Analiza Statistikore

Ligjrata e 10
Regresioni linear i thjesht II

Qllimet e msimit
N kt ligjrat ju do t msoni:
Si t prdorni analizn e regresioninit pr t parashikuar
vlern e e variabls s varur bazuar n variabln e pavarur.
Kuptimin e koefiecentve t regresionit b0 dhe b1
T konkludoni rreth koeficientit t pjerrsis dhe
koeficientit t korrelacionit
Se si ti lexoni dhe interpretoni rezultatet e nxjerra prmes
Excel-it.

Korrelacioni dhe Regresioni

Skater diagrami mund t prdoret pr t
prshkruar raportet n mes t dy variablave
Analiza e regresionit prdoret pr t prshkruar
raportet n mes t dy variablave
Analiza e korrelacionit prdoret pr t matur
fortsin e lidhjeve n mes t dy variablave.
Korrelacioni ka t bj vetm me fortsin e lidhjeve
n mes t dy variablave
Nuk tregon shkaqet e lidhjes n mes t variablave
Skater diagrami sht msuar n vitin e par
Korrelacioni gjithashtu sht msuar n vitin e par.

Hyrje n analizn e regresionit

Analiza e regresionit prdoret pr t :
Parashikuar vlern e variabls s varur t bazuar n vlern e
s paku nj variable t pavarur.

Shpjegon efektet e ndryshimit t variabls s pavarur n

variabln e varur.

Variabla e varur (Y) : variabla q dshirojm ta

vlersojm ose ta shpjegojm.
Variabla e pavarur (X): variabla e prdorur pr t
shpjeguar variabln e varur.

Modeli i regresionit t thjesht linear

Vetm nj variabl e pavarur X
Mardhniet n mes t X dhe Y prshkruhen
prmes funksionit linear.

Ndryshimet n Y supozohet se shkaktohen nga

ndryshimet n X

Llojet e raporteve
Raporte lineare

Raporte jolineare

X
Y

X
Y

Llojet e raporteve
(vazhdim
Lidhje t forta

Lidhje t dobta

X
Y

X
Y

Llojet e raporteve
(vazhdim)
Nuk ka lidhje fare
Y

X
Y

Modeli i regresionit t thjesht

linear ( n populacion)

Variabla e
varur

Ndrprerja n
boshtin Y, n
populacion

Koeficienti i
pjerrsis s
populacionit

Variabla e
pavarur

Gabimi i
rastsishm

Yi 0 1Xi i
Komponenta lineare

Komponenta e
gabimit t rastsishm

Modeli i regresioni t thjesht linear

(vazhdim)

Yi 0 1Xi i

Vlerat e
vrojtuara t Y
pr Xi

Vlerat e
projektuara t Y
pr Xi

Pjerrsia = 1
Gabimi i
rastsishm pr
kt vler t Xi

Ndrprerja = 0

Xi

Ekuacioni i Regresionit t thjesht linear

(Vija e parashikuar-vlersuar)
Ekuacioni i regresionit t thjesht linear siguron
vlersimin e vijs s regresionit t popullimit
Vlera e
vlersuar (ose
e parashikuar )
e Y pr
vrojtimin i

Vlersimi i
prerjes s
regresionit

Vlersimi i
pjerrsis s
regresionit

b b X
Y
i
0
1 i

Vlera e X pr
vrojtimin i

Gabimi i rastsishm individual ei ka mesatare zero

Metoda e katrorve m t vegjl

b0 dhe b1 sigurohen prmes s gjetjeve t vlerave
b0 dhe b1 q minimizojn shumn e devijimeve t
ngritura n katror n mes t Y dhe Y

)2 min (Y (b b X ))2
min (Yi Y
i
i
0
1 i

Gjetja e parametrave prmes

ekuacionit t katrorve m t vegjl.
Koeficientt b0 dhe b1 , dhe rezultatet e tjera
t regresionit n kt ligjrat do t gjinden
prmes prdorimit t Excel-it

Formulat jan t prezantuara n ligjeratn e

regresionit n vitin e par t studimeve dhe mund
t gjinden edhe n libr t Statistiks (Viti i Par).

Interpretimi i pjerrsis dhe

ndrprerjes(

b b X
Y
i
0
1 i

b0 sht vlera mesatare e vlersuar e Y kur

vlera e X sht zero
b1 sht ndryshimi mesatar i vlersuar i
vlers s Y si rezultat i ndryshimit t nj
njsie t X-it ( sht koeficienti i pjerrsis s
vijs s regresionit, mund t jet pozitiv dhe
negativ)

Shembull i regresionit t thjesht

linear
Nj kompani q merret me shitjen e patundshmrive dshiron
t vlersoj raportet n mes t mimit t shitjes s shtpive dhe
madhsis s tyre ( t shprehura n meter katror)

Nj mostr e rastsishme prej 10 shtpive sht marr:

Variabla e varur (Y) = mimi i shtpive n $1000
Variabla e pavarur (X) = madhsia e shtpive (
shprehur n meter katror - m 2 )

