Documente Academic
Documente Profesional
Documente Cultură
n = 33
Y=Y+ 0,01*n,
X=X+0,01*n,
Tabelul 1.
Cheltuieli pentru cumpărarea produselor
Salariu mediu lunar al unui lucrător, mii lei,
alimentare , % din volumul total al
x
cheltuielilor, y
A B
70,03 6,03
60,03 7,03
64,03 7,03
54,03 9,03
56,03 8,03
59,03 8,03
53,03 9,03
Tabelul 2.
2
y x x xy
70.03 6.03 36.361 422.281
60.03 7.03 49.421 422.011
64.03 7.03 49.421 450.131
54.03 9.03 81.541 487.891
56.03 8.03 64.481 449.921
59.03 8.03 64.481 474.011
53.03 9.03 81.541 478.861
416.21 54.21 427.246 3185.106
{ (∑ ) ∑
7 7
( n ) a +b xi = yi
i=1 i=1 ⟺
{54 , 217 a+54 , 21b=416 ,21
a+427,246 b=3185,106
(∑ ) (∑ ) ∑
7 7 7
x i a+b x 2i = xi yi
i=1 i=1 i=1
∆= |547,21 54 ,21
427,246 |
=2990,722−2938 ,72=52,002
∆ a= |3185,106
416 , 21
427,246|
54 , 21
=177824,057−172664,596=5159 , 61
∆ =|
54 , 21 3185,106|
7 416 ,21
b =22295,742−22562,744=−267,002
∆a 5159 , 61
a= = ≈ 99 , 22
∆ 52,002
∆b −267,002
b= = ≈−5 , 13
∆ 52,002
y=99 ,22−5 ,13 x
Tabelul 3.
y x x2 xy ^y y− ^y =e | |
y i−^y i
yi
× 100
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 99.223 5.713 17.366 .000
x -5.135 .731 -.953 -7.021 .001
a. Dependent Variable: y
b = -5,13 < 0 prin urmare legătura este inversă și odată cu creșterea valorii factorului x, va scade
valoarea indicatorului rezultativ y. Astfel, la mărirea salariului mediu lunar al lucrătorului cu 1000 lei, în
medie cheltuielile pentru cumpărarea produselor alimentare va scădea cu 5,13%.
Calculăm reziduurile după formula e= y −^y , rezultatele fiind afișate în Tabelul 3.
Tabelul 4.
Coeficientul de corelație:
n
∑ ( x i−x ) ( y i− y )
i=1
r xy =
√
n n
∑ ( y− y )2 ∙ ∑ ( x−x )2
i=1 i=1
−38 , 14
r xy = ≈−0,9528.
√ 215 ,71 ∙7 , 43
Cu cât |r xy| este mai aproape de 1, cum e și în cazul dat, cu atât există e legătură mai strânsă între
criteriul studiat. Deoarece r xy <0, înseamnă că legătura este inversă și odată cu creșterea salariului mediu
lunar al lucrătorului, vor scădea cheltuielile pentru cumpărarea produselor alimentare.
Coeficientul de determinaţie:
2
r xy=0,9078.
Cu cât r 2xy este mai aproape de 1, cum e și în cazul dat, cu atât e mai bună legătură între criteriul
studiat. Schimbarea cheltuielilor pentru cumpărarea produselor alimentare este condiționată cu 90,78%
de către salariul mediu lunar al lucrătorului și doar (1 – 0,9078) 9,22% sunt legate de influența altor
factori.
Criteriul Fisher:
Se consideră ipoteza nulă H0 : b = 0 despre faptul că coeficientul regresiei este nul și prin urmare,
factorul x nu influențează asupra rezultatului y.
2
r ( 0,9078 (
F= 2
n−2 )= 7−2 )=49 ,23
1−r 1−0,9078
0 ,05
F tab(1 , 5) = 6,61
0 , 05
Așa cum valoarea calculată a criteriului Fisher F> Ftab(1 ,5) atunci ipoteza nulă H0 se respinge și
rezultă că are loc o legătură statistică semnificativă între Salariu mediu lunar al unui lucrător și Cheltuieli
pentru cumpărarea produselor alimentare.
Graficul 1.
