Regresie-Corelație_Econometrie_seminar

Aplicația 1.
Un cercetător este interesat în relația existentă între venitul unei persoane și vârsta acesteia.
Pentru aceasta se selectează aleator un eșantion de 29 persoane și se înregistrează valori pentru cele
două variabile: venit lunar (sute lei) și vârsta (ani). În ipoteza unui model de regresie liniară, rezultatele
prelucrării în EXCEL sunt:

Regression Statistics
Multiple R ................
R Square ................
Adjusted R Square ................
Standard Error ................
Observations ................
ANOVA
df SS MS F Sig. F
Regression .............. ................ ................ .......... 0.002
Residual .............. 421,34 ................
Total .............. 1158,90
Standard Lower 95% Upper 95%
Coefficients Error t Stat P-value
Intercept 0.13 .............. 0,05 0.96 ......... .........
Vârsta .............. 0,07 7,00 0.002 ......... .........
a) Să se stabilească modelul de regresie, interpretând estimatorii acestuia;
b) Stabiliți validitatea modelului de regresie pentru un nivel de semnificație de 5 % (valoare
critică=4,21);
c) Testați semnificația parametrilor modelului de regresie (valoare critică=2,052)
d) Măsurați intensitatea legăturii folosind un indicator adecvat și testați semnificația lui pentru un nivel
de semnificaţie de 5%.
e) Precizați care este ponderea de influență a vârstei în variația venitului lunar.
SSR
R  R2 df R  k SSR  df R  MSR MSR 
df R
MSR
SSE
Fc 
SSR SSE MSE
R2   1 df E  n  k  1 SSE  df E  MSE MSE 
SST SST df E

MSE df T  df R  df E SST
R 2  1 SST  SSR  SSE MST 
MST df T  n  1 df T

SSE P-value = Sig

se   MSE
n  k 1 Fcrit = F.Dist.RT (Fc, dfR, dfE)
SSE
MSE  se2  = F.INV.RT (α, dfR, dfE) Prob. Max (modelul este valid/accept H1)=?
df E Prob. Max = 100 – Sig%

t crit
b  sb  tb b  Lb  tcrit  sb Lb  b  t crit.  sb
b = t.INV.2T (α, n-k-1)
tb 
sb b
sb  b  Ub  tcrit  sb U b  b  tcrit.  sb P-value = Sig
= F.Dist.2T(│tc │,n-k-1)
tb

R r
Prob. Max (parametrul este
semnificativ/accept H1)=?
Prob. Max = 100 – Sig%
 Aplicația 2
Un vânzător de automobile second hand doreşte să afle dacă prețul de vânzare al acestora la
licitație depinde semnificativ de numărul kilometrilor parcurși de automobilul respectiv. Astfel, au
fost selectate aleator 20 automobile, pentru care s-au înregistrat date privind numărul kilometrilor
parcurși (mii) şi prețul de vânzare al automobilelor (mii euro). Introducerea și prelucrarea datelor
în excel au dus la următoarele rezultate:
40 Regression Statistics
30
Multiple R …….
R Square .......
20 Adjusted R Square 0,66
R² = 0,6798
10 Standard Error 4,47
Observations ........
0
48 50 52 54 56 58 60

Coefficients Standard Error t Stat P-value Lower 95% Upper 95%

Intercept ….. 21,53 ...... 0,00 113,51 ……
Nr. km. parcurși (mii) ...... 0,39 -6,18 0,00 ……. -1,61
a. Analizaţi relaţia dintre cele două variabile, utilizând graficul de mai sus
b. Completați spațiile punctate
c. Alegeţi ecuaţia de regresie cea mai adecvată şi interpretaţi valorile estimatorilor b0 şi b1:
c.1 yˆ i   2,43  158,74 xi c.3 yˆ i  0,74  1,62 xi
yˆ i   23,05  2,21xi
c.2 c.4 yˆ i  158,72  2,41xi
d. Testați semnificația parametrului “pantă” a modelului de regresie;
e. Măsuraţi intensitatea legăturii dintre cele două variabile folosind indicatorul adecvat și testaţi
semnificaţia acestuia, pentru un nivel de semnificaţie de 5%

