Documente Academic
Documente Profesional
Documente Cultură
Tabelul 1
Nr. Y X1 X2 X3
Observ.
1. 25.4 2 45 77
2. 27.4 1 43 88
3. 23.4 3 43 110
4. 29.4 6 47 101
5. 27.4 7 42 85
6. 32.4 8 41 112
7. 34.4 8 32 88
8. 32.4 5 33 103
9. 34.4 5 41 84
10. 29.4 8 38 119
11. 32.4 4 32 117
12. 34.4 9 31 128
13. 38.4 12 35 130
14. 34.4 7 29 136
Total 435.6 85 532 1478
1
1. Modelul ce descrie legătura dintre variabile are forma:
y a0 a1 x1 a2 x2 a3 x3 , unde:
În cazul dat avem un model liniar general de regresie multiplă, deoarece în baza datelor
prezentate în tabelul 1, observăm că variabila dependentă (y), este explicată de trei variabile
independente ( x1 , x 2 , x3 ).
Pentru a demonstra că există o legătură între variabile, este necesar să construim norul de
puncte, în ur,a căruia se va observa grafic tipul de legătură şi intensitatea acerstei legături.
Norul de puncte îl construim cu ejutorul pachetului de programe Eviews.
40
38
36
34
32
Y
30
28
26
24
22
0 2 4 6 8 10 12 14
X1
2
Concluzie: Analizînd graficul obţinut, observăm că în mare majoritate punctele tind spre o
linie dreaptă, cu panta pozitivă, ceea ce semnifică faptul că între variabila independentă x1 şi
y, există o legătură directă, adică la creşterea variabilei x1 , creşte şi variabila y şi invers.
35
30
Y
25
20
25 30 35 40 45 50
X2
Concluzie: Analizînd graficul obţinut, observăm că în mare majoritate punctele tind spre o
linie dreaptă, cu o pantă negativă , ceea ce semnifică faptul că între variabila independentă
x 2 şi y, există o legătură inversă, adică la creşterea variabilei x 2 , scade valoarea variabilei y
şi invers.
35
30
Y
25
20
60 80 100 120 140
X3
3
între variabila independentă x3 şi y, există o legătură directă, adică la creşterea variabilei x3 ,
creşte şi variabila y şi invers.
2. În cerinţa precedentă, modelul este scris într-o formă practică, însă în formă matricială
modelul va fi în felul următor:
Pentru soluţionarea modelului este nevoie de estimat vectorul compus din parametrii
a0 , a1 , a 2 , a3 . În scopul estimării acestui vector, aplicăm Metoda Celor Mai Mici Pătrate
(MCMMP), care constă în a minimiza suma pătratelor erorilor, adică:
n
min i2 min ' min(Y Xa ) ' (Y Xa ) min S min(Y 'Y Y ' Xa a ' X 'Y a ' X ' Xa )
a
i 1
S
' ' ' ' ' 1
2 X Y 2 X X a X X a X Y ( X X ) ( X X ) a ( X ' X ) 1 ( X 'Y )
'
a
a ( X ' X ) 1 ( X 'Y )
Această soluţie este posibilă dacă matricea pătrată ( X ' X ) , de dimensiunea (4;4), în cazul
nostru este inversabilă. Aceste condiţii le vom rezolva cu ajutorul pachetului de programe
Eviews 10.
4
Pentru aceasta este nevoie să efectuăm cîţiva paşi:
1) Introducem datele noastre în Eviews 10.
2) Apoi introducem comanda: „genr unu =1”, adică generăm un nou vector.
3) Deschidem, noul vector generat, X 1 , X 2 , X 3 , în grup.
4) Cu ajutorul comenzii „matrix XTR=@transpose(@convert(GX))”, formăm
matricea transpusă.
25.4 2 45 77
27.4 1 43 88
23.4 3 43 110
29.4 6 47 101
27.4 7 42 85
32.4 8 41 112
34.4 8 32 88
32.4 5 33 103
34.4 5 41 84
29.4 8 38 119
32.4 4 32 117
34.4 9 31 128
38.4 12 35 130
34.4 7 29 136
435.6 85 532 1478
5)
În rezultat obţinem matricea X ' :
1 1 1 1 1
2 1 3 12 7
X'
45 43 43 35 29
77 88 110 130 136
5
C1 C2 C3 C4
R1 14 85 532 1478
R2 85 631 3126 9392
R3 532 3126 20666 55275
R4 1478 9392 55275 160782
C1 C2 C3 C4
Last updated: 10/11/23 - 11:47
6
25.4
1 1 1 1 1 27.4 435.6
2 1 3 12 7 23.4 2761
X 'Y *
45 43 43 35 29 M 16330.8
77 88 110 130 136 38.4 46485.2
34.4
C1
Last updated:
10/11/23 - 11:49
435.599999999
R1 9999
R2 2761
R3 16330.8
R4 46485.2
7
F-statistic 7.878181 Durbin-Watson stat 3.186886
Prob(F-statistic) 0.005452
Substituted Coefficients:
=========================
Y = 44.65 + 0.801*X1 - 0.381*X2 - 0.037*X3
8
3. Metoda Centrării datelor, la fel ne permite de-a calcula valorile parametrilor
a0 , a1 , a 2 , a3 , la fel ne permite şi de-a verifica corectitudinea calculelor şi a datelor obţinute.
n n
Y i
435.6 X i
85
Y i 1
31.11 X1 i 1
6.07
n 14 n 14
n n
Xi 532 X i
1478
X2 i 1
38 X3 i 1
105.57
n 14 n 14
Datele necesare efectuării calculelor sunt introduse în Tabelul 2.
Tabelul 2
(Yi Y )
( X 2 X 2 )2 ( X 3 X 3 )2
Nr. Y X1 X2 X3 ( X1 X1 ) (X 2 X 2 ) ( X3 X3) ( X1 X1 ) 2
9
Pentru a afla valoarea vectorului a , este necesar să calculăm valoarea ( X ' X ) 1 ( X 'Y )
formulei date. Este nevoie să calculăm matricea:
X1 X1
2
X 1
X1 * X 2 X 2 X X * X
1 1 3
X3
114.93 104 418.43
104 450
X ' X X 2 X 2 * X1 X1 X X X X * X X
2
889
2 2 2 2 3 3
X 3 X 3 * X1 X1 X X * X
3 3 2 X2 X X 3 3
2
418.43 889 4747.43
La
fel
avem nevoie şi de valorile matricelor:
0.01320 0.00119 0.00094
X1 X1 * Y Y 116 .29
X X ' 1
0.00119 0.00363 0.00057
;
X 'Y X 2 X 2 * Y Y 498.29
222
0.00094 0.00057 0.00040
X3 X3 * Y Y
Avînd rezultatele putem afla valoarea vactorului a , introducem datele obţinute în
formulă:
a1
a a 2 ( X ' X ) 1 ( X 'Y ) ,
a3
Obţinem valorile estimatorilor a1 , a 2 , a3
116.29
0.801901
0.01320 0.00119 0.00094 222
a * 0.381362
0.00119 0.00363 0.00057 498.29 0.037132
0.00094 0.00057 0.00040
Având aceste valori putem calcula valoarea termenului liber, în baza relației:
Y a0 a1 X 1 a 2 X 2 a 3 X 3 a 0 Y a1 X 1 a 2 X 2 a3 X 3 a 0 31.11 (0.801901* 6.07)
(0.381362* 38) (0.037132*105.57) a0 31.11 4.8675 14.4918 3.92 a0 44.65750
Înlocuind valorile estimatorilor calculați obținem modelul:
Y 44.65750 0.801901* X 1 0.381362* X 2 0.037132* X 3
11
Datele care au fost utilizate la calcularea matricei sunt intoduse în Tabelul 3, la calcularea acestor matrice folosim
şi datele anterioare, obţinute cu ajutorul pachetului de programe Eviews 3.
Tabelul 3
(X1 X1) * (X1 X1) * (X 2 X 2 ) * (Yi Y ) * (Yi Y ) * (Yi Y ) *
Nr. (Yi Y ) ( X1 X1 ) (X 2 X 2 ) (X3 X3) (X 2 X 2 ) (X3 X3) (X3 X3) (X1 X1) (X 2 X 2 ) (X 3 X 3 )
1 -5.71 -4.07 7 -28.57 -28.50 116.33 -200.00 23.27 -40.00 163.27
2 -3.71 -5.07 5 -17.57 -25.36 89.11 -87.86 18.84 -18.57 65.27
3 -7.71 -3.07 5 4.43 -15.36 -13.60 22.14 23.69 -38.57 -34.16
4 -1.71 -0.07 9 -4.57 -0.64 0.33 -41.14 0.12 -15.43 7.84
5 -3.71 0.93 4 -20.57 3.71 -19.10 -82.29 -3.45 -14.86 76.41
6 1.29 1.93 3 6.43 5.79 12.40 19.29 2.48 3.86 8.27
7 3.29 1.93 -6 -17.57 -11.57 -33.89 105.43 6.34 -19.71 -57.73
8 1.29 -1.07 -5 -2.57 5.36 2.76 12.86 -1.38 -6.43 -3.31
9 3.29 -1.07 3 -21.57 -3.21 23.11 -64.71 -3.52 9.86 -70.88
10 -1.71 1.93 0 13.43 0.00 25.90 0.00 -3.31 0.00 -23.02
11 1.29 -2.07 -6 11.43 12.43 -23.67 -68.57 -2.66 -7.71 14.69
12 3.29 2.93 -7 22.43 -20.50 65.68 -157.00 9.62 -23.00 73.69
13 7.29 5.93 -3 24.43 -17.79 144.83 -73.29 43.19 -21.86 177.98
14 3.29 0.93 -9 30.43 -8.36 28.26 -273.86 3.05 -29.57 99.98
Total 0.00 0.00 0 0.00 -104.00 418.43 -889.00 116.29 -222.00 498.29
Concluzie: Analizînd datele anterioare, observăm că am obţinut aceleaşi rezultate, ceea ce denotă faptul că am
efectuat corect calculele, prin ambele metode. În cazul dat, atăt prin MCMMP, cît şi prin Metoda centrării
datelor, estimatorii parametrilor de regresie coincid, au aceiaşi valoare.
12
13
4. Efectuăm calculul estimaţiei varianţei erorilor şi abaterii standart pentru fiecare
coeficient.
Calculăm varianţa erorilor conform formulei:
2
2 '
ee e 2
Y Y
e
i
n k 1 n k 1 n k 1
Pentru a calcula varianţa erorilor avem evoie de un şir de date, pe care le găsim în
Tabelul 4.
Tabelul 4
(Yi Y ) (Yi Y ) 2
Nr. Y (Yi Y ) (Yi Y ) 2 Y ( e) (e 2 )
1 25.4 -5.71 32.6041 26.2412 -0.8412 0.71
2 27.4 -3.71 13.7641 25.7935 1.6065 2.58
3 23.4 -7.71 59.4441 26.5804 -3.1804 10.11
4 29.4 -1.71 2.9241 27.7949 1.6051 2.58
5 27.4 -3.71 13.7641 31.0976 -3.6976 13.67
6 32.4 1.29 1.6641 31.2783 1.1217 1.26
7 34.4 3.29 10.8241 35.6018 -1.2018 1.44
8 32.4 1.29 1.6641 32.2577 0.1423 0.02
9 34.4 3.29 10.8241 29.9123 4.4877 20.14
10 29.4 -1.71 2.9241 32.1625 -2.7625 7.63
11 32.4 1.29 1.6641 31.3174 1.0826 1.17
12 34.4 3.29 10.8241 35.2998 -0.8998 0.81
13 38.4 7.29 53.1441 36.1058 2.2942 5.26
14 34.4 3.29 10.8241 34.1617 0.2383 0.06
Total 435.6 0 226.8574 435.6049 -0.0049 67.45
Pentru a calcula relaţia este nevoie, doar să înlocuim, matricea inversă, am calculat-
o anterior la fel şi estimatorul varianţei erorii.
14
14.24209 0.02630 0.20613 0.05851 96.0629 0.1774 1.3903 0.3946
a 6.745 *
2
a 96.0629 a 96.0629 9.8012
0 0
2
a 0.0890 a 0.0890 0.2983
1 1
2
a 0.0245 a 0.0245 0.1565
2 2
2
a 0.0027 a 0.0027 0.0519
3 3
2
a 0.0519 .
3
2
e 2 Yi Y 67.45
R 1
2
1 1 0.7027 70.27%
Y Y
Yi Y
2 2
i
226.8574
n 1 14 1
R2 1
n k 1
* 1 R2 1
14 3 1
* 1 0.7027 1 0.3861 0.6139
15
Concluzie: Coeficientul de determinaţie „corectat” are valoarea R 2 0.6139, observăm
că are o valoare mai mică, din cauză că a foet corectat cu gradul de libertate. Acest
coeficient se calculează pentru a ţine cont de numărul relativ slab de observări,
comparat cu numărul de factori explicativi.