Cheltuieli pentru cumpărarea 80
produselor alimentare , % din 70
volumul total al cheltuielilor f(x) = − 5.13461538461539 x + 99.2225
60
R² = 0.907908813041263
50
40
30
20
10
0
5.5 6 6.5 7 7.5 8 8.5 9 9.5
aflându-se în Tabelul 3. Valoarea generală a erorii constituie 16,68%, prin urmare eroarea medie al
aproximației va fi egală cu
A=
1
n
∑ | |
y i− ^yi
yi
× 100 =
16 , 68
7
=2 ,38 % .
Astfel valoarea cheltuielilor pentru cumpărarea produselor alimentare pentru modelul liniar diferă
de valorile de facto în medie cu 2,38%. Modelul regresiei liniare descrie suficient de exact legătura dintre
salariul mediu lunar al unui lucrător și cheltuielile pentru cumpărarea produselor alimentare.
Conform calculelor din SPSS avem:
2
r xy =0,908 :
F = 49,294
A=1 ,99
Model Summary
Change Statistics
R Adjusted R Std. Error of R Square F Sig. F
Model R Square Square the Estimate Change Change df1 df2 Change
a
1 .953 .908 .889 1.99326 .908 49.294 1 5 .001
a. Predictors: (Constant), x
y x lg x = X lg y = Y X2 XY
{ (∑ ) ∑
7 7
nA+ b X = Y
i=1 i=1 ⟺
{6,195
7 A+6,195 b=12,407
A +5,507 b=10,964
(∑ ) (∑ ) ∑
7 7 7
2
A X +b X = XY
i=1 i=1 i=1
A
A=lga ⟺ a=10
∆= |6,195
7
5,507|
6,195
=38,549−38,378=0,171
∆ =|
10,964 5,507|
12,407 6,195
A =68,325−67,922=0,403
∆ =|
6,195 10,964|
7 12,407
b =76,748−76,861=−0,113
∆ A 0,403
A= = ≈2 , 35
∆ 0,171
∆b −0,113
b= = ≈−0 , 66
∆ 0,171
Y =2, 35−0 , 66 X
^y =10 2 ,35 x−0 , 66=223 , 8 x−0 ,66
b = - 0,66 < 0 prin urmare legătura este inversă și odată cu creșterea valorii factorului x, va scade
valoarea indicatorului rezultativ y. Astfel, la mărirea salariului mediu lunar al lucrătorului cu 1000 lei, în
medie cheltuielile pentru cumpărarea produselor alimentare va scădea cu 0,66%.
Calculăm reziduurile după formula e= y −^y , rezultatele fiind afișate în Tabelul 6.
Tabelul 6.
2 2
y x ^y y− ^y =e ( y− ^y ) y− y ( y− y)
R = 1−
√ ∑ ( y− ŷ x )2
∑ ( y− y)2
y=
∑ y = 416 , 21 =59 , 46
n 7
∑ ( y− ^y )2=14,631
∑ ( y− y)2=215,714
Așadar avem
√ ∑
√
2
( y− ^y ) 14,631
R= 1− = 1− =√ 1−0,0678=0,9655
∑ ( y− y)2 215,714
2
R = 0,93
R este aproape de 1, prin urmare, legătura între salariul mediu lunar al unui lucrator și cheltuielile
pentru cumpărarea produselor aliomentare este înaltă.
La schimbarea cu 93% a cheltuielilor pentru cumpărarea produselor alimentare este condiționată
de schimbarea valorii salariul mediu lunar al unui lucrator și doar 1 – 0,93 = 0,07, 7% sunt legate de
influența altor factori.
Criteriul Fisher:
Se consideră ipoteza nulă H0 : b = 0 despre faptul că coeficientul regresiei este nul și prin urmare,
factorul x nu influențează asupra rezultatului y.
2
R ( 5∗0 , 93
F= 2
n−2 )= =66 , 43
1−R 1−0 , 93
0 ,05
F tab = 6,61
0 , 05
Așa cum valoarea calculată a criteriului Fisher F> Ftab(1 ,5) atunci ipoteza nulă H0 se respinge și
rezultă că are loc o legătură statistică semnificativă între Salariul mediu lunar al unui lucrător și
Cheltuielile pentru cumpărarea produselor alimentare.
