Documente Academic
Documente Profesional
Documente Cultură
a. Definire: M(εi)=0
Potrivit acestei ipoteze, restricţia modelării econometrice este ca toţi ceilalţi factori neincluşi
în model şi reprezentaţi de variabila reziduală, precum şi erorile determinate de metoda statistică
să nu afecteze sistematic media variabilei dependente 𝑌.
Ipoteza 𝑴(𝜺𝒊)=𝟎 este echivalentă cu condiţia: 𝑀(𝑌/𝑋)=𝛽0+𝛽1𝑋.
c. Testarea ipotezei
Formularea ipotezelor
H0: M(εi)=0 (media erorilor este nulă; erorile nu afecteaza sistematic media variabilei dependente
Y)
H1: M(εi)≠0 (media erorilor este diferită semnificativ de zero; erorile afectează sistematic media
variabilei dependente 𝑌)
^
M ( εi )−M ( εi )
Alegerea testului: t=
√ V^ ( M^ ( εi ))
Valoarea teoretică a testului: tα/2,n-1
M (ei) M (ei )
Calculul statisticii test: t calc= =
s /√ n s ^M (ε)
Regula de decizie:
În funcţie de statistica 𝑡:
Coefficientsa
Standardized
Unstandardized 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
Se cere:
One-Sample Test
Test Value = 0
95% Confidence Interval
Mean of the Difference
t df Sig. (2-tailed) Difference Lower Upper
Unstandardized Residual .000 391 (n- 1.000 .00000000 -.4932982 .4932982
(tcalc) 1) (sig)
One-Sample Statistics
N Mean Std. Deviation Std. Error Mean
Unstandardized Residual 392 .0000000 4.96773143 .25090833
Residuals Statisticsa
Minimum Maximum Mean Std. Deviation N
Predicted Value 3.64 32.61 23.45 6.020 392
Residual -16.212 16.980 .000 4.968 392
Std. Predicted Value -3.290 1.523 .000 1.000 392
Std. Residual -3.259 3.414 .000 .999 392
a. Dependent Variable: Miles per Gallon
Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
Unstandardized Residual 392 -16.21164 16.97969 .0000000 4.96773143
Valid N (listwise) 392
EX.2. Pentru erorile estimate în procesul de modelare a timpului de accelerare a unui vehicul de
la 0 la 60 m/h (secunde) (engl. Time to Accelerate from 0 to 60 mph (sec) și puterea motorului
(horsepower), s-au obținut rezultatele de mai jos:
Residuals Statisticsa
Minimum Maximum Mean Std. Deviation N
Predicted Value 9.04 18.49 15.47 1.980 400
Residual -7.576 7.594 .000 2.012 400
Std. Predicted Value -3.249 1.527 .000 1.000 400
Std. Residual -3.761 3.770 .000 .999 400
a. Dependent Variable: Time to Accelerate from 0 to 60 mph (sec)
Considerăm un risc de 0,05. Ce ipoteză poate fi testată pe baza informațiilor din tabelul anterior?
Testați ipoteza și interpretați rezultatele obținute.
a. Definire
2
- ipoteza de homoscedasticitate presupune ca varianţa erorilor să fie constantă: V ( ε i ) =σ
- această ipoteză presupune o varianţă constantă a erorilor la nivelul distribuţiilor
condiţionate de forma Y |X =xi
c. Testarea ipotezei
c.1. Procedee grafice: reprezentarea distribuţiei erorilor şi aprecierea varianţei acesteia (Scatter
plot)
c.2. Testul Glejser (cazul regresiei liniare simple):
Acest test are la bază un model ed regresie între variabila reziduală estimată și variabila
independentă. Presupune testarea semnificaţiei parametrului 𝛼1 din modelul de regresie estimat
construit pe baza variabilei reziduale în valoare absolută (|𝑒i|) ca variabilă dependentă şi variabila
independentă (𝑋):
|𝑒𝑖 | = 𝛼0 + 𝛼1𝑥𝑖 + 𝑢𝑖
Etapele testării:
1. Se estimează modelul de regresie de forma: Y = β0 + β 1 ⋅ X +ε
2. Se calculează erorile ei.
3. Se construieşte un model de regresie pe baza erorilor estimate în valoare absolută şi
variabila independentă: |ε i|=α 0 +α 1 ⋅ x i +ui
4. Se testează α 1
Dacă α 1este semnificativ diferit de zero există legătură între erorile în valoare
absolute şi variabila independenta. Prin urmare modelul este heteroscedastic.