Formulăm ipotezele:
a1 1 a1 1
H 0 : H 0 :
a 2 0 .5 a 2 0.5
'
1 1
q a q a q a q F q, n k 1
a q a
q
0.01320 0.00119 0.0890 0.0080 1 11.5718 3.8026
a q 6.745 *
a q
0.00119 0.00363 0.0080 0.0245 3.8026 42.0365
Având toate datele necesare, determinăm valoarea calculată a testului Fisher, înlocuind
datele în formulă, obţinem:
16
Comparăm datele obţinute:
Fcalc Ftab 0.6122 4.103 , se acceptă ipoteza nulă, conform căreia coeficienţii a1 şi
a 2 , pot fi simultan diferiţi de 1 şi -0.5.
1) Formulăm ipotezele:
H 0 : a1 1 H1 : a1 1
4) Comparăm valorile:
a1
t calc t130.05 2.6882 2.160 , ceea ce semnifică că se respinge ipoteza nulă şi se acceptă
ipoteza alternativă, adică semnifică faptul că coeficientul a1 , este diferit de 1.
17
Efectuăm testarea coeficientului a 2 .
1) Formulăm ipotezele:
H 0 : a 2 0.5 H1 : a2 0.5
4) Comparăm valorile:
a1
t calc t130.05 2.4368 2.160 , ceea ce semnifică că se respinge ipoteza alternativă şi se
acceptă ipoteza nulă, adică semnifică faptul că coeficientul a 2 , nu respinge posibilitatea
de-a fi egal cu -0.5.
18
2 2
IC :
n k 1 * e
;
n k 1 * e
, unde
12
22
12 , are (n-k-1), grade de libertate şi (1 ) , pragul de semnificaţie.
2
22 , (n-k-1), grade de libertate şi , pragul de semnificaţie.
2
Având toate datele necesare, înlocuim în formulă, obţinem:
Tabelul 5
(Yi Y ) *
2
(X1 X1) Y (Yi Y ) (Yi Y )
2
(Y i Y ) 2
Nr. Y X1 (Yi Y ) ( X1 X1 ) ( X1 X1) ( e) (e 2 )
1 25.4 2 -5.71 -4.07 23.27 16.58 26.9948 -1.5948 2.54 16.93
2 27.4 1 -3.71 -5.07 18.84 25.72 25.983 1.417 2.01 26.29
19
3 23.4 3 -7.71 -3.07 23.69 9.43 28.0066 -4.6066 21.22 9.63
4 29.4 6 -1.71 -0.07 0.12 0.01 31.042 -1.642 2.70 0.00
5 27.4 7 -3.71 0.93 -3.45 0.86 32.0538 -4.6538 21.66 0.89
6 32.4 8 1.29 1.93 2.48 3.72 33.0656 -0.6656 0.44 3.82
7 34.4 8 3.29 1.93 6.34 3.72 33.0656 1.3344 1.78 3.82
8 32.4 5 1.29 -1.07 -1.38 1.15 30.0302 2.3698 5.62 1.17
9 34.4 5 3.29 -1.07 -3.52 1.15 30.0302 4.3698 19.10 1.17
10 29.4 8 -1.71 1.93 -3.31 3.72 33.0656 -3.6656 13.44 3.82
11 32.4 4 1.29 -2.07 -2.66 4.29 29.0184 3.3816 11.44 4.37
12 34.4 9 3.29 2.93 9.62 8.58 34.0774 0.3226 0.10 8.81
13 38.4 12 7.29 5.93 43.19 35.15 37.1128 1.2872 1.66 36.03
14 34.4 7 3.29 0.93 3.05 0.86 32.0538 2.3462 5.50 0.89
Total 435.6 85 0 0 116.29 114.93 435.5998 0.0002 109.20 117.66
b
Y Y * X X 116.29 1.0118
i 1 1
X X
2
114.93
1 1
Calculăm valoarea estimatorului a , conform formulei:
a Y b* X 1 31.11 1.0118* 6.0714 24.9712
În rezultat am obţinut, valoarea estimatorului a 24.9712 şi valoarea estimatorului
b 1.0118.
Pentru a ne convinge de veridicitatea datelor, calculăm cu ajutorul pachetului de
programe Eviews 3, în rezultat obţinem aceleaşi rezultate, cea ce ne demonstrează că
calculele au fost efectuate corect.
20
Ecuaţia modelului pe care îl
analizăm este:
Y 24.97116 1.011809X 1 e Y 24.97116 1.011809X 1
2 2
SPR e Yi Y SPE Y i Y
' 2 '
SPT ' SPR ' SPE ' SPT ' 109.20 117.66 226.86
21
2
SPE
k
Y i Y / k 159.41/ 2 79.74
Fcalc 2
11.81
SPR
67.45 / 10 6.75
n k 1 i i /n k 1
Y Y
Fcalc F20;10
.05
11.81 4.103 , ceea ce semnifică că se respinge ipoteza nulă şi se
acceptă ipoteza alternalivă, ceea ce semnifică că există o relaţie semnificativă între
variabila dependentă şi variabilele independente.
