Documente Academic
Documente Profesional
Documente Cultură
ANOVAb
Sum of
Model Squares df Mean Square F Sig.
1 Regression 14169.756 1 14169.756 572.709 .000a
Residual 9649.237 390 24.742
Total 23818.993 391
a. Predictors: (Constant), Horsepower
b. Dependent Variable: Miles per Gallon
Coefficientsa
Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 39.855 .730 54.578 .000
Horsepower -.157 .007 -.771 -23.931 .000
a. Dependent Variable: Miles per Gallon
Distributia normala este perfect simetrica (asimetria = skewness = 0) si are boltirea medie
(boltirea = kurtosis = 0).
Legea normală este definită de funcţia de densitate de probabilitate care este reprezentată grafic prin
curba densităţii de probabilitate, curbă cu alură de clopot (clopotul Gauss-Laplace).
1
Diagrama Boxplot
-20
-10
20
10
0
Unstandardized Residual
35
333
317
337
330
162
Distributia erorilor prezinta o usoara asimetrie la dreapta, dar putem accepta ipoteza de normalitate a
erorilor.
2
Histograma şi curba frecvenţelor
50
40
Frequency
30
20
10
Mean = 3.6082248E-16
Std. Dev. = 4.96773143
N = 392
0
-20.00000 -10.00000 0.00000 10.00000 20.00000
Unstandardized Residual
Curba frecventelor are forma clopotului Gauss-Laplace, deci admitem ca erorile urmeaza o lege normala
de distributie.
Normal P-P Plot of Unstandardized Residual Normal Q-Q Plot of Unstandardized Residual
1.0 15
10
0.8
Expected Normal Value
Expected Cum Prob
0.6
0.4
-5
0.2
-10
0.0 -15
0.0 0.2 0.4 0.6 0.8 1.0 -20 -10 0 10 20
3. Să se verifice dacă erorile sunt normal distribuite, folosind procedeele QQ plot şi PP plot.
Distributia reala a erorilor (punctele) se suprapune pe dreapta Henry care corespunde distributiei
teoretice – normale (cele mai multe puncte sunt pe dreapta sau apropriate de dreapta), deci erorile
urmeaza o lege de repartitie normala.
3
Testul Kolmogorov Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardiz
ed Residual
N 392
Normal Parameters a,b Mean .0000000
Std. Deviation 4.96773143
Most Extreme Absolute .058
Differences Positive .058
Negative -.034
Kolmogorov-Smirnov Z 1.146
Asymp. Sig. (2-tailed) .144
a. Test distribution is Normal.
b. Calculated from data.
Statistics test: KS
zcalc = 1,146
zteoretic = 1,96 (Tabelul Laplace)
Pt ϕ(z) = 0,95/2 = 0,475 z = 1,96
Decizia:
Testul Jarque-Bera
Statistics
Unstandardized Residual
N Valid 392
Missing 14
Skewness .411
Std. Error of Skewness .123
Kurtosis .450
Std. Error of Kurtosis .246
n 2 k2
JB s ~ 2 (2)
6 4
5. Să se verifice normalitatea erorilor folosind testul Jarque-Bera.
4
H0: erorile urmeaza o lege de repartitie normala:
H1: erorile nu urmeaza o lege de repartitie normala:
Statistics test: JB
Skweness = sk = s = 0,411 (> 0) distributia erorilor este asimetrica la dreapta.
Kurtosis = k = 0,450 (> 0) distributia erorilor este leptocurtica (mai boltita decat distributia
normala).
Valoarea teoretica se citeste din tabelul repartitiei Hi patrat pt riscul α= 0,05 si df = 2 grade de libertate
(skweness si kurtosis).
Decizia:
5
D. Verificarea autocorelării erorilor
1. Testul Runs
Runs Test
Unstandardiz
ed Residual
Test Valuea -.31137
Cases < Test Value 195
Cases >= Test Value 197
Total Cases 392
Number of Runs 106
Z -9.204
Asymp. Sig. (2-tailed) .000
a. Median
H0: erorile sunt independente (erorile nu sunt autocorelate); k este normal distribuit; succesiunea runs-urilor
este aleatoare; cov(εi, εj)=0
H1: erorile nu sunt independente (erorile sunt autocorelate); k nu este normal distribuit; succesiunea runs-urilor
nu este aleatoare; cov(εi, εj)≠0
Statistica test: Runs Test
zcalc = -9,204
zteoretic = 1,96
Decizia:
2. Testul Durbin-Watson
DW = dcalculat = 0,964
Valorile critice:
dL=1.36
dU=1.6
H1 ? H0 H0 ? H1
6
7. Să se verifice independenta erorilor folosind testul Durbin-Watson.
DW = dcalculat = 0,964
Valorile critice:
• Valorile teoretice ale statisticii DW sunt calculate şi tabelate în funcţie de:
– pragul de semnificaţie (α),
– volumul eşantionului (n)
– numărul parametrilor modelului de regresie (k).
• În tabele se determină două valori critice, notate cu dL (limita inferioară) şi dU (limita
superioară).
Din Tabelul teoretic DW, citim:
dL=1.36
dU=1.6
Decizia:
0--0,964--1,36-------1,6------------------------2--------------------2,4--------2,64-----------4
Decizia: Deoarece (0<dcalc<dL) se respinge ipoteza H0, erorile înregistrează o autocorelare pozitivă.
7
E. Lipsa coliniaritatii variabilelor independente dintr-un model de regresie multipla
Pentru un model de regresie liniara multipla cu doua variabile independente, se doreste sa se verifice
grafic existenta coliniaritatii variabilelor independente.
Y = f(X1, X2) + e
8. Sa se interpreteze graficele
8
În analiza coliniarităţii variabilelor independente dintr-un model de regresie liniara multipla, s-au obţinut
următoarele rezultate:
Coefficientsa
Unstandardized Standardized
Mode Coefficients Coefficients Collinearity Statistics
l B Std. Error Beta t Sig. Tolerance VIF
1 (Constant) -20978,3 3087,258 -6,795 ,000
Educational Level (years) 4020,343 210,650 ,679 19,085 ,000 ,936 1,068
Previous Experience
12,071 5,810 ,074 2,078 ,038 ,936 1,068
(months)
a. Dependent Variable: Current Salary
Y = f(X1, X2) + e
Y – Salariul curent
X1 – Educatia (ani)
X2 – Experienta (luni)
Modelul auxiliar:
X1 = f(X2) + u
Modelul auxiliar:
X2 = f(X1) + u
unde: este raportul de determinaţie multiplă dintre variabila independeta Xi şi celelalte variabile
independente.
Variabila Educatie (X1) este explicata in proprtie de 6,4% de variabila independenta Experienta (X2).
Deci, variabilele independente nu sunt coliniare. (TOL 1, VIF 1)
Variabila Experienta (X2) este explicata in proportie de 6,4% de variabila independenta Educatie (X1).
9
În analiza coliniarităţii variabilelor independente, s-au obţinut următoarele rezultate:
Y – Aportul caloric
X1 – GDP
X2 – Rata de alfabetizare
X3 – Speranta de viata a pop feminine
X4 – Pop urban
Interpretarea lui : arată cât la sută din variaţia variabilei independente este explicată
de variaţia simultană a celorlalte variabile independente.
Modelul auxiliar:
X2 = f(X1, X3, X4) + u
10
11. Sa se afle valoarea TOL1
48,4 % din variatia variabilei indep X1 este explicata de variatia simultana a celorlalte variabile
independente din model.
11