Descriptive Statistics

Mean Std. Deviation N

Y 561,6364 839,98503 11
LOGX1 3,5373 ,82704 11
LOGX2 6,8801 1,13804 11
LOGX3 10,2353 1,52417 11

Correlations
Y LOGX1 LOGX2 LOGX3
Pearson Correlation Y 1,000 ,900 ,742 ,647
LOGX1 ,900 1,000 ,960 ,915
LOGX2 ,742 ,960 1,000 ,991
LOGX3 ,647 ,915 ,991 1,000
Sig. (1-tailed) Y . ,000 ,004 ,016
LOGX1 ,000 . ,000 ,000
LOGX2 ,004 ,000 . ,000
LOGX3 ,016 ,000 ,000 .
N Y 11 11 11 11
LOGX1 11 11 11 11
LOGX2 11 11 11 11
LOGX3 11 11 11 11

Variabilele modelului de regresie sunt prezentate în tabelul Variables Entered/Removed:

LN(x1), LN(x2) și LN(x3) sunt variabilele independente şi Y este variabila dependentă.

Variables Entered/Removeda
Variables Variables
Model Entered Removed Method
1 LOGX3, . Enter
b
LOGX1
a. Dependent Variable: Y
b. Tolerance = ,000 limit reached.

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
a
1 1,000 1,000 1,000 11,79875 1,920
a. Predictors: (Constant), LOGX3, LOGX1
b. Dependent Variable: Y

Valoarea raportului de corelație, R = 1.000, arată existența unei corelații puternice între

variabilele analizate pe baza modelului logaritmic multiplu. Pentru a interpreta modelul folosim

raportul de determinație R2 = 1.000, așadar pentru modelul folosit, regresia multiplă logaritmică,

variația variabilelor independente X1, X2, X3 explică în proporție de 59,5% variația variabilei

dependente Y. Valoarea ajustată a lui R este 1.000, eroarea standard a estimației este 35413.24001

și coeficientul Durbin-Watson are valoarea de 1.920.

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 7054634,862 2 3527317,431 25338,017 ,000b
Residual 1113,684 8 139,210
Total 7055748,545 10
a. Dependent Variable: Y
b. Predictors: (Constant), LOGX3, LOGX1

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

7054634,862;

- Residual Sum of Squares reprezintă variaţia reziduală estimată şi are o valoare de 1113,684;

- Total Sum of Squares reprezintă variaţia totală estimată şi are o valoare de 7055748,545.

Pentru eşantionul analizat (

N= 11 – mărimea eșantionului și k = 4 – numărul de variabile)

avem gradele de libertate corespunzătoare în tabel pe coloana 3:

k-1=2

N-k=8

N-1=10

Valoarea coeficientul Fisher este F=25338,017 Din tabelul ANOVA, valoarea Sig. pentru

testul F este mai mică decât 0.05, așadar se respinge ipoteza H0, și se acceptă ipoteza H1 cu o

probabilitate de 95%, adică modelul construit explică dependenţa dintre variabile printr-o legătură

logaritmică multiplă, care este considerată semnificativă, așadar se validează modelul determinat

cu o probabilitate de 95%.

Parametrii modelului de regresie multiplă logaritmică sunt determinați în tabelui

Coefficients pe coloana 2:

Coefficientsa
Standardized
Unstandardized Coefficients Coefficients 95,0% Confidence Interval
Model B Std. Error Beta t Sig. Lower Bound Upper B
1 (Constant) -124,570 30,624 -4,068 ,004 -195,190
LOGX1 1918,330 11,172 1,889 171,711 ,000 1892,568 1
LOGX3 -595,926 6,062 -1,081 -98,304 ,000 -609,906 -
a. Dependent Variable: Y

Ecuaţia estimată este:

Y= -124,570 + 1918,330 -595,926

Ordonatele la origine este semnificativ diferită de zero. Conform ecuației estimate a

modelului de regresie multiplă liniară putem concluziona:

 Dacă LN(x1) creşte cu o unitate, iar celelalte variabile rămân constante, atunci y creşte în

medie cu 27712 unități.

 Dacă LN(x2) creşte cu o unitate, iar celelalte variabile rămân constante, atunci y creşte în
medie cu 6674.658 unități.

 Dacă LN(x3) creşte cu o unitate, iar celelalte variabile rămân constante, atunci y scade în

medie cu 101526.892 unități.

Din tabelul Coefficients avem

( ) 3.118 LN x t 

(coloana 5), iar valoarea Sig. (coloana 6) pentru

testul t este 0.005 este mai mică decât 0.05, așadar variabila x1 influențează variabila dependentă

y pe modelul logaritmic multiplu. Tot din coloana 5 avem

( ) 0.608 LN x t  , valoarea Sig. pentru

testul t este 0.550 mai mare decât 0.05, așadar variabila x2 nu influențează variabila dependentă y

pe modelul folosit și

( ) 1.846 LN x t   , valoarea Sig. pentru testul t este 0.078 mai mare decât 0.05,

dar mai mică decât 0.10, așadar variabila x3 influențează variabila dependentă y pe modelul folosit

cu o probabilitate de 90%. Așadar, ordinea de influență asupra variabilei dependente y este x1, x3

și x2 folosind modelul logaritmic multiplu. Conform tabelului Coefficients, cu o probabilitate de

0.95 parametrii

 , 1

,2

şi respectiv

3

ai modelului nostru sunt acoperiți de intervalele (-

420273.615, 1793449.837) , (9279.773, 46144.226), (-16105.412, 29454.728) şi respectiv (-

215612.805, 12559.021) (coloanele 7 și 8).

Tabelul Residuals Statistics ne prezintă informații despre rezidu, iar valorile minine și
maxime ale rezidului sunt cele mai importante. Valoarea cea mai mică a rezidului, -68399.5938,

iar valoarea cea mai mare este 88447.52344.

Residuals Statisticsa
Minimum Maximum Mean Std. Deviation N
Predicted Value 228,9689 3089,0000 561,6364 839,91874 11
Std. Predicted Value -,396 3,009 ,000 1,000 11
Standard Error of Predicted 3,874 11,799 5,744 2,338 11
Value
Adjusted Predicted Value 225,5733 402,0198 308,6654 56,13304 10
Residual -14,32850 19,03095 ,00000 10,55312 11
Std. Residual -1,214 1,613 ,000 ,894 11
Stud. Residual -1,289 1,731 ,008 ,971 11
Deleted Residual -16,29783 21,91605 ,23464 13,13159 10
Stud. Deleted Residual -1,354 2,047 ,030 1,102 10
Mahal. Distance ,169 9,091 1,818 2,599 11
Cook's Distance ,002 ,151 ,058 ,049 10
Centered Leverage Value ,017 ,909 ,182 ,260 11
a. Dependent Variable: Y