ANALIZA LEGĂTURILOR DINTRE

VARIABILE
Depinde de tipul variabilelor analizate

1. Calitative
2. Ordinale
3. Cantitative
Tipuri de legături
1. Nulă

2. Deterministă

3. Statistică (stohastică sau probabilistă) –

caracterizată de funcția y(x) = f(x) + ɛ
Tipuri de variabile
1. Endogene / explicate / dependente

2. Exogene / explicative / factoriale

3. Reziduale
Specificități în analiza legăturilor
• Natura probabilistă a legăturilor – datorată unui
anumit grad de nedeterminare.
• Modalități de alegere a variabilelor explicative
(introducere succesivă vs. eliminare succesivă).
• Multicoliniaritatea – fenomen care apare dacă
variabilele exogene nu sunt independente între ele.
• Măsurarea variabilelor.
• Modelul matematic.
• Calitatea datelor.
Etape în analiza legăturii dintre variabile:
• Organizarea rezultatelor observării populaţiei sau
eşantionului în raport cu variabilele cercetate
• Reprezentarea grafică a variabilelor
• Analiza statistică a existenţei legăturii
• Analiza statistică a intensităţii legăturii sau a
gradului de asociere dintre variabilele observate
• Formularea unor ipoteze cu privire la forma matematică a
legăturii
• Estimarea parametrilor funcţiei de regresie
• Analiza reprezentativităţii funcţiei de regresie
Existența legăturii (1)
• Cel mai general test de analiză a existenței
legăturii este testul hi-pătrat χ2, care se poate
aplica tuturor tipurilor de variabile.
• Pornește de la ipoteza nulă H0 – variabilele sunt
independente și pentru aceasta calculează
frecvențele teoretice N*ij .


2 I
 
J 
N ij  N ij
*
2

*
i 1 j 1
N ij
Existența legăturii (2)
Interpretarea se poate face în 2 moduri:
• Comparativ cu 0 (statistică descriptivă)
• Comparativ cu χ2 tabelar (statistică inferențială –
prag minim dat de riscul de eroare).
Exemple (1)
Exemple (1)
• p = 5% ⇒ χ2 tabelar = 12,6
• χ2 calculat = 15,48
Exemple (2)
Exemple (2)
• p = 5% ⇒ χ2 tabelar = 15,5
• χ2 calculat = 13,96
Existența legăturii (3)
• Pentru variabilele cantitative, dacă Vexp ≠ 0,
atunci există legătură între variabile.

Varianța Valoarea

Explicită 273,19
Reziduală 180,4
Totală 453,59
Intensitatea legăturii
Legătura dintre două sau mai multe variabile este
denumită diferit, în funcție de tipul acestora:
• Grad de asociere sau contingență – variabile
calitative,
• Corelație a rangurilor – variabile ordinale,
• Corelație – variabile cantitative.
Intensitatea legăturii – variabile calitative
(1)
1. Coeficientul de asociere (contingență) al
lui Pearson:
Intensitatea legăturii – variabile calitative
(2)
2. Coeficientul de asociere (contingenţă) al
lui Ciuprov
Intensitatea legăturii – variabile calitative
(3)
3. Coeficientul corelaţiei informaţionale al
lui Onicescu (de citit din carte)
• Pentru exemplele de mai sus, evaluați gradul de
asociere dintre variabile.
Intensitatea legăturii – variabile ordinale
(1)
• Unitățile populației trebuie să fie ordonate în
raport cu variabilele cercetate.
• Rangul unității statistice = locul ocupat de
unitatea statistică în clasamentul construit pe
baza valorilor variabilei.
Unitatea
statistică U1 U2 .... Ui ... Un
Variabila
X 1 2 ... i ... n
Y r1 r2 ... ri ... rn
Intensitatea legăturii – variabile ordinale
(2)
1. Coeficientul de corelație a rangurilor al
lui Kendall
Intensitatea legăturii – variabile ordinale
(3)
• Coeficientul de concordanță multiplă a
rangurilor al lui Kendall
Intensitatea legăturii – variabile ordinale
(4)
• Coeficientul de corelație a rangurilor al
lui Spearman
Intensitatea legăturii – variabile cantitative
• Dată de Raportul de corelație:
Analiza legăturii dintre
variabilele cantitative
Presupune:
• Formularea unor ipoteze cu privire la forma
legăturii
• Estimarea parametrilor funcției de regresie
• Analiza reprezentativității funcției de regresie
pentru modelarea legăturii dintre variabile
1. Formularea unor ipoteze cu privire la
forma legăturii

• Se face pe baza norului de puncte

1 0 0 0 0 02 0 0 0 0 03 0 0 0 0 04 0 0 0 0 05 0 0 0 0 06 0 0 0 0 0

64
45
63
58
57 48
62 35 61 98 40 47
91 59
70 7399
76 72 7568
8049
71 93
86
856269
23
39 81
82 94
4 100
9753
101 42 19
60
77 74 46
132755 7 83
38
29 52
88
15
79
56
78
87
24
11
30
50 84
8 12 44
21
B u d g e t (e u ro )

