SUMMARY OUTPUT

Regression Statistics
Multiple R 0.946209947858713
R Square 0.895313265426789
Adjusted R Square 0.882997179006411
Standard Error 512.818012859066
Observations 20

ANOVA
df
Regression R 1
Residual E 17
Total 19

Coefficients
Intercept a 1202.00736281777
Consum (x) b 0.971867071289985

a.Completati ta
b. Interpret
c. Interpretati
d. Scrieti ecuatia de regresie estima
e. Testati validitatea modelului, avand un mo
A. a.Completati ta
Formule si rezolvari
Total n-1=20-1=19
Deoarece sunt 2 coloane, venit si consum, k=2
Regression k-1
Residual n-k

PAS 2
R^2 SSR/SST
Multiple R sqr R

PAS3
Standard Error Intercept/T stat
Consum(x) Lower+Upper /2
T stat consum(x)/st error

b. Interpretati valoarea lui R Sq

Daca Rsquare> 0.7, atunci corelatia este mare între venituri si consum
Daca Rsquare<0.4, atunci corelatia este mare intre venituri si consum
c. Interpretati
Coeficientul de corelație de 0,946209948 indică o corelație puternică pozitivă între două variabile. Cu cât valoarea coeficientu

y= a+bx
y= 1202.00736281777 + 0.98*x
panta= b/a 0.000808536703978015

e. Testati validitatea modelului, avand un mo

H0: MSR=MSE nu e valid
H1: MSR>MSE valif
F calc= MSR/MSE Fcalc> Fa => H1
 S-a analizat, printr-un model de regresie liniara simpla, evolutia veniturilor in raport cu consumul u
observate cu Excel, s-au obtinut rezultate

COEFICIENT DE CORELATIE
COEF DE DETERMINARE

radical din MSE

SS MS F
38234800.656684 38234800.6566837 145.389247017
4470699.3433163 262982.314312721
42705500

Standard Error t Stat Lower 95% Upper 95%

410.23623253843 2.93003705543044 340.133020172 2063.88170546
0.0808796832698 12.0162076803326 0.8019451621 1.14178898048

a.Completati tabelul cu datele care lipsesc

b. Interpretati valoarea lui R Square
c. Interpretati Coeficientul de corelatie
ecuatia de regresie estimata si interpretati valoarea coeficientului panta.
ea modelului, avand un model de semnificatie de 5%, iar valoarea tabelara de 4,49
a.Completati tabelul cu datele care lipsesc
SS MS F
SSE= MSE* df (residual prima data) SSR/df MSR/MSE
SSR=Total-Residual (pentru prima coloana)
terpretati valoarea lui R Square

c. Interpretati Coeficientul de corelatie

două variabile. Cu cât valoarea coeficientului de corelație este mai aproape de 1, cu atât există o corelație mai puternică între variabilele re
d. Scrieti ecuatia de regresie estimata si interpretati valoarea coeficientu

Aceasta indică faptul că pentru fiecare unitate de creștere a variabilei independente, variabila dependentă
se va crește cu 0.0008 unități. De exemplu, dacă variabila independentă ar fi timpul petrecut studiind și
variabila dependentă ar fi nota obținută la examen, atunci un coeficient de pantă de 0.0008 ar însemna că
pentru fiecare oră petrecută studiind, nota obținută la examen ar crește cu0.0008 puncte (în cazul unei
relații liniare între cele două variabile). Este important să rețineți că această interpretare depinde de
contextul specific al setului de date și de metoda de regresie utilizată.

ea modelului, avand un model de semnificatie de 5%, iar valoarea tabelara de 4,49

rilor in raport cu consumul unei companii pentru o perioada de 20 ani. In urma prelucrarii datelor
Excel, s-au obtinut rezultatele de mai jos:

d.Dreapta de regresie estimată este 𝑦𝑖

Cu alte cuvinte, cu cât valoarea coeficien

ului panta.
rea tabelara de 4,49
 ție mai puternică între variabilele respective. Cu alte cuvinte, o creștere a unei variabile este asociată cu o creștere a celeilalte variabile. D
ti valoarea coeficientului panta.

ariabila dependentă
etrecut studiind și
.0008 ar însemna că
ncte (în cazul unei
re depinde de

rea tabelara de 4,49

mată este 𝑦𝑖=2,6917−0,4771 ⋅𝑥𝑖 Interpretare: 𝑏1=−0,4771 măsoară pa

area coeficientului de determinare R^2 este mai aproape de 1, cu atât m

e a celeilalte variabile. Dacă coeficientul de corelație ar fi fost negativ, atunci ar fi indicat o corelație puternică negativă între cele două vari
71 măsoară panta dreptei de regresie şi arată că, atunci când Preţul u

e de 1, cu atât modelul de regresie se potrivește mai bine datelor obse

ă negativă între cele două variabile, adică o creștere a unei variabile este asociată cu o scădere a celeilalte variabile.
ci când Preţul unei tablete de ciocolată creşte cu un euro, Consu

ine datelor observate și explică o proporție mai mare din variația variab
un euro, Consumul zilnic de tablete de ciocolată al unei persoane, sca

in variația variabilei dependente. R^2 este adesea folosit ca măsură de

ei persoane, scade, în medie, cu 0,4771 tablete.

it ca măsură de evaluare a calității unui model de regresie, împreună c

esie, împreună cu alte statistici și evaluări ale reziduurilor modelului.
r modelului.