Graficul 2
80
20
0
5.5 6 6.5 7 7.5 8 8.5 9 9.5
aflându-se în Tabelul 6. Valoarea generală a erorii constituie aproximativ 14,8%, prin urmare eroarea
14,798
medie al aproximației va fi egală cu A = =2 ,11 %
7
Astfel, valorile cheltuielilor pentru cumpărarea produselor alimentare pentru modelul putere
diferă de valorile de facto în medie cu 2,11%.
Tabelul 7.
y x Ln y = Y Ln x = X Xy X2
70.03 6.03 4.249 1.797 125.826 3.228
60.03 7.03 4.095 1.950 117.070 3.803
64.03 7.03 4.159 1.950 124.870 3.803
54.03 9.03 3.990 2.201 118.896 4.842
56.03 8.03 4.026 2.083 116.721 4.340
59.03 8.03 4.078 2.083 122.970 4.340
53.03 9.03 3.971 2.201 116.695 4.842
416.21 54.21 28.567 14.265 843.049 29.199
7∗843,049−14,265∗416 , 21
b= 2
≈−39,758
7∗29,199−( 14,265 )
1 1
a= ∗416 ,21− ∗(−39,758 )∗14,265≈ 140,479
7 7
^y =140,479−39,758 ln x
b = - 39,758 < 0 prin urmare legătura este inversă și odată cu creșterea valorii factorului x, va
scade valoarea indicatorului rezultativ y. Astfel, la mărirea salariului mediu lunar al lucrătorului cu 1000
lei, în medie cheltuielile pentru cumpărarea produselor alimentare va scădea cu 39,758%.
Calculăm reziduurile după formula e= y −^y , rezultatele fiind afișate în Tabelul 8.
Tabelul 8.
2 2
y x ^y y− ^y =e ( y− ^y ) y− y ( y− y)
√ ∑ 2
( y− ŷ x )
R= 1−
∑ ( y− y)2
y=
∑ y = 416 , 21 =59 , 46
n 7
∑ ( y− ^y )2=16,257
∑ ( y− y)2=215,714
Așadar avem
√
R= 1−
∑ ( y− ^y )2 =
∑ ( y− y)2 √
2
1−
16,257
215,714
R = 0,9247
=√ 1−0,0754=0,9616
R este aproape de 1, prin urmare, legătura între salariul mediu lunar al unui lucrator și cheltuielile
pentru cumpărarea produselor aliomentare este înaltă.
La schimbarea cu 92,47% a cheltuielilor pentru cumpărarea produselor alimentare este condiționată
de schimbarea valorii salariul mediu lunar al unui lucrator și doar 1 – 0,9247 = 0,0753, 7,53% sunt legate
de influența altor factori.
Criteriul Fisher:
Se consideră ipoteza nulă H0 : b = 0 despre faptul că coeficientul regresiei este nul și prin urmare,
factorul x nu influențează asupra rezultatului y.
2
R ( 5∗0,855
F= 2
n−2 )= =29 , 48
1−R 1−0,855
0 ,05
F tab = 6,61
0 , 05
Așa cum valoarea calculată a criteriului Fisher F> Ftab(1 ,5) atunci are loc o legătură statistică
semnificativă între Salariul mediu lunar al unui lucrător și Cheltuielile pentru cumpărarea produselor
alimentare.
Graficul 3.
80
70
f(x) = − 39.0922885529899 ln(x) + 139.120804724591
R² = 0.924903575073428
din volumul total al cheltuielilor
60
50
40
30
20
10
0
5.5 6 6.5 7 7.5 8 8.5 9 9.5
aflându-se în Tabelul 8. Valoarea generală a erorii constituie aproximativ 15,19%, prin urmare eroarea
15 ,19
medie al aproximației va fi egală cu A = =2 , 17 % .
7
Astfel, valorile cheltuielilor pentru cumpărarea produselor alimentare pentru modelul putere diferă
de valorile de facto în medie cu 2,17%.
y x x^2 ln x = X ln y = Y xY
{∑∑ ln y =n ln a+ b ∑ x
x ln y =ln a ∑ x +b ∑ x 2
⟺
54 , 21 {
7 A+54 ,21 b=28,567
A +427,246 b=220,605
A
A=ln a ⟺ a=e
∆= |547,21 54 ,21
427,246 |
=2990,722−2938,724=51,998
∆ A=|220,605
28,567
427,246|
54 , 21
=12205,136−11958,997 =246,139
∆ =|
220,605|
7 28,567
b =1544,235−1548,617=−4,382
54 , 21
∆ A 246,139
A= = ≈ 4,733
∆ 51,998
∆b −4,382
b= = ≈−0,085
∆ 51,998
^y =e 4,733 x−0,084 =114 , 13 x −0,085
b = - 0,085 < 0 prin urmare legătura este inversă și odată cu creșterea valorii factorului x, scade
valoarea indicatorului rezultativ y. Astfel, la mărirea salariului mediu lunar al lucrătorului cu 1000 lei, în
medie cheltuielile pentru cumpărarea produselor alimentare va scădea cu 0,085%.
Calculăm reziduurile după formula e= y −^y , rezultatele fiind afișate în Tabelul 10.
Tabelul 10.
2 2
y x ^y y− ^y =e ( y− ^y ) y− y ( y− y)
R = 1−
√ ∑ ( y− ŷ x )2
∑ ( y− y)2
y=
∑ y = 416 , 21 =59 , 46
n 7
∑ ( y−^y )2=17,603
∑ ( y− y)2=215,714
Așadar avem
√ ∑
√
2
( y− ^y ) 17,603
R= 1− = 1− =√ 1−0,0816=0,9583
∑ ( y− y)2 215,714
R este aproape de 1, prin urmare, legătura între salariul mediu lunar al unui lucrator și cheltuielile
pentru cumpărarea produselor aliomentare este înaltă.
2
R = 0,9184
Prin urmare, legătura între salariul mediu lunar al unui lucrator și cheltuielile pentru cumpărarea
produselor aliomentare este înaltă.
La schimbarea cu 91,84% a cheltuielilor pentru cumpărarea produselor alimentare este
condiționată de schimbarea valorii salariul mediu lunar al unui lucrator și doar 1 – 0,9184 = 0,0816,
8,16% sunt legate de influența altor factori.
Criteriul Fisher:
Se consideră ipoteza nulă H0 : b = 0 despre faptul că coeficientul regresiei este nul și prin urmare,
factorul x nu influențează asupra rezultatului y.
2
R ( 5∗0,9184
F= 2
n−2 )= =56 , 27
1−R 1−0,9184
0 ,05
F tab = 6,61
0 , 05
Așa cum valoarea calculată a criteriului Fisher F> Ftab(1 ,5) atunci ipoteza nulă H0 se respinge și
rezultă că are loc o legătură statistică semnificativă între Salariu mediu lunar al unui lucrător și Cheltuieli
pentru cumpărarea produselor alimentare.
Graficul 4.
Modelul exponențial
80
produselor alimentare , % din
Cheltuieli pentru cumpărarea
70
f(x) = 114.12981846161 exp( − 0.0847427732937834 x )
60 R² = 0.918644948473688
50
40
30
20
10
0
5.5 6 6.5 7 7.5 8 8.5 9 9.5
aflându-se în Tabelul 10. Valoarea generală a erorii constituie aproximativ 16,2%, prin urmare eroarea
16,213
medie al aproximației va fi egală cu A = =2 ,32 % .
7
Astfel, valorile cheltuielilor pentru cumpărarea produselor alimentare pentru modelul putere diferă
de valorile de facto în medie cu 2,32%.
b
I.5) Regresia în formă de hiperbolă echilaterală y = a +
x
1
Efectuăm liniarizația = z, atunci y = a + bz.
x
Tabelul 11.
