Professional Documents
Culture Documents
CURS 2
- note de curs -
IAI
- 2016-
C2. REGRESIA LINIAR SIMPL (1)
Testarea parametrilor
xi yi => f(xi)=yi
Modele de
Simple Multiple
regresie
Liniare C = 0 + 1P + C = 0 + 1 P + 2V +
yi = 0+ 1xi + i
Y= 0+ 1X+
4. Componentele modelului de regresie
Legea cererii
- cererea populaiei pentru o gam de produse n funcie
0 acestora:
dei preul
C 1 Pi i
, unde parametrul 1 este de regul
negativ i arat cu ct scade cererea la o cretere a preului
cu o unitate.
7. Estimarea punctual parametrilor
modelului de regresie prin MCMMP
MCMMP (engl. Method of Ordinary Least Sqares - OLS)
Fie:
y i 0 - valorile
1 xi estimate (teoretice ale lui Y)
n n n n
i yi yi yi ( 0 1 xi ) yi 0 1 xi min .
2 2
2 2
i 1 i 1 i 1 i 1
ei yi yi yi (b0 b1 xi ) yi b0 b1 xi min .
2 2 2 2
i 1 i 1 i 1 i 1
n n
Notm S e y i b0 b1 xi
2 2
i
i 1 i 1
Rezolvarea acestei probleme de minim presupune
ndeplinirea a dou condiii:
1. Anularea derivatelor pariale de ordinul I ale lui S n
raport b0 i b1:
S n n n
b 2 yi b0 b1 xi 1 0 nb0 b1 xi yi
0 i 1
i 1 i 1
S n n n n
2 yi b0 b1 xi xi 0 b0 xi b1 xi yi xi
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 pariale de ordinul doi s fie pozitiv
definit:
2S 2S
2 2n 2 xi
b0 b0 b1 2n 2 xi
0
det 0 det
S 2 xi S 2 xi 2 x
2 2 2
b b 2b1
2 xi
2
i
0 1
det
n x
i
0
xi x 2
i
- urmeaz o distribuie normal: 0~ N 0 , 0 , 1 ~N 1 , 1
2 2
- sunt nedeplasai: M 0 0 ,
M 1 1
Att pentru 0 , ct i pentru 1 , intervalele de ncredere se
vor construi astfel:
0 [ 0 t / 2,n k ] 1 [ 1 t / 2,n k ]
0 1
i
respectiv,
s2
s s2 n
i
1 1
( x x ) 2
i 1
180 14100
OUTPUT SPSS
Model Summary
Adjusted R Std. Error of the
R R Square
Square Estimate
0.183 0.033 -0.450 1492.173
ANOVAb
Sum of Squares df Mean Square F Sig.
Coefficientsa
95% Confidence
Unstandardized Standardized Interval for B
Std. Error t Sig.
Coefficients Coefficients Beta Lower Upper
Bound Bound
(Constant) 3777.551 1215.243 3.108 0.090 -1451.215 9006.318
OUTPUT EXCEL
SUMMARY OUTPUT
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