Documente Academic
Documente Profesional
Documente Cultură
CURS 2
- note de curs -
IAŞI
- 2016-
C2. REGRESIA LINIARĂ SIMPLĂ (1)
Testarea parametrilor
Modele de
Simple Multiple
regresie
yi = β0+ β1xi + εi
Y= β0+ β1X+ ε
4. Componentele modelului de regresie
Legea cererii
- cererea populaţiei pentru o gamă de produse în funcţie
de preţul acestora:
Ci 0 1Pi i , unde parametrul 1 este de regulă
negativ şi arată cu cât scade cererea la o creştere a preţului
cu o unitate.
7. Estimarea punctuală parametrilor
modelului de regresie prin MCMMP
MCMMP (engl. Method of Ordinary Least Sqares - OLS)
Fie:
yˆ i ˆ0 ˆ1 xi - valorile estimate (teoretice ale lui Y)
n n n n
i yi yi yi ( 0 1 xi ) yi 0 1 xi min .
ˆ ˆ ˆ ˆ
2 2
ˆ 2
ˆ 2
i 1 i 1 i 1 i 1
i 1 i 1 i 1 i 1
n n
S e y i b0 b1 xi
2
Notăm
2
i
i 1 i 1
Rezolvarea acestei probleme de minim presupune
îndeplinirea a două condiţii:
1. Anularea derivatelor parţiale de ordinul I ale lui S în
raport b0 şi b1:
S n n n
b 2 yi b0 b1 xi 1 0 nb0 b1 xi yi
0
i 1
i 1 i 1
n n n n
2 yi b0 b1 xi xi 0 b0 xi b1 xi yi xi
S 2
b1 i 1 i 1 i 1 i 1
b
b0 0
i i xi xi yi
y x 2
n xi2 xi
2
sau b 0 y b1 x
b1 n xi yi xi yi
b1
n xi2 xi
2
2. Matricea derivatelor parţiale de ordinul doi să fie pozitiv
definită:
2S 2S
2 2n 2 xi
b0 b0 b1 2n 2 xi
0
det 2 0 det
2 xi 2 xi
2
S 2 xi S 2 xi2
2
b b 2b1
0 1
n
det
xi
0
x x 2
i i
̂
- urmează o distribuţie normală: 0~ N 0 , 2
ˆ ˆ
, 1~N 0
1 , 2
ˆ
1
- sunt nedeplasaţi: M ˆ0 0 ,
M ˆ1 1
- convergenţi (in probabilitate): ˆ0 nN
p
0 , ˆ
1 nN
p
1
0 [ˆ0 t / 2,nk ˆ ˆ ]0
1 [ˆ1 t / 2,nk ˆ ˆ ] 1
i
respectiv,
s2
sˆ s2ˆ n
i
1 1
( x x ) 2
i 1
ANOVAb
Sum of Squares df Mean Square F Sig.
Regression 154336.735 1.000 154336.735 0.069 0.817
Residual 4453163.265 2.000 2226581.633
Total 4607500.000 3.000
a. Predictors: (Constant), Vanz_X
b. Dependent Variable: Chelt_Y
Coefficientsa
95% Confidence
Unstandardized Standardized Interval for B
Std. Error t Sig.
Coefficients Coefficients Beta Lower Upper
Bound Bound
Regression Statistics
Multiple R 0.183
R Square 0.033
Adjusted R Square -0.450
Standard Error 1492.173
Observations 4.000
ANOVA
df SS MS F Sig F
Regression 1.000 154336.735 154336.735 0.069 0.817
Residual 2.000 4453163.265 2226581.633
Total 3.000 4607500.000