Concluzie: În urma calculelor efectuate am obţinut: Fcalc F20;10.05 11.81 4.103 , ceea ce
denotă faptul că se respinge ipoteza nulă şi se acceptă ipoteza alternativă, ceea ce
denotă faptul că adăugarea variabilelor explicative X 1 , X 2 , nu ameliorează semnificativ
calitatea estimaţiei modelului, în raport cu o singură variabilă independentă X 1 .
10. Verificăm dacă coeficienţii sunt semnificativ diferiţi de 0, iar regresia este global
semnificativă. Pentru a verifica această ipoteză, avem nevoie de o variabilă
independentă X, care să influenţeze variabila dependentă, Y, semnificativ.
Trebuie să construim tabelul de analiză al varianţei, deoarece ne permite de-a efectua
testul Fisher.
Tabelul 6
Sursa Suma pătratelor Gradul de Pătrate medii
variaţiei libertate
X1, X 2 , X 3
2
k 3 SPE 159.41
SPE Y Y 159.41
k 3
Rezidiu
2 (n k 1) (14 3 1) 10 SPR 67.45
SPR Yi Y 67.45
(n k 1) 10
Total
SPT Yi Y 2
226.86 n 1 14 1 13
22
Efectuăm testarea cu ajutorul testului Fisher, toate datele necesare pentru efectuarea
datelor le avem calculate în exerciţiile interioare, deci putem efectua calculul,
parcurgând paşii:
1. Formulăm ipotezele:
Fcalc F30;10
.05
7.8855 3.708 , ceea ce semnifică că se respinge ipoteza nulă şi se
acceptă ipoteza alternativă, ceea ce semnifică că există o relaţie liniară semnificativă
între variabila dependentă Z şi variabilele independente X 1 , X 2 , X 3 şi regresia este
considerată semnificativă.
Concluzie: În urma calculelor efectuate am obţinut: Fcalc F30;10.05 7.8855 3.708 , ceea ce
denotă faptul că se respinge ipoteza nulă şi se acceptă ipoteza alternativă, ceea ce
demonstrează că, coeficienţii, a1 ; a 2 ; a3 , sunt semnificativ diferiţi de 0, deci regresia este
global semnificativă.
11. Calculăm previziunea şi intervalul de încredere pentru următoarele două perioade, dacă
X 1 (15) 3 X 2 (16) 6
se cunosc datele: X 2 (15) 24 X 2 (16) 38
X 3 (15) 165 X 3 (16) 170
23
Pentru a calcula previziunea pentru următoarele două perioade trebuie datele cunoscute
înlocuite în formulă, obţinem valoarea de previziune pentru aceste perioade. Având
toate datele necesare, putem calcula previziunea pentru aceste perioade.
Previziunea pentru aceste perioade o calculăm în baza formulei:
Y i a0 a1 X 1 a 2 X 2 a3 X 3
2 1
Yt h Y t h t 2
n k 1 * e * X t' h X ' X X t h 1
Unde:
0.05
24
Y15 Y 15 t 0.025
10
2
* e * X 15' X ' X 1
X 15 1 Y15 31.7841 2.764 *
14.24209 0.02630 0.20613 0.05851 1
0.02630 0.01320 0.00119 0 .00094 3
* 6.745* 1 3 24 165 1
0.20613 0.00119
0.00363 0.00057 24
0.05851 0.00094 0.00057 165
0.00040
31.7841 2.764 * 97.746 31.7841 27.3266 4.4575
Y15 Y 15 t0.025
10
2
* e * X 15' X ' X
1
X 15 1 Y15 31.7841 27.3266 59.1107
2
Y16 Y 16 t100.025 * e * X 16' X ' X 1
X 16 1 Y16 28.6651 2.764*
14.24209 0.02630 0.20613 0.05851 1
0.02630 0.01320 0.00119 0 .00094 6
* 6.745* 1 6 38 170 1
0.20613 0.00119
0.00363 0.00057 38
0.05851 0.00094 0.00057 170
0.00040
28.6651 2.764 * 78.8271 28.6651 24.5401 4.125
Y16 Y 16 t 0.025
10
2
* e * X 16' X ' X 1
X 16 1 Y16 28.6651 24.5401 53.2052
25