REGRESIA LINIARĂ MULTIPLĂ

TEMATICA C4-C5
1. Prezentarea modelului liniar multiplu
2. Estimarea parametrilor modelului liniar multiplu
3. Testarea parametrilor modelului liniar multiplu
4. Testarea modelului
5. Testarea influenţei marginale a unei variabile
6. Exemplu (I)
7. Estimarea indicatorilor de corelaţie
8. Testarea indicatorilor de corelaţie
9. Exemplu (II)
5. Testarea influenţei marginale a unei variabile
independente asupra variabilei dependente
1. Formularea ipotezelor
H0: variabila independentă nou introdusă în model nu are o
influenţă semnificativă asupra variaţiei variabilei aleatoare
H1: variabila independentă nou introdusă în model are o
influenţă semnificativă asupra variaţiei variabilei aleatoare
2. Fixarea pragului de semnificaţie α=0,05
ˆ 2 new  ˆ 2 old n  k new
3. Alegerea statisticii test F  
1  ˆ new
2
k new  1
R 2 new  R 2 old n  k new
4. Calcularea statisticii test F  
1  R new
2
k new  1
5. Criterii de decizie:
Dacă Fcalc≤ Fα, k-1, n-k => se acceptă H0 cu o probabilitate de 1-α.
Dacă Fcalc> F α, k-1, n-k => se respinge H0 cu un risc asumat α.
EXEMPLU I (1)
Model Summary

Change Statistics
Adjusted Std. Error of R Square
Model R R Square R Square the Estimate Change F Change df1 df2 Sig. F Change
1 .661a .436 .435 $12,833.540 .436 365.381 1 472 .000
2 .663b .439 .437 $12,815.280 .003 2.346 1 471 .126
a. Predictors: (Constant), Educational Level (years)
b. Predictors: (Constant), Educational Level (years), Months since Hire

Model Summary

Change Statistics
Adjusted Std. Error of R Square
Model R R Square R Square the Estimate Change F Change df1 df2 Sig. F Change
1 .661a .436 .435 $12,833.540 .436 365.381 1 472 .000
2 .890b .792 .792 $7,796.524 .356 807.889 1 471 .000
a. Predictors: (Constant), Educational Level (years)
b. Predictors: (Constant), Educational Level (years), Beginning Salary

Model Summary

Change Statistics
Adjusted Std. Error of R Square
Model R R Square R Square the Estimate Change F Change df1 df2 Sig. F Change
1 .910a .828 .818 5.2961 .828 83.271 4 69 .000
2 .907b .822 .814 5.3542 -.006 2.544 1 69 .115
a. Predictors: (Constant), Average female life expectancy, People living in cities (%), Daily calorie intake, People who read (%)
b. Predictors: (Constant), Average female life expectancy, Daily calorie intake, People who read (%)
TEMATICA

7. Estimarea indicatorilor de corelaţie

8. Testarea indicatorilor de corelaţie
9. Exemplu (II)

Pentru un model de regresie liniară multiplă, pot fi

determinati următorii coeficienţi:
- coeficienţi de corelaţie simplă între variabila
dependentă şi fiecare variabilă independentă (coeficienţi
bivariaţi);
- coeficienţi de corelaţie parţială;
- coeficientul de corelaţie multiplă şi coeficientul de
determinaţie multiplă.
 7. Estimarea indicatorilor de corelaţie (I)

Coeficienţi de corelaţie bivariată şi parţială

Pentru un model liniar de forma:
y i   0   1 x1i   2 x 2 i   i
există trei coeficienţi de corelaţie bivariată:
n x1i yi   x1i  yi
ry1  i i i

[n x12i  ( x1i ) 2 ][n yi2  ( yi ) 2 ]

i i i i
n x2i yi   x2i  yi
ry 2  i i i

[n x22i  ( x2i ) 2 ][n yi2  ( yi ) 2 ]

i i i i

n x1i x2i   x1i  x2i

r12  i i i

[n x12i  ( x1i ) 2 ][n x22i  ( x2i ) 2 ]

i i i i
7. Estimarea indicatorilor de corelaţie (II)

… şi trei coeficienţi de corelaţie parţială calculaţi cu ajutorul

coeficienţilor de corelaţie bivariată:
ry1  ry 2 r12 ry 2  ry1r12
ry1.2  ry 2.1 
(1  ry21 )(1  r122 )
(1  ry 2 )(1  r12 )
2 2
r12  ry1ry 2
r12. y 
(1  ry21 )(1  ry22 )

Corelaţia parţială măsoară dependenţa dintre variabile prin

excluderea succesivă a influenţei celorlalţi factori,
considerând influenţa lor constantă si menţinând numai
influenţa factorului măsurat.
În funcţie de numărul variabilelor a căror influenţă se elimină
din calcul, coeficienţii de corelaţie parţială pot fi de ordinul
întâi (pentru o variabilă eliminată), de ordinul doi (pentru două
variabile) etc.
 7. Estimarea indicatorilor de corelaţie (III)

Raportul de determinaţie multiplă şi raportul de corelaţie

multiplă
Parametri 2
 ( y  y)
xi
VE VR
 2
 i
  1    2

 ( y  y)
i
i
2
VT VT =>

Estimatori
VˆE VˆR  i
 2

ˆ  2
 1  1 i
=> ˆ  ˆ 2

VˆT VˆT  i
( y  y
i
) 2

Estimaţiile
ESS RSS i
e 2

R2   1  1 i
2 => R  R 2
TSS TSS  i
( y  y )
7. Estimarea indicatorilor de corelaţie (IV)

Coeficientul de corelaţie multiplă

Coeficientul de corelaţie multiplă se calculează numai
pentru modelele multiple liniare şi se exprimă cu ajutorul
coeficienţilor de corelaţie simplă dintre variabilele perechi.
Astfel, în cazul corelaţiei dintre
X 1 oXvariabilă rezultativă Y şi
2
două variabile independente , ,la nivelul unui
eşantion, coeficientul de corelaţie multiplă, notat cu r, se
calculează după relaţia:

ry21  ry22  2ry1ry 2 r12

r  r  ry21  (1  ry21 )ry 2.1  r  ry22  (1  ry22 )ry1.2
1  r122
8. Testarea indicatorilor de corelaţie

Raportul de determinaţie si raportul de corelatie se

testează cu testul F după algoritmul prezentat la modelul liniar
simplu, ţinând cont de faptul că k=p+1 reprezintă numărul
parametrilor din noul model.

Coeficienţii de corelaţie se testează cu ajutorul testului t .

după algoritmul prezentat la modelul liniar simplu, ţinând cont
de faptul că k=p+1 reprezintă numărul parametrilor din noul
model.
Exemplu 1 -