Dacă α 1nu este semnificativ diferit de zero nu există legătură între erorile, în
valoare absolută, şi variabila independenta. Prin urmare modelul este homoscedastic.
Ex. 1: Pentru un esantion de masini se considera legatura dintre Consum (Miles per galon) si
Puterea motorului (horsepower). Rezultatele obtinute sunt prezentate mai jos:
Model Summaryb
Adjusted R Std. Error of the
Model R R Square Square Estimate
1 .771 a
.595 .594 4.974
a. Predictors: (Constant), Horsepower
b. Dependent Variable: Miles per Gallon
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 14169.756 1 14169.756 572.709 .000b
Residual 9649.237 390 24.742
Total 23818.993 391
a. Dependent Variable: Miles per Gallon
b. Predictors: (Constant), Horsepower
Coefficientsa
Standardized
Unstandardized 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
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 5.223 .452 11.559 .000
Horsepower -.013 .004 -.160 -3.198 .001
a. Dependent Variable: erori_absolute
Ex.2: Pentru un esantion de masini se considera legatura dintre timpul de accelerare a unui
vehicul de la 0 la 60 m/h (engl. Time to Accelerate from 0 to 60 mph (sec) și puterea motorului
(horsepower). Rezultatele obtinute sunt prezentate mai jos:
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 20.855 .292 71.347 .000
Horsepower -.051 .003 -.701 -19.632 .000
a. Dependent Variable: Time to Accelerate from 0 to 60 mph (sec)
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 2.281 .182 12.538 .000
Horsepower -.007 .002 -.210 -4.280 .000
a. Dependent Variable: erori_absolute
Se cere:
Ex 1: În studiul legăturii dintre valoarea salariului lunar (sute lei), a numărului total de ani de
şcoală (ani) şi a experientei anterioare (luni) pentru un eşantion de salariaţi, s-au obţinut
următoarele rezultate:
Dependent Variable: SALARY
Method: Least Squares
Sample: 1 474
Included observations: 474
a. Definirea ipotezei
Erorile 𝜀𝑖 urmează o lege normală de medie 0 şi varianţă σ 2: 𝜀𝑖~𝑁(0, σ 2 ¿
- dacă ipoteza de normalitate este încălcată, atunci estimatorii construiţi pe baza metodei celor mai
mici pătrate nu urmează o lege de repartiţie normală, având doar proprietăţi asimptotice, adică
necesită eşantioane sau seturi mari de date.
c. Testarea ipotezei
c.1. Procedee grafice: histograma si curba frecventelor , box-plot, Q-Q plot, P-P plot
o Histograma şi curba frecvenţelor
o Diagrama PP-Plot
o Diagrama QQ-Plot
1. Formularea ipotezelor:
𝐻0: 𝜀𝑖~𝑁(0,𝜎2) (ipoteza de normalitate: erorile urmează o lege de repartiţie normală sau erorile
sunt normal distribuite)
𝐻1:𝜀𝑖~𝑁(0,𝜎2) (erorile nu urmează o lege de repartiţie normală sau erorile nu sunt normal
distribuite)
2. Alegerea pragului de semnificaţie: 𝛼=0,05
3. Regula de decizie:
În funcţie de 𝑆𝑖𝑔 (probabilitatea asociată statisticii test):
- dacă 𝑆𝑖𝑔≥𝛼 atunci nu se respinge (se acceptă) ipoteza nulă (𝐻0)
- dacă 𝑆𝑖𝑔<𝛼, atunci se respinge ipoteza nulă (𝐻0)
1. Formularea ipotezelor:
𝐻0: 𝜀𝑖~𝑁(0,𝜎2) (ipoteza de normalitate: erorile urmează o lege de repartiţie normală sau
erorile sunt normal distribuite)
𝐻1:𝜀𝑖~𝑁(0,𝜎2) (erorile nu urmează o lege de repartiţie normală sau erorile nu sunt normal
distribuite)
[ ]
2
n 2 k
4. Calcularea statisticii test: JB= ⋅ s w +
6 4
- unde 𝑠𝑤 este estimaţia coeficientul de asimetrie 𝑆𝑤 şi 𝑘 este estimaţia coeficientul de
boltire 𝐾.
5. Regula de decizie:
În funcţie de valoarea calculată a statisticii 𝐽𝐵:
2
- dacă 𝐽𝐵𝑐𝑎𝑙𝑐≤ χ α , 2, atunci se acceptă ipoteza nulă (𝐻0);
2
- dacă 𝐽𝐵𝑐𝑎𝑙𝑐> χ α , 2, atunci se respinge ipoteza nulă (𝐻0), cu o probabilitate de (1−𝛼).
6. Decizie
Exemplu: Pentru un esantion de masini se considera legatura dintre variabilele Consum si Puterea
motorului. Rezultatele obtinute sunt prezentate in tabelele de mai jos:
1.0 15
10
0.8
5
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
50
40
F re q u e n c y
30
10
Mean = 3.6082248E-16
Std. Dev. = 4.96773143
N = 392
0
-20.00000 -10.00000 0.00000 10.00000 20.00000
Unstandardized Residual
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
2. Pentru un esantion de masini se considera legatura dintre timpul de accelerare a unui vehicul
de la 0 la 60 m/h (engl. Time to Accelerate from 0 to 60 mph (sec) și puterea motorului
(horsepower). Rezultatele obtinute sunt prezentate mai jos:
One-Sample Kolmogorov-Smirnov Test
Unstandardized
Residual
N 398
Normal Parameters a,b
Mean .0000000
Std. Deviation 2.50088800
Most Extreme Differences Absolute .050
Positive .050
Negative -.036
Test Statistic .050
Asymp. Sig. (2-tailed) .018c
a. Test distribution is Normal.
b. Calculated from data.
c. Lilliefors Significance Correction.
Statistics
Unstandardized Residual
N Valid 398
Missing 8
Skewness .461
Std. Error of Skewness .122
Kurtosis .392
Std. Error of Kurtosis .244
4. Ipoteza de necorelare sau de independenţă a erorilor: cov(εi, εj)=0
a. Definirea ipotezei
Ipoteza de necorelare sau de independenţă a erorilor se referă la lipsa une corelaţii între
variabilele reziduale sau la faptul că eroarea asociată unei valori a variabilei dependente nu este
influenţată de eroarea asociată altei valori a variabilei dependente.
În condiţiile în care ipoteza de independenţă a erorilor nu este verificată, modelul de regresie
înregistrează o autocorelare a erorilor sau o corelaţie serială.
Autocorelarea sau corelaţia serială presupune existenţa unei autocorelări între erorile 𝜀𝑖, altfel
spus: 𝑐𝑜𝑣(𝜀𝑖,𝜀𝑗)≠0.
c. Testarea ipotezei
H0: cov(εi, εi)=0 sau (r = 0)
H1: cov(εi, εi)≠0 sau (r ≠ 0)
* 𝑑𝐿 = limita inferioara
* 𝑑U = limita superioara
Se citesc valorile din tabela Durbin-Watson pentru 𝑑𝐿 ş𝑖 𝑑𝑈, ţinând cont de numărul de
parametrii din model, de volumul eşantionului 𝑛 şi de riscul asumat 𝛼.
