid.

H0: modelul nu este valid statistic (împrăştierea valorilor datorate PIB nu diferă
ŷ t
semnificativ de împrăştierea aceloraşi valori datorate întâmplării)
H1: modelul este valid statistic
Ştiind că pragul de semnificaţie este şi (există un singur factor de
α = 0,05 k =1
influenţă) se stabileşte:
♦ valoarea critică:
Ftabelar = Fα ; k ; n −k −1 = Fα ;1;n−2 = F0 , 05;1;13 = 4,67

♦ regiunea de respingere: dacă , atunci H0 se respinge

Fc > Fα ; k ; n−k −1

Determinarea statisticii testului ( ) are la bază relaţia:

Fcalculat
F=sy/x2se2=46569,02923156440=0,0020111
Concluzie:
Deoarece (0,0020111) < (4,67) ⇒ se acceptă, prin urmare, modelul
Fcalculat Fα ; k ; n−k −1 H0
nu este valid.

4
 2. Să se testeze semnificaţia parametrilor modelului de regresie, pentru un nivel de
semnificaţie 0,05.

Standard
Coefficients t Stat P-value Lower 95% Upper 95%
Error
Intercept 2882,98986 2970,726669 0,9704662 0,3495249 -3534,8749 9300,8546
PIB (mil lei) 0,01431147 0,319132828 0,0448449 0,9649125 -0,6751331 0,703756

Testarea semnificaţiei parametrului α:

H0 : α= 0 (parametrul estimator a ce estimează parametrul α nu este semnificativ
statistic)
H1 : α≠ 0 (parametrul estimator a ce estimează parametrul α este semnificativ statistic)
Deoarece n = 15  30 avem eşantion de volum redus şi pentru testare vom utiliza testul t.
Ştiind că pragul de semnificaţie este şi k=1 se stabilesc:
α = 0,05
♦ valoarea critică:
t critic = t α = t 0,5 BILATERAL;15−2 = t 0,5 BILATERAL; 13 = 2,160
; n − k −1
2

♦ regiunea de respingere: dacă atunci H0 se respinge

t calc > t α
;n − 2
2

Statistica testului este:

a 2882,989862
t calc = t a = = = 0,9704662
s a 2970,726669
Decizia:
Se observă că parametrul α nu este semnificativ statistic deoarece:
– din compararea statisticii testului cu valoarea testului critic (tabelar sau teoretic)
rezultă că: ;
− t critic ( − 2,160) < t a ( 0,9704662) < t critic ( 2,160)
– pragul critic P-value = 0,3495249 > pragul de semnificaţie.
a α = 0,05
– limita inferioară a intervalului de încredere (lower 95% = -3534,8749) este cu semn
contrar faţă de limita superioară a intervalului (upper 95% = +9300,8546); intervalul
de încredere este ;
− 3534,8749 ≤ α ≤ 9300,8546

Testarea semnificaţiei parametrului β:

H0 : β= 0 (parametrul estimator b ce estimează parametrul β nu este semnificativ
statistic)
H1 : β≠ 0 (parametrul estimator b ce estimează parametrul β este semnificativ statistic)
Deoarece n = 15  30 avem eşantion de volum redus şi pentru testare vom utiliza testul t.
Ştiind că pragul de semnificaţie este şi k=1 se stabilesc:
α = 0,05

5
 ♦ valoarea critică:
t critic = t α = t 0,5 BILATERAL;15−2 = t 0,5 BILATERAL; 13 = 2,160
; n − k −1
2

♦ regiunea de respingere: dacă atunci H0 se respinge

t calc > t α
;n − 2
2

Statistica testului este:

b 0,014311468
t calc = t b = = = 0,0448449
sb 0,319132828
Decizia:
Se observă că parametrul β nu este semnificativ statistic deoarece:
– din compararea statisticii testului cu valoarea testului critic (tabelar sau teoretic)
rezultă că: ;
− t critic ( − 2,160) < t b ( 0,0448449) < t critic ( 2,160)
– pragul critic P-valueb = 0,9649125> pragul de semnificaţie
α = 0,05
– limita inferioară a intervalului de încredere (lower 95% = -0,6751331) este cu semn
contrar faţă de limita superioară a intervalului (upper 95% = 0,703756); intervalul de
încredere este ;
− 0,6751331≤ β ≤ 0,703756

2. Să se măsoare intensitatea legăturii dintre variabile folosind coeficientul de

corelaţie şi raportul de corelaţie, testând semnificaţia acestora pentru un nivel de
semnificaţie 0,05.