Aplicația 3.
În urma aplicării regresiei liniare între prețul de vânzare înregistrat pentru 15 autoturisme second-hand
(mii euro) în funcție de distanța parcursă (Km), s-au obţinut următoarele rezultate:
b
Model Summary
Model R R Square Adjusted R Square Std. Error of the Estimate
1 ............. ................ .423 ................
a. Predictors: (Constant), Distanta b. Dependent Variable: Preț_vânzare
a
ANOVA
Model Sum of Squares df Mean Square F Sig.
b
Regression ................ ................ 245,275 ................ ,005
1 Residual 282.619 ................ ................
Total ................ ................
a
Coefficients

Unstandardized Standardized 90,0% Confidence Interval

Model Coefficients Coefficients t Sig. for B
B Std. Error Beta Lower Bound Upper Bound
(Constant) ............... 30.086 4.445 .001 80.444 187.004
1
Distanta -.018 .005 -.682 .......... .005 -.028 ..............
a. Dependent Variable: Pret
a. Identificaţi variabilele, precizând legătura dintre ele ;
b. b. Completaţi spațiile punctate din tabelele de mai sus;
c. Scrieți modelul de regresie liniară, analizaţi direcţia (sensul) legăturii dintre variabile şi completați
următoarea afirmație: “O creştere cu ……………….. a ……………… ar duce la o ……………………………
a prețului cu ….. ………mii euro”;
d. Testaţi validitatea modelului de regresie lineară (nivel de semnificație de 10%); precizați care este
probabilitatea maxima pentru care modelul este valid;
e. Dacă distanța parcursă ar fi de 5800m, prețul de vânzare al autoturismului second-hand va fi
de…………………….;
f. Intensitatea legăturii dintre cele 3 variabile este stabilită folosind coeficientul …….., cu valoarea….. ;
Interpretați indicatorul precizat;
 Aplicația 4
Pentru a analiza în ce mod influenţează vechimea utilajelor variaţia costurilor de întreţinere a
acestora, s-au înregistrat pentru 10 utilaje: vechimea utilajelor (ani) şi costurile medii lunare de
întreţinere (sute euro).

Vechime Cost
(ani) (sute euro)
Vechime (ani) ....
Cost (sute euro) 0,74 .....

Model Summary
Model R R Square Adjusted R Square Std. Error of the Estimate
1 ,737a ......... ,487 7,459
a. Completați spațiile punctate
1. b. Analizaţi relaţia dintre cele două variabile, utilizând graficul de mai sus
2. c. Stabiliți și interpretați estimatorii modelului de regresie
c.1 b0 = -1,86 b1 = -3,36 c.3 b0 = 3,36 b1 = 1,86
c.2 b0 = 1,86 b1 = 3,36 c.4 b0 = 3,86 b1 = -1,86
3. d. Scrieți modelul de regresie și stabiliți dacă este valid, pentru o probabilitate de garantare a
rezultatelor de 95%;
4. e. Măsuraţi intensitatea legăturii dintre cele două variabile folosind coeficientul de corelaţie şi
testaţi semnificaţia acestuia, pentru un nivel de semnificaţie de 5%;
5. f. Care este influența vechimii utilajelor în variația costurilor lunare de întreţinere;

Aplicația 5
Legătura dintre preţul de vânzare al unor autoturisme seccond-hand (mii Euro) și distanța parcursă
(numărul de kilometri) este exprimată printr-un model de regresie liniară, pentru 15 de automobile,
obţinându-se următoarele rezultate:
b
Model Summary
Model R R Square Adjusted R Square Std. Error of the Estimate

1 ………… .465 .42 4,66

a. Predictors: (Constant), Distanta b. Dependent Variable: Pret
a
Coefficients

Standardized
Unstandardized Coefficients 99,0% Confidence Interval for B
Model Coefficients t Sig.
B Std. Error Beta Lower Bound Upper Bound
(Constant) 133.724 ............... 4.445 .001 ................. 224.352
1
Distanta ............. .005 -.682 .......... .005 -.034 -.002
a. Dependent Variable: Pret

a. Identificaţi variabilele, relația dintre ele şi completaţi spațiile punctate din tabelele de mai sus;
b. Care este ecuaţia de regresie liniară? Interpretați parametrii estimatori;
c. Testaţi semnificaţia statistică a parametrului “pantă” al modelului, pentru 0,01 nivel de
semnificaţie; precizați care este probabilitatea maxima pentru care parametrul este semnificativ
d. Completaţi afirmaţia: “Valoarea raportului de corelaţie este ………”. Interpretaţi valoarea
indicatorului şi testaţi semnificaţia acestuia, pentru 0,99 nivel de încredere.