1454 1037 20 28 25
22 33 31
36 66 69
90 17
5143 41
96
2 89
16
18 32 5
3 1
67

34
65
92

95

0 500 1000 1500

Number of persons counselled
2. Estimarea parametrilor funcției de
regresie

• Orice variabilă se poate scrie în funcție de

factorii săi de influență astfel:
Y = f(X1, X2, ..., Xn) + ɛ
f(Xi) – funcția care aproximează cel mai bine
forma legăturii
ɛ - variabila aleatoare (reziduală)

• f(Xi) - valoarea medie a lui Y condiționată de

valorile pe care le iau variabilele factoriale.
2. Estimarea parametrilor funcției de
regresie – forme posibile
• Liniară
- simplă: Y = a + bX +ɛ = +ɛ
- multiplă: Y = a0 + a1X1 + a2X2 + ... + anXn+ ε
• Parabolică: Y = a + bX + cX2 +ε
• Hiperbolică: Y = a + b*(1/X) + ε
• Exponențială: Y = a* bX + ε
2. Estimarea parametrilor funcției de
regresie
• Se pornește de la principiul pătratelor minime.
• Se minimizează suma pătratelor abaterilor
valorilor lui Y de la media calculată pe baza
funcției.
• Condiția de minim a sumei este echivalentă cu:
M[Y – f(X1, X2, …, Xn)]2 = M(ε2)
2. Estimarea parametrilor funcției de
regresie – funcția liniară simplă
Prin metoda pătratelor minime se obține:
a + bM(X) = M(Y)
aM(X) + bM(X2) = M(XY)
2. Estimarea parametrilor funcției de
regresie – funcția liniară multiplă
Se obține sistemul:
a0 + a1M(X1) + ... + anM(Xn) = M(Y)
a0M(Xj) + a1M(X1Xj) + ... + anM(XnXj) =
M(YXj)

Particularizați pentru 2 factori.

2. Estimarea parametrilor funcției de
regresie – funcția parabolică
• Este pe principiul funcției liniare multiple cu 2
factori de influență.

• Scrieți sistemul de ecuații aferent ei.

2. Estimarea parametrilor funcției de
regresie – funcția hiperbolică
• Este la fel ca funcția liniară, cu deosebirea că
variabila X este considerată inversă 1/X
2. Estimarea parametrilor funcției de
regresie – funcția exponențială
• Se transformă întro regresie liniară prin
logaritmare.
Analiza reprezentativității funcției de
regresie pentru modelarea legăturii dintre
variabile
• Se face pe baza coeficientului de corelație rYX.
• Se pornește de la raportul de corelație în care
varianța este calculată pe baza abaterilor de la
valoare medie obținută prin funcție și nu de la
media grupei.

• Spre exemplu, pentru funcția liniară simplă:

rYX = cov (X,Y)/(σYσX)
Regresia – ex. 1
• Teoria numită ”Tranziția demografică” specifică
faptul că pe măsură ce o societate se dezvoltă,
rata natalității scade.
• Fie ecuația: nr_copii = a + b*educ + ε
1. Cum ar trebui să fie b pentru ca teoria să fie
validată?
2. Ce factori sunt incluși în ε?
3. Pot acești factori să fie, de fapt, corelați cu
nivelul educațional al mamei?
Regresia – ex. 2
• Pe un eșantion de 1300 de paciente s-a estimat
următoarea relație dintre numărul de țigări/zi și
greutatea nou-născutului:
Greutate_nn = 3390,5 – 14,55*nr_tig
1. Care este greutatea estimată a nou-născutului
pentru o mamă nefumătoare?
2. Dar pentru una care fumează 15 țigări/zi?
3. Credeți că funcția liniară este cea mai adecvată
pentru aceasta relație? Explicați.
Regresia – ex. 3
Educ = 11,5 + 0,136*educ_m + 0,2*educ_t
– 0,1*educ_frat
1. Interpretați efectele factorilor analizați asupra educației
individuale (educ).
2. Au toți factorii coeficienții așteptați?
3. Fie individul I1, fără frați, a cărui mamă are 12 ani de
educație și al cărui tată are 18 ani de educație. Care este
nivelul său educațional estimat?
4. Comparați educația estimată a I1 cu cea a lui I2, care are 1
frate, mama cu 20 de ani de educație și tatăl cu 17.
5. Care este nivelul de reprezentativitate al acestei ecuații,
știind că R2=0,26?
Regresia – ex. 4
Fie distribuția a 11 firme producătoare de blănuri în funcție de
vânzări (mii lei) și profit (mii lei):

Vânzări Profit 1.Estimați printr-o regresie relația

dintre profit și vânzări.
21 2.8
2.Care este cea mai adecvată
24 3.4
funcție?
26 3
3.Interpretați efectul vânzărilor
27 3.5 asupra profitului utilizând
29 3.6 funcția cea mai reprezentativă
25 3 obținută.
25 2.7
30 3.7
23 2.6
28 3.5
30 3.6
Regresia – ex. 4

Profit
3.9
3.7
3.5
3.3
3.1
2.9
2.7
2.5
20 22 24 26 28 30 32

Vânzări