5. Regula de decizie
În funcţie de aceste valori critice se determină următoarele intervale, care permit luarea deciziei
de respingere sau acceptare a ipotezei nule:
- dacă (0<𝑑𝑐𝑎𝑙𝑐<𝑑𝐿), se respinge ipoteza nulă (𝐻0), erorile înregistrează autocorelare pozitivă;
- dacă (4−𝑑𝐿<𝑑𝑐𝑎𝑙𝑐<4), se respinge ipoteza nulă (𝐻0), erorile înregistrează autocorelare
negativă;
- (𝑑𝐿<𝑑𝑐𝑎𝑙𝑐<𝑑𝑈) şi (4−𝑑𝑈<𝑑𝑐𝑎𝑙𝑐<4−𝑑𝐿) sunt regiuni de nedeterminare, nu se poate decide
asupra existenţei autocorelării erorilor;
- dacă (𝑑𝑈<𝑑𝑐𝑎𝑙𝑐<4−𝑑𝑈), se acceptă ipoteza nulă (𝐻0), erorile nu sunt autocorelate sau nu
există autocorelare a erorilor.
Testul RUNS - se bazează pe ideea că valorile variabilei reziduale se constituie în
secvenţe sau seturi de valori pozitive sau negative numite runs, care se succed într-o
anumită ordine sau aleator.
1. Formularea ipotezelor
H0: k este distribuit normal (nu există autocorelare a erorilor; erorile nu sunt autocorelate)
H1: k nu este distribuit normal (ipoteza este încălcată; erorile sunt autocorelate)
2 2 n1 n2−n1−n2
sk =2n 1 n2
¿¿
n1 este numărul de valori pozitive ale erorilor ei ;
n2 este numărul de valori negative ale erorilor ei,
cu n1 + n2 = n .
3. Regula de decizie:
- dacă |tcalc| ≤ ta/2,n-2 sau sau sig >𝛼 sau k ∈ [ M (k )± 1,96 ⋅ s k ] , atunci se
Model Summaryb
Adjusted R Std. Error of Durbin-
Model R R Square Square the Estimate Watson
1 .771 a
.595 .594 4.974 .964
a. Predictors: (Constant), Horsepower
b. Dependent Variable: Miles per Gallon
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
Consideram un risc de 0,05. Ce ipoteză a modelului de regresie este testată? Ce teste sunt
utilizate? Interpretați rezultatele obținute.
2. Pentru un esantion de masini se considera legatura dintre timpul de accelerare a unui vehicul
de la 0 la 60 m/h (engl. Time to Accelerate from 0 to 60 mph (sec) și puterea motorului
(horsepower). Rezultatele obtinute sunt prezentate mai jos:
Model Summaryb
Adjusted R Std. Error of the
Model R R Square Square Estimate Durbin-Watson
1 .701a
.492 .491 2.014 1.521
a. Predictors: (Constant), Horsepower
b. Dependent Variable: Time to Accelerate from 0 to 60 mph (sec)
Runs Test
Unstandardized
Residual
Test Value a
-.14663
Cases < Test Value 198
Cases >= Test Value 202
Total Cases 398
Number of Runs 158
Z -4.304
Asymp. Sig. (2-tailed) .000
a. Median
Consideram un risc de 0,05. Ce ipoteză a modelului de regresie este testată? Ce teste sunt
utilizate? Interpretați rezultatele obținute.
II. Ipoteze asupra variabilelor independente
1. Variabilele independente sunt nestochastice sau deterministe.
2. Variabilele independente şi variabila eroare sunt necorelate, cov (Xi,εi)=0.
- această ipoteză este îndeplinită dacă variabilele independente sunt nestochastice.
3. Ipoteza de necoliniaritate a variabilelor independente
1
VI F j=
1−R 2j
Unde R2j este raportul de determinaţie din modelul de regresie auxiliar, respectiv dintre
variabila Xj şi celelalte variabile independente.
Interpretare:
2
VIF=1=> lipsa coliniarității și se realizează dacă R j =0
2
R j =1=> intre variabilele independente => există o coliniaritate perfectă=> VIF este infinit
!VIF are o valoarea ridicată (VIF>10) => variabilele independente sunt coliniare
2. Toleranţa (Tolerance)
1
TOL=
VI F j
=1- R2j
Interpretare:
TOL=1 => nu există coliniaritate
TOL=0=> există coliniaritate perfectă
! existența coliniarității este sugerată de valorile mici la indicatorului TOL.
