Regresia multiplă inversă

Variables Entered/Removeda

Variables Variables
Model Entered Removed Method

1 invx3, invx1,
. Enter
invx2b

a. Dependent Variable: y

b. All requested variables entered.

Variabilele modelului de regresie: invx X 1 1/ 1  , invx X 2 1/ 2  și invx X 3 1/ 3  sunt variabilele independente şi Y este
variabila dependentă.

În tabelul Model Summary avem determinați: raportul de corelație (coloana 2), raporul de determinație (coloana 3),
valoarea ajustată a lui R (coloana 4), eroarea standard a estimației (coloana 5) și coeficientul Durbin-Watson (coloana 6).

Model Summaryb

Adjusted R Std. Error of the

Model R R Square Square Estimate Durbin-Watson

1 .684a .468 .308 24.00311 1.489

a. Predictors: (Constant), invx3, invx1, invx2

b. Dependent Variable: y

Valoarea raportului de corelație, R = 0.684, arată existența unei corelații medii între variabilele analizate pe baza
modelului invers multiplu. Pentru a interpreta modelul folosim raportul de determinație R2 = 0.468, așadar pentru
modelul folosit, regresia multiplă inversă, variația variabilelor independente X1, X2, X3 explică în proporție de 46.8%
variația variabilei dependente Y. Valoarea ajustată a lui R este 0.308, eroarea standard a estimației este 24.00311și
coeficientul Durbin-Watson are valoarea de 1.489. 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.

ANOVAa

Model Sum of Squares df Mean Square F Sig.

1 Regression 5067.362 3 1689.121 2.932 .086b

 Residual 5761.495 10 576.149

Total 10828.857 13

a. Dependent Variable: y

b. Predictors: (Constant), invx3, invx1, invx2

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 5067.362; - Residual Sum of Squares reprezintă variaţia
reziduală estimată şi are o valoare de5761.495; - Total Sum of Squares reprezintă variaţia totală estimată şi are o valoare
de10828.857.

Pentru eşantionul analizat ( N  14 – mărimea eșantionului și k = 4 – numărul de variabile) avem gradele de libertate
corespunzătoare în tabel pe coloana 3

k-1=3

N-k=14-4=10

N-1=14-1=13

Valoarea coeficientul Fisher este F=2.932

Din tabelul ANOVA, valoarea Sig. Pentru testul F este 0.086 mai MARE decât 0.05, așadar modelul nu este validat

Coefficientsa

Standardized
Unstandardized Coefficients Coefficients 95.0% Confidence Interval for B

Model B Std. Error Beta t Sig. Lower Bound Upper Bound

1(Cons
69.529 19.084 3.643 .005 27.008 112.051
tant)

invx1 -196.982 386.956 -.125 -.509 .622 -1059.174 665.210

invx2 278.806 173.688 .420 1.605 .140 -108.195 665.806

invx3 -1175.757 692.084 -.424 -1.699 .120 -2717.816 366.303

a. Dependent Variable: y

Ecuaţia estimată este:

Y=69.529-196.982 (1/x1)+278.806(1/x2)-1175.757(1/x3)

Ordonatele la origine este semnificativ diferită de zero. Conform ecuației estimate a modelului de regresie multiplă
liniară putem concluziona:

 Dacă X1 creşte cu o unitate, iar celelalte variabile rămân constante, atunci Y scade în MEDIE CU 196.982 unități
 Dacă X2 crește cu o unitate,iar celelalte variabile rămîn constante ,atunci Y crește în medie cu 278.806 unități.
  Dacă X3 crește cu o unitate atunci variabila Y scade cu 1175.757 unități.

Din tabelul coficients avem T1/x1=-0.509,iar valoarea sig este mai mică decît 0,05, așadar variabila X1 influențează
variabila dependentă Y pe modelul invers multiplu.

T1/x2=1.605,iar valoarea sig este mai mare ca 0,05, așadar variabila X2 nu influențează variabila dependentă Y pe
modelul determinat

T1/x3=0,420, iar valoarea sig este mai mare ca 0,05, așadar variabila x3 nu influențează variabila dependentă Y pe
modelul determinat.

Așadar, ordinea de influență asupra variabilei dependente Y este X1, X2 și X folosind modelul invers multiplu.

Conform tabelului Coefficients, cu o probabilitate de 0.95 parametrii

Alfa,beta1,beta2,beta3 ai modelului invers sunt acoperiți de intervalele (27.008, 112.051) , (-1059.174, 665.210), (-
108.95, 665.809) şi respectiv (-2717.816,366)

Tabelul Residuals Statistics ne prezintă informații despre variabilele reziduale, iar valorile minine și maxime ale rezidului
sunt cele mai importante. Valoarea cea mai mică a rezidului,-6.84786, iar valoarea cea mai mare este 34.59992.

Residuals Statisticsa

Minimum Maximum Mean Std. Deviation N

Predicted Value 22.9595 91.9622 51.7143 19.74328 14

Residual -36.84786 34.59992 .00000 21.05212 14

Std. Predicted Value -1.456 2.039 .000 1.000 14

Std. Residual -1.535 1.441 .000 .877 14

a. Dependent Variable: y