Intensitatea legăturii dintre cele două variabile se poate stabili atât prin aplicarea
coeficientului de corelaţie liniară, dar şi cu ajutorul raportului de corelaţie (care se aplică atât
pentru legăturile liniare, cât şi în cazul legăturilor neliniare).

 Coeficientul de corelaţie liniară -- se utilizează numai în cazul legăturilor liniare

(semnul indică - direcţia legăturii, iar valoarea - intensitatea legăturii)

xi yi (x i −x ) ( yi − y ) ( xi − x )( yi − y ) ( x − x)
i
2
( yi − y ) 2

8000,7 684 -454.8 -2320 1055136 206843.04 5382400

14160,4 853 5704.9 -2151 -12271239 32545884 4626801

3540,4 172 -4915.1 -2832 13919563 24158208 8020224

5248,1 587 -3207.4 -2417 7752285.8 10287414 5841889

9440,8 3014 985.3 10 9853 970816.09 100

9026,3 2006 570.8 -998 -569658.4 325812.64 996004

6
10675,0 1630 2219.5 -1374 -3049593 4926180.2 1887876

7613,9 15703 -841.6 12699 -10687478 708290.56 16126460

0

3755,6 1170 -4699.9 -1834 8619616.6 22089060 3363556

5566,3 904 -2889.2 -2100 6067320 347476.6 4410000

6808,8 2678 -1646.7 -326 536824.2 2711620.8 106276

10064,4 1254 1608.9 -1750 -2815575 2588559.2 3062500

5353,2 345 -3102.3 -2659 8249015.7 9624265.2 7070281

8740,1 12626 284.6 9622 2738421.2 80997.16 92582884

18838,0 1434 10382.5 -1570 -16300525 107796300 2464900

( x − x)
∑ ( y − y ) ∑ ( x − x )( y − y ) ∑
2

∑x ∑y ∑(x − x) ∑( y − y)
i 2
i i i i i i i
2 1 9 3 6 7 7 2,479
126832 45060 − 0 .5 0 3253967,1 1134326291

cov ( x, y ) s xy ∑( x i − x ) ⋅ ( yi − y )
r= = = i =1

sx ⋅ s y sx ⋅ s y  n 2 
n
2
∑ i ( x − x )  ∑ ( y i − y ) 
 i =1   i =1 

n∑ xi y i − ∑ xi ⋅ ∑ y i
r=
[n ∑ x 2
i
2
][
− ( ∑ xi ) n∑ y i2 − ( ∑ y i )
2
]

cov( x, y ) s xy ∑(x i − x ) ⋅ ( yi − y )
3253967,1
r= = = i =1
= = 0,0124
sx ⋅ s y sx ⋅ s y n 2 
n
2 219367727,49 ⋅ 113432691
∑ i ( x − x )  ∑ ( yi − y ) 
 i =1   i =1 
x=8455,5 mil lei/județ

y=3004 persoane/județ

7
 xi yi xi2 y i2 xi yi

8000,7 684 64011200.49 467856 5472478.8

14160,4 853 529200516928.16 727609 12078821.2

3540,4 172 12534432.16 29584 608948.8

5248,1 587 27542553.61 344569 3080634.7

9440,8 3014 89128704.64 9084196 28454571.2

9026,3 2006 81474091.69 4024036 18106757.8

10675,0 1630 113955625 2656900 17400250

7613,9 15703 57971473.21 246584209 119561071.7

3755,6 1170 14104531.36 1368900 4394052

5566,3 904 30983695.69 817216 5031935.2

6808,8 2678 46359757.44 7171684 18233966.4

10064,4 1254 101292147.36 193116 126207576

5353,2 345 28656750.24 119025 1846854

8740,1 12626 76389348.01 159415876 10715362.6

18838,0 1434 354870244 2056356 27013692

∑x i ∑y i ∑x 2
i = ∑y 2
i = ∑x y
i i =
126832 45 06 0 5302997914
83.05994 435061132 398206972.4

n∑ xi y i − ∑ xi ⋅ ∑ y i
r=
[n ∑ x 2
i
2
][
− ( ∑ xi ) n∑ y i2 − ( ∑ y i )
2
]
15 ⋅ 398206972.4 − 126832⋅ 45060
=
15 ⋅ 530299791483.05994 − 1268322 ⋅ 15 ⋅ 435061132− 450602
= 0,0124

r = 0,0124 > 0, ceea ce ne arată că, între PIB şi numărul mediu de salariați din industria
extractivă există o legătură directă foarte slabă.

Testarea semnificaţiei coeficientului de corelaţie:

8
 - se stabileşte ipoteza nulă (coeficientul de corelaţie al colectivităţii din care
H0 : ρ = 0
s-a extras eşantionul nu diferă semnificativ de zero, deci nu este semnificativ statistic);
- se stabileşte ipoteza alternativă (coeficientul de corelaţie al colectivităţii din
H1 : ρ > 0
care s-a extras eşantionul este semnificativ mai mare decât zero, deci este semnificativ
statistic);

Ştiind că pragul de semnificaţie este şi (există un singur factor de

α = 0,05 k =1
influenţă) se stabileşte:
♦ valoarea critică:
tα ;n −k −1 = tα ;n− 2 = t 0,5 UNILATERAL;15− 2 = =t 0,5 UNILATERAL; 13 = 1,771

♦ regiunea de respingere: dacă atunci H0 se respinge

t calculat > tα ;n− k −1
Determinarea statisticii testului ( tcalculat ) are la bază relaţia:
r r n − 2 0,0124⋅ 13
t calculat = = = = 0,584
sr 1− r2 1 − 0,01242

Concluzie:
Deoarece  se acceptă, prin urmare coeficientul de
t calculat ( 0,584) < tα ;n − k −1 (1,771) H0
corelaţie al colectivităţii din care s-a extras eşantionul nu diferă semnificativ de zero, deci nu
este semnificativ statistic.

Raportul de corelaţie -- se utilizează atât în cazul legăturilor liniare, cât şi în situaţia

celor de tip neliniar.

R = 0,0124 ne arată că, între PIB şi numărul mediu de salariați există o legătură foarte slabă.
Deoarece R = r = 0,0124, apreciem că există o legătură liniară, foarte slabă şi directă
între cele două variabile.

Testarea semnificaţiei raportului de corelaţie:

- se stabileşte ipoteza nulă (raportul de corelaţie al colectivităţii din care s-a
H0 : R = 0
extras eşantionul nu diferă semnificativ de zero, deci nu este semnificativ statistic);
- se stabileşte ipoteza alternativă ( raportul de corelaţie al colectivităţii din
H1 : R ≠ 0
care s-a extras eşantionul diferă semnificativ de zero, deci este semnificativ statistic);

9
 Ştiind că pragul de semnificaţie este şi (există un singur factor de
α = 0,05 k =1
influenţă) se stabileşte:
♦ valoarea critică:
Ftabelar = Fα ; k ; n − k −1 = Fα ;1;n− 2 = F0,05;1;13 = 4,67
♦ regiunea de respingere: dacă , atunci H0 se respinge
Fc > Fα ; k ; n− k −1
Determinarea statisticii testului ( ) are la bază relaţia:
Fcalculat = Fc

R2 n − k −1 0,0124 13
Fc = ⋅ = ⋅ = 0,16328
1− R 2
k 1 − 0,0124 1
Concluzie:
Deoarece , atunci se acceptă, ceea ce înseamnă că raportul
Fcalc (0,16328) < F0,05; 1; 13 ( 4,67) H0
de corelaţie al colectivităţii din care s-a extras eşantionul nu diferă semnificativ de zero, deci
nu este semnificativ statistic.

2. Ce pondere din variaţia variabilei efect este explicată de variatia variabilei cauză?

SUMMARY OUTPUT

Regression Statistics

Multiple R 0,01243677
R Square 0,00015467
Adjusted R Square -0,0767565
Standard Error 4812,1139
Observations 15

Coeficientul de determinaţie (R SQUARE - ) ne indică ponderea de influenţă a factorului (

R2 x

) în variaţia rezultatului ( )
y

10
R Square - ne arată că 0,015% reprezintă influența PIB asupra variației
R 2 = 0,00015467
numărului mediu de salariați din industria extractivă la nivelul celor15 județe.

a) Realizarea şi interpretarea regresiei multifactoriale:

y i = f ( x1i , x 2i , x3i )

Număr mediu salariaţi din industria extractivă =

f (Câştig salarial din industria extractivă, PIB, Populaţie)
Notăm cu :
Y - variabila “nr mediu salariați din industria extractivă”.
X1 - variabila “câștig salarial din industria extractivă”,
X2 - variabila “PIB din 2007”
X3 - variabila “Populație din 2007”
Regiuni Județe Nr. mediu Câștig salarial PIB (mil lei) Populație
salariați(nr.pers.) (lei/salariat) (mii pers)

yi x1i x3i
x2i

Centru Alba 684 2049 8000,7 376

Brașov 853 1712 14160,4 594
Covasna 172 1700 3540,4 223
Harghita 587 1691 5248,1 326
Mureș 3014 2832 9440,8 582
Sibiu 2006 3430 9026,3 423
S-V Dolj 1630 2118 10675,0 712
Oltenia
Gorj 15703 2585 7613,9 382
Mehedinți 1170 2321 3755,6 299
Olt 904 2087 5566,3 476
Vâlcea 2678 2322 6808,8 412
Vest Arad 1254 2210 10064,4 458
Caraș-Severin 345 1606 5353,2 328
Hunedoara 12626 2376 8740,1 422
Timiș 1434 2158 18838,0 667

11
SUMMARY
OUTPUT
Regression Statistics
Multiple R 0,385880719
R Square 0,148903929
Adjusted R
Square -0,083213181
Standard
Error 4826,520049
Observations 15
ANOVA
df SS MS F Significance F
14944012, 0,6415034
Regression 3 44832038,42 8 6 0,604082797
23295295,
Residual 11 256248253,6 8
Total 14 301080292

Coefficients Standard Error t Stat P-value Lower 95% Upper 95%

Intercept -2888,984192 6916,963146 -0,4176666 0,68422725 -18113,11742 12335,149
Câștig salarial
din ind
extractivă
(lei/salariat) 3,611760756 2,709369957 1,33306297 0,20946209 -2,351522307 9,5750438
PIB (mil lei) 0,210481963 0,560795719 0,37532734 0,71455363 -1,023821092 1,444785
Populația (mii
pers) -8,712680725 16,31979935 -0,5338718 0,60405119 -44,63231689 27,206955

RESIDUAL
OUTPUT
Predicted
Nr mediu
salariați din
Observatio ind extractiva
n (pers) Residuals
-
2919,5486 2235,5486
1 84 84
-
1099,5266 246,52665
2 57 7
-
2053,2716 1881,2716
3 33 33
-
1482,7997 895,79971
4 19 9
-
4255,8602 1241,8602
5 02 02
6 7713,7645 -
96 5707,7645

12
 96
804,19136 825,80863
7 58 42
4721,7619 10981,238
8 42 06
-
3679,3070 2509,3070
9 46 46
-
1673,1302 769,13023
10 3 04
-
3341,0294 663,02941
11 13 32
-
3220,9739 1966,9739
12 73 73
-
1180,4963 835,49634
13 48 76
3855,4415 8770,5584
14 01 99
-
3058,8966 1624,8966
15 9 9

1.Să se determine modelul de regresie pe baza datelor din esantion şi să se interpreteze

parametrii acesteia.