EXERCIȚII:
Coefficientsa
Unstandardized Standardized
Coefficients Coefficients Collinearity Statistics
Model B Std. Error Beta t Sig. Tolerance VIF
1 (Constant) 78.774 6,430 12.252 .000
PIB/locuitor .001 .000 .383 4.357 .000 .586 1.707
Rata de natalitate -.503 .183 -.256 -2.743 .007 .501 1.995
Rata de mortalitate -1.837 .408 -.323 -4.504 .000 .851 1.175
Se cere:
a. să se testeze ipoteza de necoliniaritate a variabilelor independente, utilizând
indicatorul VIF
b. să se testeze ipoteza de necoliniaritate a variabilelor independente, utilizând
indicatorul TOL
c. Să se calculeze raportul de determinatie pentru modelul auxiliar corespunzator
variabilei Rata de mortalitate
2. În vederea testării coliniarităţii dintre variabilele independente ale unui model de regresie,
s-au obţinut următoarele rezultate:
Coefficientsa
Unstandardized Standardized
Coefficients Coefficients Collinearity Statistics
Model B Std. Error Beta t Sig. Tolerance VIF
1 (Constant) 65,705 27,731 2,369 ,037
X1 48,979 10,658 ,581 4,596 ,001 ,950 1,052
X2 59,654 23,625 ,359 2,525 ,028 ,753 1,328
X3 -1,838 ,814 -,324 -2,258 ,045 ,738 1,355
a. Dependent Variable: Y
Pentru exemplul dat, se poate considera că există coliniaritate între variabilele independente?
3. În vederea testării coliniarităţii dintre variabilele independente ale unui model de regresie,
s-au obţinut următoarele rezultate:
Pentru exemplul dat, se poate considera că există coliniaritate între variabilele independente?
4. În vederea testării coliniarităţii dintre variabilele independente ale unui model de regresie,
s-au obţinut următoarele rezultate:
a. Pentru exemplul dat, se poate considera că există coliniaritate între variabilele
independente?
b. Estimati valorile coeficientilor de determinatie din modelul auxiliar corespunzator
fiecarei variable independente.
GRILE:
1. În urma modelării relației dintre două variabile printr-un model liniar rezultă o eroare de
modelare pentru care s-au calculat următorii indicatori statistici:
Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
Unstandardized Residual 474 -21567.42256 79042.95061 .0000000 12819.9663973
0
Valid N (listwise) 474
Pe baza datelor de mai sus, pentru o probabilitate de 0,90, se poate considera că:
2. Pentru erorile estimate ale unui model de regresie, s-au obținut rezultatele de mai jos:
Runs Test
Unstandardized
Residual
Test Value a
-288.49547
Cases < Test Value 3
Cases >= Test Value 3
Total Cases 6
Number of Runs 2
Z -1.369
Asymp. Sig. (2-tailed) .171
a. Median
a. nu sunt corelate
b. se respect ipoteza de necoliniaritate
c. sunt corelate
d. sunt homoscedastice
3. Pentru erorile estimate ale unui model de regresie s-a obținut următoarea reprezentare
grafică:
4. Cu privire la erorile unui model de regresie liniară simplă s-au obținut următoarele rezultate:
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) .280 .067 4.206 .000
Household income in .017 .001 .473 15.652 .000
thousands
a. Dependent Variable: erori_valori_absolute
Pe baza rezultatelor de mai sus, pentru o probabilitate de 0,95, se poate considera că:
a. Media erorilor este semnificativ diferită de 0.