1
y x =z z
2
yz
x
70.03 6.03 0.166 0.028 11.614
60.03 7.03 0.142 0.020 8.539
64.03 7.03 0.142 0.020 9.108
54.03 9.03 0.111 0.012 5.983
56.03 8.03 0.125 0.016 6.978
59.03 8.03 0.125 0.016 7.351
53.03 9.03 0.111 0.012 5.873
416.21 54.21 0.921 0.124 55.446
Aplicăm MCMMP
{∑∑ y=na+ b ∑ z
yz=a ∑ z+ b ∑ z2 {
⟺ 7 a+0,921 b=416 , 21
0,921 a+ 0,124 b=55,446
∆=|0,921
7
| 0,921
0,124
=0,868−0,848=0 , 02
∆ =|
55,446 0,124|
416 , 21 0,921
a =51,610−51,065=0,545
∆ =|
0,921 55,446 |
7 416 ,21
b =388,122−383,329=4,792
∆a 0,545
a= = ≈27 ,25
∆ 0 , 02
∆b 4,792
b= = ≈ 239 ,6
∆ 0 , 02
b = 27,25 > 0 prin urmare legătura este directă și odată cu creșterea valorii factorului x, va crește
și valoarea indicatorului rezultativ y. Astfel, la mărirea salariului mediu lunar al lucrătorului cu 1000 lei,
în medie cheltuielile pentru cumpărarea produselor alimentare va crește cu 27,25%.
Calculăm reziduurile după formula e= y −^y , rezultatele fiind afișate în Tabelul 12.
Ecuația de regresie y = 27,25 + 239,6z
239 , 6
^y =27 ,25+
x
Tabelul 12.
2 2
y x ^y y− ^y =e ( y− ^y ) y− y ( y− y)
R = 1−
√ ∑ ( y− ŷ x )2
∑ ( y− y)2
y=
∑ y = 416 , 21 =59 , 46
n 7
∑ ( y−^y )2=23,766
∑ ( y− y)2=215,714
Așadar avem
√ ∑
√
2
( y− ^y ) 23,766
R= 1− = 1− =√ 1−0 , 11=0,9434
∑ ( y− y)2 215,714
R este aproape de 1, prin urmare, legătura între salariul mediu lunar al unui lucrator și cheltuielile
pentru cumpărarea produselor alimentare este înaltă.
2
R = 0,89
Prin urmare, legătura între salariul mediu lunar al unui lucrator și cheltuielile pentru cumpărarea
produselor alimentare este înaltă.
La schimbarea cu 89% a cheltuielilor pentru cumpărarea produselor alimentare este condiționată de
schimbarea valorii salariul mediu lunar al unui lucrator și doar 1 – 0,89 = 0,11, 11% sunt legate de
influența altor factori.
2
R ( 5∗0 , 89
F= 2
n−2 )= =40 , 45
1−R 1−0 , 89
0 ,05
F tab = 6,61
0 , 05
Așa cum valoarea calculată a criteriului Fisher F> Ftab(1 ,5) atunci are loc o legătură statistică
semnificativă între Salariu mediu lunar al unui lucrător și Cheltuieli pentru cumpărarea produselor
alimentare.
Eroarea de aproximație pentru fiecare observație se definește astfel | |
y i−^y i
yi
× 100, rezultatele
aflându-se în Tabelul 12. Valoarea generală a erorii constituie aproximativ 17,8%, prin urmare eroarea
17,787
medie al aproximației va fi egală cu A = =2 ,54 % .
7
Astfel, valorile cheltuielilor pentru cumpărarea produselor alimentare pentru modelul putere diferă
de valorile de facto în medie cu 2,54%.
1
I.6) Regresia în formă de funcție inversă ^y =
a+bx
1
Notăm Y = atunci Y = a + bx
y
Tabelul 13.
x2 1
y x Y= xY
y
70.03 6.03 36.361 0.014 0.086
60.03 7.03 49.421 0.017 0.117
64.03 7.03 49.421 0.016 0.110
54.03 9.03 81.541 0.019 0.167
56.03 8.03 64.481 0.018 0.143
59.03 8.03 64.481 0.017 0.136
53.03 9.03 81.541 0.019 0.170
416.21 54.21 427.246 0.119 0.930
{∑∑ Y =na+b ∑ x
Yx=a ∑ x +b ∑ x 2
⟺
54 , {
7 a+54 , 21 b=0,119
21 a+427,246 b=0 ,93
∆= |547,21 427,246
54 ,21
|=2990,722−2938,724=51,998
∆ =|
0 , 93 427,246|
0,119 54 , 21
a =50,842−50,415=0,427
∆ =|
54 , 21 0 , 93|
7 0,119
b =6 ,51−6,451=0,059
∆a 0,427
a= = ≈ 0,008
∆ 51,998
∆b 0,059
b= = ≈ 0,001
∆ 51,998
b = 0,001 > 0 prin urmare legătura este direct[ și odată cu creșterea valorii factorului x, va crește
și valoarea indicatorului rezultativ y. Astfel, la mărirea salariului mediu lunar al lucrătorului cu 1000 lei,
în medie cheltuielile pentru cumpărarea produselor alimentare va crește nesemnificativ cu 0,001%.
Calculăm reziduurile după formula e= y −^y , rezultatele fiind afișate în Tabelul 14.
1
^y =
0,008+ 0,001 x
Tabelul 14.
2 2
y x ^y y− ^y =e ( y− ^y ) y− y ( y− y)
√ ∑ 2
( y− ŷ x )
R= 1−
∑ ( y− y)2
y=
∑ y = 416 , 21 =59 , 46
n 7
∑ ( y−^y ) =156,091
2
∑ ( y− y)2=215,714
Așadar avem
√ ∑
√
2
( y− ^y ) 156,091
R= 1− = 1− =√ 1−0,7236=0,5257
∑ ( y− y)2 215,714
2
R = 0,2763
Prin urmare, legătura între salariul mediu lunar al unui lucrator și cheltuielile pentru cumpărarea
produselor alimentare este medie.
La schimbarea cu 27,63% a cheltuielilor pentru cumpărarea produselor alimentare este condiționată
de schimbarea valorii salariul mediu lunar al unui lucrator și iar 1 – 0,2763 = 0,7237, 72,37% sunt legate
de influența altor factori.
Criteriul Fisher:
Se consideră ipoteza nulă H0 : b = 0 despre faptul că coeficientul regresiei este nul și prin urmare,
factorul x nu influențează asupra rezultatului y.
2
R ( 5∗0,2763
F= 2
n−2 )= =1,9089
1−R 1−0,2763
0 ,05
F tab = 6,61
0 , 05
Așa cum valoarea calculată a criteriului Fisher F< Ftab(1 ,5) atunci ipoteza nulă H0 se acceptă și
rezultă că are loc o legătură statistică nesemnificativă între Salariu mediu lunar al unui lucrător și
Cheltuieli pentru cumpărarea produselor alimentare.
aflându-se în Tabelul 14. Valoarea generală a erorii constituie aproximativ 52,9%, prin urmare eroarea
52,952
medie al aproximației va fi egală cu A = =7 ,56 % .
7
Astfel, valorile cheltuielilor pentru cumpărarea produselor alimentare pentru modelul putere diferă
de valorile de facto în medie cu 7,56%.
În Excel eroarea de estimare se calculează cu ajutorul funcțieie statistice STEYX și-n cazul
nostru are valoarea A = 1,99%.
Model Summaryb
Change Statistics
Adjusted R Std. Error of R Square Sig. F
Model R R Square Square the Estimate Change F Change df1 df2 Change
a
1 .995 .989 .987 .655393 .989 453.842 1 5 .000
a. Predictors: (Constant), x
b. Dependent Variable: y^
Chi-Square Tests
Asymptotic
Significance (2- Exact Sig. (2- Exact Sig. (1-
Value df sided) sided) sided) Point Probability
a
Pearson Chi-Square 21.000 9 .013 .010
Likelihood Ratio 18.925 9 .026 .010
Fisher's Exact Test 13.063 .010
Linear-by-Linear 5.935b 1 .015 .002 .002 .002
Association
N of Valid Cases 7
a. 16 cells (100.0%) have expected count less than 5. The minimum expected count is .14.
b. The standardized statistic is -2.436.