Modelul de regresie are în vedere stabilirea funcţiei de regresie

yˆ x1 , x2 , x3 ,i = b0 + b1 x1i + b2 x 2i + b3 x3i

Coefficients Coeficienţii
termen liber
b0
Intercept -2888,984192
coeficient de regresie (primul factor)
Câștig salarial din ind b1
extractivă (lei/salariat) 3,611760756
coeficient de regresie (al doilea factor)
b2
PIB (mil lei) 0,210481963
Populația (mii pers) -8,712680725 b3 coeficient de regresie (al treilea factor)

13
 yˆ x1 , x2 , x3 ,i = −2888,984192+ 3,611760756x1i + 0,210481963x 2i − 8,71680725x3i

2. Să se verifice validitatea modelului de regresie pentru un nivel de semnificaţie 0,05

ANOVA
df SS MS F Significance F
0,6415034
Regression 3 44832038,42 14944012,8 6 0,604082797
Residual 11 256248253,6 23295295,8
Total 14 301080292

Întrucât Significance F (pragul de semnificaţie) este 0.604082797 (valoare mai mare de 0,05),
atunci modelul de regresie construit nu este valid.

H0: modelul nu este valid statistic (împrăştierea valorilor datorate factorului timp nu
ŷ t
diferă semnificativ de împrăştierea aceloraşi valori datorate întâmplării)
H1: modelul este valid statistic
Ştiind că pragul de semnificaţie este şi (există trei factori de influenţă) se
α = 0,05 k =3
stabilesc:
♦ valoarea critică:
Ftabelar = Fα ; k ; n − k −1 = Fα ;3;n −3−1 = F0,05; 3;11 = 3,59
♦ regiunea de respingere: dacă , atunci H0 se respinge
Fc > Fα ; k ; n− k −1
Determinarea statisticii testului ( ) are la bază relaţia:
Fcalculat

s y2 / x 14944012,8
F= 2
= = 0,64150346
s e 23295295,8

Decizia: deoarece (0,64150346) < (3,59) ⇒ se acceptă, prin

Fcalculat Fα ; k ; n −k −1 H0

urmare, modelul nu este valid.

3.Să se testeze semnificaţia parametrilor modelului de regresie, pentru un nivel de

semnificaţie 0,05

Coefficients Standard Error t Stat P-value Lower 95% Upper 95%

Intercept -2888,984192 6916,963146 -0,4176666 0,68422725 -18113,11742 12335,149
Câștig salarial din 3,611760756 2,709369957 1,3330629 0,20946209 -2,351522307 9,5750438

14
 ind extractivă
(lei/salariat) 7
0,3753273
PIB (mil lei) 0,210481963 0,560795719 4 0,71455363 -1,023821092 1,444785
Populația (mii pers) -8,712680725 16,31979935 -0,5338718 0,60405119 -44,63231689 27,206955

I. Testarea semnificaţiei parametrului :

β0
H0 : = 0 (panta este zero, adică nu este semnificativ diferit de zero, deci
β0 β0 β0 β0
nu este semnificativ statistic)
H1 :  0, (panta nu este diferită de zero, adică este semnificativ diferit de zero,
β0 β0 β0
deci este semnificativ statistic)
β0
Deoarece n = 15 < 30 avem eşantion de volum redus şi pentru testare vom utiliza testul t.
Ştiind că pragul de semnificaţie este şi k=3 (există trei factori de influenţă) se
α = 0,05
stabilesc:
♦ valoarea critică:
t critic = t α = tα = t 0,5 BILATERAL;15− 4 = t 0,5 BILATERAL; 11 = 2,201
; n − k −1 ;n − 4
2 2

♦ regiunea de respingere: dacă sau atunci H0 se

t calc > t α tb0 > t α
;n − 4 ;n − 4
2 2

respinge
Statistica testului este:
b0 − 2888,984192
t calc = t b 0 = = = −0,4176666
sb 0 6916,963146
Decizia:
Se observă că parametrul nu este semnificativ statistic deoarece:
β0
– din compararea statisticii testului cu valoarea testului critic (tabelar sau teoretic)
rezultă că: ;
− t critic ( − 2,201) < t b 0 ( − 0,4176666) < t critic ( 2,201)
– pragul critic P-value = 0,68422725> pragul de semnificaţie
b0 α = 0,05

15
 – limita inferioară a intervalului de încredere (lower 95% = -18113,11742) este cu semn
contrar faţă de limita superioară a intervalului (upper 95% = +12335,149); intervalul
de încredere este -18113,11742 12335,149;
≤ β0 ≤

II. Testarea semnificaţiei parametrului :

β1
H0 : = 0 (panta este zero, adică nu este semnificativ diferit de zero, deci
β1 β1 β1 β1
nu este semnificativ statistic)
H1 : ≠ 0, (panta nu este diferită de zero, adică este semnificativ diferit de zero,
β1 β1 β1
deci este semnificativ statistic)
β1
Deoarece n = 15 < 30 avem eşantion de volum redus şi pentru testare vom utiliza testul t.
Ştiind că pragul de semnificaţie este şi k=3 (există trei factori de influenţă) se
α = 0,05
stabilesc:
♦ valoarea critică:
t critic = t α = tα = t 0,5 BILATERAL;15− 4 = t 0,5 BILATERAL; 11 = 2,201
; n − k −1 ;n − 4
2 2

♦ regiunea de respingere: dacă sau atunci H0 se

t calc > t α t b1 > t α
;n − 4 ;n − 4
2 2

respinge
Statistica testului este:
b1 3,611760756
t calc = t b1 = = = 1,33306297
sb1 2,709369957
Decizia:
Se observă că parametrul nu este semnificativ statistic deoarece:
β1
– din compararea statisticii testului cu valoarea testului critic (tabelar sau teoretic)
rezultă că: ;
− t critic ( − 2,201) < t b1 (1,33306297) < t critic ( 2,201)
– pragul critic P-value = 0,20946209> pragul de semnificaţie
b1 α = 0,05

16
 – limita inferioară a intervalului de încredere (lower 95% = -2,351522307) este cu semn
contrar faţă de limita superioară a intervalului (upper 95% = +9,5750438); intervalul
de încredere este -2,351522307 9,5750438;
≤ β1 ≤

III. Testarea semnificaţiei parametrului :

β2

H0 : =0 ( este zero, adică nu este semnificativ diferit de zero, deci nu este

β2 β2 β2 β2
semnificativ statistic)
H1 : ≠ 0, ( nu este diferit de zero, adică este semnificativ diferit de zero, deci
β2 β2 β2
este semnificativ statistic)
β2
Deoarece n = 15  30 avem eşantion de volum redus şi pentru testare vom utiliza testul t.
Ştiind că pragul de semnificaţie este şi k=3 (există trei factori de influenţă) se
α = 0,05
stabilesc:
♦ valoarea critică:
t critic = t α = tα = t 0,5 BILATERAL;15− 4 = t 0,5 BILATERAL; 11 = 2,201
; n − k −1 ;n − 4
2 2

♦ regiunea de respingere: dacă sau atunci H0 se

t calc > t α tb 2 > t α
;n − 4 ;n − 4
2 2

respinge
Statistica testului este:
b2 0,210481963
t calc = t b 2 = = = 0,37532734
sb 2 0,560795719
Decizia:
Se observă că parametrul nu este semnificativ statistic deoarece:
β2
– din compararea statisticii testului cu valoarea testului critic (tabelar sau teoretic)
rezultă că:

− t critic ( − 2,201) < t b 2 ( 0,37532734) < t critic ( 2,201)

– pragul critic P-valueb2 = 0,71455363> pragul de semnificaţie
α = 0,05

17
 – limita inferioară a intervalului de încredere (lower 95% = -1,023821092) este cu semn
contrar faţă de limita superioară a intervalului (upper 95% = + 1,444785); intervalul de
încredere este -1,023821092 1,444785.
≤ β2 ≤

IV. Testarea semnificaţiei parametrului :

β3
H0 : =0 ( este zero, adică nu este semnificativ diferit de zero, deci nu este
β3 β3 β3 β3
semnificativ statistic)
H1 :  0, ( nu este diferit de zero, adică este semnificativ diferit de zero, deci
β3 β3 β3
este semnificativ statistic)
β3
Deoarece n = 15 < 30 avem eşantion de volum redus şi pentru testare vom utiliza testul t.
Ştiind că pragul de semnificaţie este şi k=3 (există trei factori de influenţă) se
α = 0,05
stabilesc:
♦ valoarea critică:
t critic = t α = tα = t 0,5 BILATERAL;15− 4 = t 0,5 BILATERAL; 11 = 2,201
; n − k −1 ;n − 4
2 2

♦ regiunea de respingere: dacă sau atunci H0 se

t calc > t α tb3 > t α
;n − 4 ;n − 4
2 2

respinge
Statistica testului este:
b3 − 8,712680725
t calc = t b 3 = = = −0,5338718
sb3 16,31979945
Decizia:
Se observă că parametrul nu este semnificativ statistic deoarece:
β3
– din compararea statisticii testului cu valoarea testului critic (tabelar sau teoretic)
rezultă că:

− t critic ( − 2,201) < t b 3 ( − 0,5338718) < t critic ( 2,201)

– pragul critic P-value = 0,60405119> pragul de semnificaţie
b3 α = 0,05

18
 – limita inferioară a intervalului de încredere (lower 95% = -44,63231689) este cu semn
contrar faţă de limita superioară a intervalului (upper 95% = + 27,206955); intervalul
de încredere este -44,63231689 27,206955.
≤ β3 ≤

4. Să se măsoare intensitatea legăturii dintre variabile folosind raportul de corelaţie,

testând semnificaţia acestuia pentru un nivel de semnificaţie 0,05

SUMMARY OUTPUT

Regression Statistics

Multiple R 0,385880719
R Square 0,148903929
Adjusted R Square -0,083213181
Standard Error 4826,520049
Observations 15

Din tabel avem Multiple R (Raportul de corelaţie): ceea ce

R = 0,385880719∈ ( 0,2;0,5)
înseamnă că legătura dintre câștig salarial din industria extractivă, PIB, populație și nr mediu
salariați din industria extractivă este slabă.

Testarea semnificaţiei raportului de corelaţie:

Ipoteza nulă (raportul de corelaţie al colectivităţii din care s-a extras
H0 : R = 0
eşantionul nu diferă semnificativ de zero, deci nu este semnificativ statistic);
Ipoteza alternativă ( raportul de corelaţie al colectivităţii din care s-a extras
H1 : R ≠ 0
eşantionul diferă semnificativ de zero, deci este semnificativ statistic);

Ştiind că pragul de semnificaţie este şi k=3(există trei factori de influenţă) se

α = 0,05
stabilesc:
♦ valoarea critică:
Ftabelar = Fα ; k ; n − k −1 = Fα ;3;n −3−1 = F0,05; 3;11 = 3,59
♦ regiunea de respingere: dacă , atunci H0 se respinge
Fc > Fα ; k ; n− k −1

19
 Determinarea statisticii testului ( ) are la bază relaţia:
Fcalculat = Fc

R2 n − k −1 0,1489 11
Fc = ⋅ = ⋅ = 0,6415
1− R 2
k 1 − 0,1489 3
Concluzie:
Deoarece , atunci se acceptă, ceea ce înseamnă că
Fc (0,6415) < F0,05; 3; 11 ( 3,59) H0

raportul de corelaţie al colectivităţii din care s-a extras eşantionul nu diferă semnificativ de
zero, deci nu este semnificativ statistic.

5. Ce pondere din variaţia variabilei efect este explicată de variatia variabilelor?

SUMMARY OUTPUT

Regression Statistics

Multiple R 0,385880719
R Square 0,148903929
Adjusted R Square -0,083213181
Standard Error 4826,520049
Observations 15

Coeficientul de determinaţie (R SQUARE - ) ne indică pondrea de

2
R

influenţă a factorului ( ) în variaţia rezultatului ( )

x y

R Square - ne arată că 14,89% reprezintă influența celor trei factori (câștig

R = 0,148903929
2

salarial din industria extractivă, PIB, populație) asupra variației numărului mediu de salariați
din industria extractivă.

20