Model Summary

Adjusted R Std. Error of the

R R Square Square Estimate
,900 ,809 ,788 386,780
The independent variable is X.

Valoarea raportului de corelație pentru acest model este R = 0.900 (mai mică decât în cazul

modelului liniar), așadar există o corelație medie între variabilele analizate pe baza modelului

logaritmic. Se observă că valoarea acestuia este mai mică decât 0.900, așadar intersitatea legăturii

între cele două variabile este medie dacă folosim modelul logaritmic. Pentru a interpreta modelul

folosim raportul de determinație R2 = 0.809, astfel pentru modelul folosit, regresia simplă

logaritmică, variația variabilei independente X explică în proporție de 51.7% din variația variabilei

dependente Y. Valoarea ajustată a lui R este 0.788 și eroarea standard a estimației este 386,780.

Tabelul ANOVA prezintă estimaţiile celor două componente ale variaţiei, gradele de

libertate corespunzătoare, estimaţiile varianţelor explicată şi reziduală, valoarea calculată a

raportului Fischer şi semnificaţia testului.

ANOVA
Sum of Squares df Mean Square F Sig.
Regression 5709357,047 1 5709357,047 38,164 ,000
Residual 1346391,499 9 149599,055
Total 7055748,545 10
The independent variable is X.

Din tabelul ANOVA, componentele variaţiei sunt prezentate pe coloana a doua altfel:

- Regression Sum of Squares reprezintă variaţia explicată estimată şi are o valoare de

5709357,047

- Residual Sum of Squares reprezintă variaţia reziduală estimată, are valoarea de 1346391,499 și

este mai mare decât în cazul modelului liniar (așadar modelul liniar este mai bun pentru

previziune);

- Total Sum of Squares reprezintă variaţia totală estimată şi are o valoare de 7055748,545.

Pentru eşantionul analizat ( N  10 - mărimea eșantionului și k = 2 – numărul de variabile)

avem gradele de libertate corespunzătoare în tabel pe coloana 3:

k–1=1

N–k=9

N – 1 = 10

Valoarea coeficientul Fisher este

F 38,164. Din tabelul ANOVA, valoarea Sig. pentru

testul F este mai mică decât 0.05, adică modelul construit explică dependenţa dintre variabile

printr-o legătură neliniară logaritmică, care este considerată semnificativă. Așadar, modelul

determinat (regresia logaritmică) este validat cu o probabilitate de 95%.

Parametrii modelului de regresie simplă logaritmică sunt determinați pe coloana 2 din

tabelul Coefficients:

Coefficients
Standardized
Unstandardized Coefficients Coefficients
B Std. Error Beta t Sig.
ln(X) 913,618 147,889 ,900 6,178 ,000
(Constant) -2670,095 535,967 -4,982 ,001

Valorile coeficienților de regresie pentru modelul neliniar logaritmic sunt:

α=-2670,095 și β= 913,618. Ecuaţia estimată modelului neliniar de regresie logaritmică este:

y= -2670,095 + 913,618 ln(x)
Putem interpreta din punct de vedere econometric ecuația estimtă a modelul determinat
astfel: la o creştere cu o unitate a lui

ln( ) x , y crește în medie cu 913,618 unități.

Din tabelul Coefficients avem t ln ⁡(x) =¿6,178 și t cons tan t = -4,982 (coloana 5), iar valoarea Sig.
(coloana 6) pentru testul t este mai mică decât 0.05, așadar se respinge ipoteza H0, și se acceptă
ipoteza H1, adică coeficientul de regresie este considerat semnificativ diferit de 0, așadar
variabila Y este influențată semnificativ de variabila X.
Graficul regresiei neliniare logaritmică este: