LUCRARE INDIVIDUALĂ la econometrie

Fie că se cunosc datele pentru 7 regiuni pentru anul 2019 (tabelul 1)

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

I) Să se caracterizeze dependența ponderilor cheltuielilor necesare pentru cumpărarea produselor

alimentare față de venituri cu ajutorul următoarelor funcții prin reprezentări grafice și
MCMMP:
1) liniare;
2) de putere;
3) logaritmice;
4) exponențiale;
5) hiperbole;
6) inverse.
II) Să se calculeze și să se interpreteze indicatorii de intensitate a legăturii pentru fiecare model.
III) Să se estimeze fiecare model prin coeficientul de determinație, criteriul Fisher, eroarea de
aproximație cu ajutorul EXCEL, SPSS, Eviews.
IV) Să se prezente rezultatele într-un tabel și să se argumenteze alegerea modelului optim.
I.1. Dacă dependența este liniară, atunci regresia pentru funcția liniară este y = a + bx.

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

Estimatorii a și b îi determinăm pe baza sistemului de ecuații normale, prin MCMMP:

{ (∑ ) ∑
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

70.03 6.03 36.36 422.28 68.29 1.74 2.49

60.03 7.03 49.42 422.01 63.16 -3.13 5.21
64.03 7.03 49.42 450.13 63.16 0.87 1.36
54.03 9.03 81.54 487.89 52.90 1.13 2.10
56.03 8.03 64.48 449.92 58.03 -2.00 3.56
59.03 8.03 64.48 474.01 58.03 1.00 1.70
53.03 9.03 81.54 478.86 52.90 0.13 0.25
416.21 54.21 427.25 3185.11 416.44 -0.23 16.68

^y =99 ,22−5 ,13 x

Conform calculelor din SPSS avem:

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.

y x x−x y− y ( x−x ) ( y− y ) ( x−x )2 ( y− y )2

70.03 6.03 -1.71 10.57 -18.12 2.94 111.76

60.03 7.03 -0.71 0.57 -0.41 0.51 0.33
64.03 7.03 -0.71 4.57 -3.27 0.51 20.90
54.03 9.03 1.29 -5.43 -6.98 1.65 29.47
56.03 8.03 0.29 -3.43 -0.98 0.08 11.76
59.03 8.03 0.29 -0.43 -0.12 0.08 0.18
53.03 9.03 1.29 -6.43 -8.27 1.65 41.33
 416.21 54.21 0.00 0.00 -38.14 7.43 215.71

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

Salariu mediu lunar al unui lucrător, mii lei

Eroarea de aproximație pentru fiecare observație se definește astfel | |y i−^y i

yi
× 100, rezultatele

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

I.2) Regresia pentru funcția de putere y = a x b

lg y = lg a+b∗lg x sau Y = a + b*X
Tabelul 5.

y x lg x = X lg y = Y X2 XY

70.03 6.03 0.780 1.845 0.609 1.440

 60.03 7.03 0.847 1.778 0.717 1.506
64.03 7.03 0.847 1.806 0.717 1.530
54.03 9.03 0.956 1.733 0.913 1.656
56.03 8.03 0.905 1.748 0.819 1.582
59.03 8.03 0.905 1.771 0.819 1.602
53.03 9.03 0.956 1.725 0.913 1.648
416.21 54.21 6.195 12.407 5.507 10.964

Scriem sistemul de ecuații normale

{ (∑ ) ∑
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)

70.03 6.03 69.197 0.833 0.694 10.571 111.755 1.190

60.03 7.03 62.696 -2.666 7.106 0.571 0.327 4.441
64.03 7.03 62.696 1.334 1.780 4.571 20.898 2.084
 54.03 9.03 53.373 0.657 0.431 -5.429 29.469 1.216
56.03 8.03 57.557 -1.527 2.332 -3.429 11.755 2.725
59.03 8.03 57.557 1.473 2.170 -0.429 0.184 2.495
53.03 9.03 53.373 -0.343 0.118 -6.429 41.327 0.647
416.44
416.21 54.21 -0.238 14.631 0.000 215.714 14.798
8

Indicele de corelație arată indicatorul de intensitate:

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

Modelul funcției putere

produselor alimentare , % din
Cheltuieli pentru cumpărarea
volumul total al cheltuielilor

80

60 f(x) = 219.695640749856 x^-0.643428873762087

R² = 0.930746277670838
40

20

0
5.5 6 6.5 7 7.5 8 8.5 9 9.5

Salariu mediu lunar al unui lucrător, mii lei

Eroarea de aproximație pentru fiecare observație se definește astfel | |

y i−^y i
yi
× 100, rezultatele

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%.

I.3) Regresia pentru modelul logaritmic y=a+blnx

Am extras de pe internet formulele gata formate pentru modelul logaritmic, care ne va ușura calculele
decât rezolvarea sistemului:
1 1
a=
n
∑ y − b ∑ ln x
n
n ∑ ln x ∙ y−∑ ln x ∑ y
b=
n ∑ ( ln x )2− ( ∑ ln x )
2

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)

70.03 6.03 69.044 0.986 0.972 10.571 111.755 1.408

60.03 7.03 62.943 -2.913 8.488 0.571 0.327 4.853
64.03 7.03 62.943 1.087 1.181 4.571 20.898 1.697
54.03 9.03 52.989 1.041 1.083 -5.429 29.469 1.926
56.03 8.03 57.656 -1.626 2.643 -3.429 11.755 2.902
59.03 8.03 57.656 1.374 1.889 -0.429 0.184 2.328
53.03 9.03 52.989 0.041 0.002 -6.429 41.327 0.076
416.21 54.21 416.221 -0.011 16.257 0.000 215.714 15.190

Indicele de corelație arată indicatorul de intensitate:

√ ∑ 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.

Regresia model logaritmic

Cheltuieli pentru cumpărarea produselor alimentare , %

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

Salariu mediu lunar al unui lucrător, mii lei

Eroarea de aproximație pentru fiecare observație se definește astfel | |

y i−^y i
yi
× 100, rezultatele

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%.

I.4) Regresia pentru modelul exponențial y = ae bx

Tabelul 9.

y x x^2 ln x = X ln y = Y xY

70.03 6.03 36.361 1.797 4.249 25.621

60.03 7.03 49.421 1.950 4.095 28.787
64.03 7.03 49.421 1.950 4.159 29.240
54.03 9.03 81.541 2.201 3.990 36.026
56.03 8.03 64.481 2.083 4.026 32.328
59.03 8.03 64.481 2.083 4.078 32.747
53.03 9.03 81.541 2.201 3.971 35.857
416.21 54.21 427.246 14.265 28.567 220.605

Scriem sistemul de ecuații normale

{∑∑ 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)

70.03 6.03 68.360 1.670 2.789 10.571 111.755 2.385

60.03 7.03 62.790 -2.760 7.615 0.571 0.327 4.597
64.03 7.03 62.790 1.240 1.539 4.571 20.898 1.937
54.03 9.03 52.973 1.057 1.117 -5.429 29.469 1.956
56.03 8.03 57.673 -1.643 2.699 -3.429 11.755 2.932
59.03 8.03 57.673 1.357 1.842 -0.429 0.184 2.299
53.03 9.03 52.973 0.057 0.003 -6.429 41.327 0.107
416.21 54.21 415.232 0.978 17.603 0.000 215.714 16.213

Indicele de corelație arată indicatorul de intensitate:

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

volumul total al cheltuielilor

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

Salariu mediu lunar al unui lucrător, mii lei

Eroarea de aproximație pentru fiecare observație se definește astfel | |

y i−^y i
yi
× 100, rezultatele

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)

70.03 6.03 66.985 3.045 9.274 10.571 111.755 4.349

60.03 7.03 61.333 -1.303 1.697 0.571 0.327 2.170
64.03 7.03 61.333 2.697 7.276 4.571 20.898 4.213
54.03 9.03 53.784 0.246 0.061 -5.429 29.469 0.456
56.03 8.03 57.088 -1.058 1.120 -3.429 11.755 1.888
59.03 8.03 57.088 1.942 3.771 -0.429 0.184 3.290
53.03 9.03 53.784 -0.754 0.568 -6.429 41.327 1.421
416.21 54.21 411.393 4.817 23.766 0.000 215.714 17.787

Indicele de corelație arată indicatorul de intensitate:

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

Aplicăm MCMMP și obținem sistemul de ecuații normale:

{∑∑ 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)

70.03 6.03 71.276 -1.246 1.552 10.571 111.755 1.779

60.03 7.03 66.534 -6.504 42.297 0.571 0.327 10.834
64.03 7.03 66.534 -2.504 6.268 4.571 20.898 3.910
54.03 9.03 58.720 -4.690 21.995 -5.429 29.469 8.680
56.03 8.03 62.383 -6.353 40.361 -3.429 11.755 11.339
59.03 8.03 62.383 -3.353 11.243 -0.429 0.184 5.680
53.03 9.03 58.720 -5.690 32.375 -6.429 41.327 10.730
416.21 54.21 446.549 -30.339 156.091 0.000 215.714 52.952

Indicele de corelație arată indicatorul de intensitate:

√ ∑ 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.

Eroarea de aproximație pentru fiecare observație se definește astfel | |

y i−^y i
yi
× 100, rezultatele

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%.

R2, F și Ā% în SPSS pentru fiecare model în parte.

Regresia pentru funcția de putere y = a x b

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.

Regresia pentru modelul logaritmic y=a+blnx

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.

Regresia pentru modelul exponențial y = ae bx

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

Std. Error Change Statistics

R Adjusted R of the R Square F
Model R Square Square Estimate Change Change df1 df2 Sig. F Change
1 .992a .984 .981 .664115 .984 303.362 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
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.

Alegerea celui mai bun model

Modelul Ec. de regresie R2 F Ā%

Liniar ^y =99 ,22−5 ,13 x 0,9078 49,23 2,38
De putere ^y =10 2 ,35 x−0 , 66=223 , 8 x−0 ,66 0,93 66,43 2,11
Logaritmic ^y =140,479−39,758 ln x 0,9247 29,48 2,17
Exponențial ^y =114 , 13 x−0,085 0,9184 56,27 2,32
Hiperbolic 239 , 6 0,89 40,45 2,54
^y =27 ,25+
x
Invers 1 0,2763 1,909 7,56
^y =
0,008+ 0,001 x

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

posibilității de aplicare a funcției liniare. Dacă |R −r xy|< 0 , 1, atunci dependența liniară se

2 2

consideră justificată și n-ar trebui să complexăm forma ecuației de regresie.

Reieșind din punctul 4), vom alege modelul regresiei liniare, încât diferența între valorile
coeficienților de determinație este nesemnificativ.