Model Summary
Std. Error Change Statistics
R Adjusted R of the R Square
Model R Square Square Estimate Change F Change df1 df2 Sig. F Change
a
1 .998 .996 .995 .405801 .996 1248.216 1 5 .000
a. Predictors: (Constant), x
Chi-Square Tests
Asymptotic
Significance (2- Exact Sig. (2- Exact Sig. (1-
Value df sided) sided) sided) Point Probability
a
Pearson Chi-Square 21.000 9 .013 .010
Likelihood Ratio 18.925 9 .026 .010
Fisher's Exact Test 13.063 .010
Linear-by-Linear 5.976b 1 .015 .002 .002 .002
Association
N of Valid Cases 7
a. 16 cells (100.0%) have expected count less than 5. The minimum expected count is .14.
b. The standardized statistic is -2.445.
Model Summary
Std. Error Change Statistics
Adjusted R of the R Square F
Model R R Square Square Estimate Change Change df1 df2 Sig. F Change
a
1 .999 .998 .998 .246816 .998 3143.441 1 5 .000
a. Predictors: (Constant), x
Chi-Square Tests
Asymptotic
Significance (2- Exact Sig. (2- Exact Sig. (1-
Value df sided) sided) sided) Point Probability
Pearson Chi-Square 21.000a 9 .013 .010
Likelihood Ratio 18.925 9 .026 .010
Fisher's Exact Test 13.063 .010
b
Linear-by-Linear 5.990 1 .014 .002 .002 .002
Association
N of Valid Cases 7
a. 16 cells (100.0%) have expected count less than 5. The minimum expected count is .14.
b. The standardized statistic is -2.448.
b
Regresia în formă de hiperbolă echilaterală y = a +
x
Model Summary
a. Predictors: (Constant), x
Chi-Square Tests
Asymptotic
Significance (2- Exact Sig. (2- Exact Sig. (1-
Value df sided) sided) sided) Point Probability
a
Pearson Chi-Square 21.000 9 .013 .010
Likelihood Ratio 18.925 9 .026 .010
Fisher's Exact Test 13.063 .010
b
Linear-by-Linear 5.903 1 .015 .002 .002 .002
Association
N of Valid Cases 7
a. 16 cells (100.0%) have expected count less than 5. The minimum expected count is .14.
b. The standardized statistic is -2.430.
1
Regresia în formă de funcție inversă ^y =
a+bx
Model Summary
Change Statistics
Adjusted R Std. Error of the R Square F Sig. F
Model R R Square Square Estimate Change Change df1 df2 Change
a
1 .998 .996 .996 .305588 .996 1349.28 1 5 .000
3
a. Predictors: (Constant), x
Chi-Square Tests
Asymptotic
Significance (2- Exact Sig. (2- Exact Sig. Point
Value df sided) sided) (1-sided) Probability
a
Pearson Chi-Square 21.000 9 .013 .010
Likelihood Ratio 18.925 9 .026 .010
Fisher's Exact Test 13.063 .010
Linear-by-Linear 5.976b 1 .015 .002 .002 .002
Association
N of Valid Cases 7
a. 16 cells (100.0%) have expected count less than 5. The minimum expected count is .14.
b. The standardized statistic is -2.445.
Reieșind din Tabelul 15, care caracterizează regresia binară între criteriile studiate, vom alege cel
mai optim model. La alegerea modelului trebuie să ne conducem de următoarele aspecte:
1) Cu cât valoarea coeficientului de determinație R2 este mai mare, cu atât este mai calitativă
funcția aleasă pentru descrierea legăturii dintre indicatorii studiați, în cazul nostru toate
modelele, cu excepția celui invers, care are valoarea mai mică de 0,5, ceea ce indică faptul că
aplicarea acestei regresii nu este fondată, încât există alți factori care influențează semnificativ
asupra indicatorului rezultativ.
2) Cu cât valoarea criteriului F este mai mare, cu atât mai semnificativă este legătura statistică
dintre indicatorii studiați.
3) Cu cât eroare medie de aproximație Ā% este mai mică, cu atât mai bine acel model descrie
dependența reală dintre factor și indicatorul rezultativ.
4) De comparat valoarea valoarea coeficientului de determinație R2 (pentru regresiile neliniare) cu
valoarea coeficientului de determinație r 2xy (calculat pentru regresia liniară), pentru fondarea
Reieșind din punctul 4), vom alege modelul regresiei liniare, încât diferența între valorile
coeficienților de determinație este nesemnificativ.