ESTIMAREA PARAMETRILOR MODELULUI LINIAR DE

REGRESIE PRIN MCCM METODA CELOR MAI MICI PĂTRATE

ŷ i  a 0  a 1 x i
Parametrii a0 şi a1 se determină cu ajutorul metodei celor mai mici
pătrate ( MCMMP)

Y(X)

Y variabila dependentă
X variabila independentă

X Y
25 10
23 11
30 14
25 12
20 8
33 18
18 9
21 10
22 10
30 15
26 11
26 15
27 12
29 14
20 11
 ŷ i  a 0  a 1 x i

 y i  ŷ i 2 min    y i  a 0  a 1 x i 2 min 
i i
 n n
na 0  a 1  x i   y i
 i 1 i 1
 n n n
n  15
a  x  a  x 2   x y
 i 1
0 i 1
i 1
i
i 1
i i

Calculul parametrilor dreptei de regresie a0 și a1

Pentru a rezolva sistemul vom folosi următorul tabel în care sunt

prezentate valorile intermediare:

xi yi x i2 x i yi
25 10 625 250
23 11 529 253
30 14 900 420
25 12 625 300
20 8 400 160
33 18 1089 594
18 9 324 162
21 10 441 210
22 10 484 220
30 15 900 450
26 11 676 286
26 15 676 390
27 12 729 324
29 14 841 406
20 11 400 220
 xi   yi   x i2   x i yi 
375 180 9639 4645

 n n
na 0  a 1  x i   y i
 i 1 i 1
 n n n
n=15
a  x  a  x 2   x y
 0 i 1 i 1
i 1
i
i 1
i i
 15a 0  a 1  375  180 a 0  1,73
  
a 0  375  a 1  9639  4645 a 1  0,5492

ŷ i  1,73  0,5492  x i

SUMMARY OUTPUT

Regression Statistics
Multiple R 0,883621
R Square 0,780786
Adjusted R Square 0,763923
Standard Error 1,311483
Observations 15

ANOVA
df SS MS F Significance F
Regression 1 79,64015152 79,64015 46,3027274 1,25367E-05
Residual 13 22,35984848 1,719988
Total 14 102

Standard Upper
Coefficients Error t Stat P-value Lower 95% 95%
Intercept -1,73106 2,04612023 -0,84602 0,41284325 -6,151434618 2,689313
X Variable 1 0,549242 0,080716215 6,804611 1,2537E-05 0,374865643 0,723619

Intercept a0 = - 1,73
X variable 1 a1 = - 0,55

GRAFICUL CORELAŢIA DINTRE CELE DOUĂ VARIABILE ALE

MODELULUI DE REGRESIE LINIARĂ

Pentru a ilustra corelaţia dintre cele două variabile ale modelului de

regresie liniară se poate utiliza graficul Scatterplot.
Pe acest grafic, perechile de valori (x,y) sunt reprezentate ca puncte în
spaţiul bidimensional. Aceste perechi de valori formează „norul de puncte” –
pe baza căruia vom putea formula aprecieri cu privire la sensul, intensitatea
legăturii şi caracterul liniar sau nonliniar al relaţiei dintre variabilele
modelului econometric analizat.
 Din analiza graficului se poate observa dacă între valoarea prezisă şi cea
reală există o diferenţă (eroarea de estimare), care poate fi mai mare sau mai
mică şi poate lua atât valori negative, cât şi valori pozitive.

CORELOGRAMA
INSERT

SCATTER
Grafic norul de puncte
CHART ELEMENTS

TRENDLINE
Dreapta modelului de regresie liniară simplă
Temă
Estimați a0 și a1 prin MCMMP pentru modelul de regresie liniară unifactorial
P(CA)