b. Modelul initial este homoscedastic
c. V (εi )≠ σ2
d. M(εi)=0
5. Pentru erorile estimate ale unui model de regresie s-au obținut următoarele rezultate:
Statistics
Unstandardized Residual
N Valid 1000
Missing 0
Skewness 1.216
Std. Error of Skewness .077
Kurtosis 2.255
Std. Error of Kurtosis .155
Minimum -84.81886
Maximum 155.04145
6. În urma modelării legăturii dintre două variabile, pentru erorile estimate, s-au obținut
următoarele rezultate:
Statistics
Unstandardized Residual
N Valid 474
Missing 0
Mean .0000
Std. Error of Mean 588.840
Std. Deviation 12819.966
Variance 164351538.428
Skewness 1.764
Std. Error of Skewness .112
Kurtosis 5.798
Std. Error of Kurtosis .224
7. În studiul legăturii dintre Presiunea arterială (mm/hg) și Vârsta (ani), s-au obținut
următoarele rezultate:
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 58.706 6.452 9.098 .000
age in years 1.463 .102 .979 14.300 .000
a. Dependent Variable: Systolic blood presure (mm hg)
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) -1.034E-14 6.452 .000 1.000
age in years .003 .102 .000 .000 1.000
a. Dependent Variable: error_abs
a. V (εi )≠ σ2
b. Ecuația modelului auxiliar este: |ei| = 58.706 +1.463X
c. M(εi)≠0
d. Modelul inițial este homoscedastic
8. Pentru erorile estimate ale unui model de regresie liniară multiplă, obținute pe baza unui
eșantion de n=474 observații, s-a obținut valoarea calculată a testului Durbin-Watson
egală cu 1,870. Pentru un risc de 0,05 și un număr de parametri estimați ai modelului de
k=3, se poate considera că erorile sunt:
a. autocorelate pozitiv
b. autocorelate negativ
c. necorelate
d. nu se poate preciza dacă există autocorelare sau nu
9. În urma analizei coliniarităţii pentru un model de regresie multiplă s-au obţinut
rezultatele din tabelul de mai jos:
Coefficientsa
Unstandardized Standardized
Coefficients Coefficients Collinearity Statistics
Model B Std. Error Beta t Sig. Tolerance VIF
1(Constant) 32.773 5.417 6.050 .000
Daily calorie intake .012 .002 .615 5.598 .000 .436 2.295
Gross domestic .000 .000 .213 1.939 .056 .436 2.295
product / capita
a. Dependent Variable: Average female life expectancy
10. Pentru erorile estimate ale unui model de regresie s-a obținut următoarea reprezentare
grafică:
Se poate considera că:
a. Distribuția erorilor este normal distribuită
b. Nu se poate preciza nimic despre distribuția erorilor
c. Nu se poate testa normalitatea erorilor cu ajutorul histogramei
d. Distribuția erorilor nu urmează o lege de repartiție normală
11. Se estimează un model de regresie având ca variabilă dependentă salariul curent anual și
ca variabile independente salariul anual la angajare și nivelul de educație. În demersul
verificării ipotezelor asupra acestui model de regresie, se estimează un model de regresie
auxiliar și se obțin rezultatele din tabelul de mai jos:
One-Sample Statistics
N Mean Std. Deviation Std. Error Mean
Unstandardized Residual 109 .0000000 .95585683 .09155448
13. În urma analizei coliniarității variabilelor independente ale unui model de regresie s-au
obținut următoarele rezultate:
Unstandardized Standardized
Coefficients Coefficients Collinearity Statistics
Model B Std. Error Beta t Sig. Tolerance VIF
(Constant) -27886.290 5529.479 -5.043 .000
Nivel educatie 4004.576 210.628 .677 19.013 .000 .934 1.071
Luni de la angajare 87.951 58.441 .052 1.505 .133 .998 1.002
Experienta anterioara 11.936 5.803 .073 2.057 .040 .936 1.068
14. În urma modelării Salariului curent printr-un model liniar multiplu pe baza unui număr
de n=474 de înregistrări s-au obţinut următoarele informaţii:
Model Summaryb
Adjusted R Std. Error of the
Model R R Square Square Estimate Durbin-Watson
1 .666 a
.444 .441 $12,771.556 1.879
a. Predictors: (Constant), Months since Hire, Previous Experience (months), Educational
Level (years)
b. Dependent Variable: Current Salary
15. În urma analizei erorilor de estimare ale unui model de regresie liniară simplă, s-au
obținut rezultatele de mai jos: