Documente Academic
Documente Profesional
Documente Cultură
35
30
25
20
Y
15
10
0
11 12 13 14 15 16 17 18 19 20 21
Figura 1.1.
Concluzie: Potrivit Figurii 1.1. putem afirma că acest model se caracterizează printr-o
legătură liniară, ceea ce însemnă că odată cu creșterea variabilei independente X, are loc
creșterea variabilei dependente Y.
2. Determinăm prin metoda Kramer estimatorii 𝑎̂ şi 𝑏̂ ai modelului: 𝑦̂ = 𝑎̂ + 𝑏̂𝑥
Calculăm valoarea estimatorului 𝑎̂, conform formulei:
𝑎̂ = (∑ 𝑦 ∗ ∑ 𝑥 2 − ∑ 𝑥 ∗ ∑ 𝑥 ∗ 𝑦) / (𝑛 ∗ ∑ 𝑥 2 − (∑ 𝑥) 2
𝑎̂ = (126 ∗ 1320 − 80 ∗ 2056) / (5 ∗ 1320 − 6400) = 9,2
Concluzie: În urma calculelor am obţinut valoarea estimatorului 𝑎̂ care este egală cu 9,2
Calculăm valoarea estimatorului 𝑏̂, conform formulei:
𝑏̂ = (𝑛 ∗ ∑ 𝑥 ∗ 𝑦 − ∑ 𝑥 ∗ ∑ 𝑦) / (𝑛 ∗ ∑ 𝑥 2 − (∑ 𝑥) 2)
𝑏̂ = (5 ∗ 2056 − 80 ∗ 126) / (5 ∗ 1320 − 6400) = 1
Concluzie: În urma calculelor am obţinut valoarea estimatorului 𝑏̂ care este egală cu 1. În
rezultat obţinem ecuaţia: 𝑦̂ = 9,2 + 𝑥
Pentru verificarea datelor obținute, efectuăm calculele respective în Eviews:
Dependent Variable: Y
Method: Least Squares
Date: 09/19/22 Time: 20:05
Sample: 1 5
Included observations: 5
Figura 1.2.
3. Determinarea estimațiilor prin metoda centrării datelor
Pentru a ne convinge de corectitudinea valorilor obţinute, calculăm estimatorii 𝑎̂ şi 𝑏̂, prin
metoda centrării datelor. Calculăm valoarea estimatorului 𝑏̂:
𝑥 = 𝑋 − 𝑋̅, 𝑋̅ = 16
𝑦 = 𝑌 − 𝑌̅, 𝑌̅ = 25,2
Tabelul Nr. 1 Metoda centrării datelor
Nr. xmed ymed Xmed*Ymed Xmed2
1 2 1,8 3,6 4
2 -2 -2,2 4,4 4
3 -4 -3,2 12,8 16
4 0 -1,2 0 0
5 4 4,8 19,2 16
Total 0 0 40 40
^β= ∑ x∗y = 40 =1
∑ x 2 40
Calculăm valoarea estimatorului α^ , conform formulei:
α^ =Y − ^β × X=25,2−1× 16=9,2
Concluzie: În urma calculelor efectuate, au fost obținute valorile estimatorilor α^ =9,2 și ^β=1
, care dovedesc corectitudinea calculelor efectuate anterior. Respectiv, obținem ecuația
liniară indentică cu cea anterioară: ^y =9,2+ x.
4. ANOVA
SPT =∑ ( y i− y ) =42,8
2
SPR=∑ ( y i− ^y ) =2,8
2
SPE=∑ ( ^y − y ) =40
2
Alcătuim ANOVA:
ВЫВОД ИТОГОВ
Регрессионная
статистика
Множестве
нный R 0,966736
R-квадрат 0,934579
Нормирова
нный R-
квадрат 0,912773
Стандартна
я ошибка 0,966092
Наблюдени
я 5
Дисперсионный анализ
Значимо
df SS MS F сть F
42,857
Регрессия 1 40 40 14 0,007246
Остаток 3 2,8 0,933333
Итого 4 42,8
ВЫВОД ОСТАТКА
Стандар
Наблюдени Предсказан тные
е ное Y Остатки остатки
1 27,2 -0,2 -0,23905
2 23,2 -0,2 -0,23905
3 21,2 0,8 0,956183
4 25,2 -1,2 -1,43427
5 29,2 0,8 0,956183
5. Calcularea r și explicarea δ 2s :
=1−
2,8
=0,9346
∑ ( y i− y ) 2
42,8
Concluzie: în urma calculelor am obținut R2=0,9346, ceea ce înseamnă că 93,4% din variația lui y i,
este explicată prin influența variației lui x i.
2
δ =
∑ e ∑ ( y i− ^y ) 2,8
2
=
2
= =0,933
s
n−2 n−2 3
Concluzie: în urma calculelor am obținut δ 2s =0,933 , ceea ce înseamnă că este o diferență mică între
valorile reale ale lui y și valorile estimate.
H 0 : a^ =0
H 0 : a^ ≠ 0
|^a|
t ^acalc=
√ v^
ar ^a
1 2,8
S = δ^ =
n−2 ∑ i
2 2 2
× ( y − ^y ) = =0,9
3
^ 2 S2 0,9
var a^ =S a^ = = =0,0225
∑ ( xi −x ) 40
2
|9,2| 9,2
t ^acalc= = =61,33
√ 0,0225 0,15
4) Comparăm valorile:
^ ^
t acalc >t aa : n−2 ↔ 61,33> 3,482
1) Formulăm ipotezele:
^
H 0 : b=0
H 0 : b^ ≠ 0
^b |b^|
t calc=
√ v^
ar b^
^ ^ ^
var b= var a^ =0,0225
^b |b^| |1| 1
t calc= = = =6,66
ar b^ √ 0,0225
√ v^ 0,15
4) Comparăm valorile:
^b b^
t calc >t b : n−2 ↔ 6,66>3,482
7,699<α <10,70
Deci,
α ∈ ( 7,699; 10,70 )
δ^ 2u 0,933
V ( ^β )= = =0,00067
∑x 2
i
1390
−0,5< α <2,5
Deci,
β ∈ (−0,5 ; 2,5 )
2
R 0,934
F calc= = =4,17
( 1−R ) ×(n−2) 1−0,934 )∗3
2
(
3) Comparăm valorile:
Concluzie: în urma calculelor am obținut că valoarea tabelară este mai mare decât valoarea
calculată, ceea ce înseamnă că modelul este nesemnificativ.