T dhnat e mostrs pr modelin

e mimeve t shtpive
mimi i shtpive n
$1000
(Y)

Siprfaqja ne m2
(X)

245

1400

312

1600

279

1700

308

1875

199

1100

219

1550

405

2350

324

2450

319

1425

255

1700

Prezantimi grafik Modeli i mimeve t shtpive : diagrami shprndars

Regresioni - Prdorimi i Excel-it

Data/ Data Analysis / Regression

Rezultati i Excel-it
Regression Statistics
Multiple R

0.76211

R Square

0.58082

Adjusted R Square
Standard Error

0.52842

Ekuacioni i regresionit sht:

mimi i shtepive 98.24833 0.10977 (meter katror)

41.33032

Observations

b b X
Y
i
0
1
i

10

ANOVA
MS

Regression

df
1

18934.9348

SS

18934.9348

11.0848

Residual

13665.5652

1708.1957

Total

32600.5000

Coefficients

Standard Error

t Stat

P-value

Significance F
0.01039

Lower 95%

Upper 95%

Intercept

b0

98.24833

58.03348

1.69296

0.12892

-35.57720

232.07386

Meter katror

b1

0.10977

0.03297

3.32938

0.01039

0.03374

0.18580

Prezantimi grafik
Modeli i mimit t shtpive: diagrami
shprndars dhe vija e regresionit

Pjerrsia
= 0.10977

Prerja
= 98.248

mimi i shtepive 98.24833 0.10977 (meter katror)

Interpretimi i prerjes, koeficientit b0

mimi i shtepive 98.24833 0.10977 (meter katror)

b0 sht vlera mesatare e vlersuar e Y kur X

sht zero (Nse X = 0 sht n vargun e
vlerave t vrojtuara t X )
Ktu nuk ka shtpi me 0 meter katror, kshtu q
b0 = 98.24833 ,tregon se shtpit n vargun e
vrojtuar t madhsive, $98,248.33 sht pjesa
e mimit t shtpive q nuk mund t spjegohen
me siprfaqen n meter katror.

Interpretimi i koeficientit t
pjerrsis, b1
mimi i shtepive 98.24833 0.10977 (meter katror)

b1 mat ndryshimin e vlersuar n mesatare

t Y si rezultat i ndryshimit t nj njsie t X
Ktu b1 = 0.10977 na tregon se n mesatare
mimi i shtpive rritet pr 0.10977($1000) =
$109.77, pr do meter shtes t madhsis s
shtpis.

Parashikimi prmes analizs s

regresionit
Parashikoni mimin e shtpis me
2000 metra katror.

mimi i shtepive 98.25 0.1098 (m2 )

98.25 0.1098(2000)
317.85
mimi i parashikuar pr shtpin me 2000
m2 sht 317.85 ($1,000) = $317,850

Interpolimi kundrejt
ekstrapolimit
Kur prdoret modeli i regresionit pr parashikim, parashikoni
vetm n kuadr t vargut t vlerave t vrojtuara
Vargu relevant per
interpolim

Mos provoni t
parashikoni prtej
vargut t vlerave
t vrojtuara t X

Masat e variacionit
Variacioni total prbhet nga dy pjes:

SST
Shuma totale e
katroreve

SSR
Shuma e katrorve
t regresionit

SST ( Yi Y)2

Y)2
SSR ( Y
i

SSE
Shuma e katrorve t
gabimit

)2
SSE ( Yi Y
i

Ku:

Y = Vlera mesatare e variabls s varur

Yi = Vlerat e vrojtuara t variabls s varur

Y i = Vlera e parashikuar e Y pr vlern e dhn t Xi

Masat e variacionit
(vazhdim)

SST = Shuma totale e katrorve

Mas e variacioneve t vlers s Yi rreth vlers

mesatare t tyre
SSR = Shuma e katrorve t regresionit

Variacionet e spjegueshme t lidhura me raportet n

mes t X dhe Y
SSE = Shuma e katrorve t gabimit

Variacionet e lidhura m shum me faktor t

tjer se sa me raportet n mes t X dhe Y
(Variacionet e pashpjegueshme)

Masat e variacionit
(vazhdim)

Y
Yi

SSE = (Yi - Yi )2

SST = (Yi - Y)2

_
SSR = (Yi - Y)2

_
Y

Xi

_
Y

Koefiecienti i determinacionit, r2
Koeficienti i determinacionit sht pjesa e
variacioneve totale n variabln e varur e cila
spjegohet me variacionet n variabln e pavarur
Koeficienti i determinacionit gjithashtu quhet r n
katror dhe shnohet si r2
r2

SSR Shuma e katrorevete regresionit

SST
Shuma totale e katroreve

Vereni :

0 r2 1

Rezultati i Excel-it
r2

Regression Statistics
Multiple R

0.76211

R Square

0.58082

Adjusted R Square
Standard Error

SSR 18934.9348

0.58082
SST 32600.5000
58.08% e variacioneve n
mimin e shtpive spjegohet
prmes variacioneve n
siprafqen me meter katror.

0.52842
41.33032

Observations

10

ANOVA
MS

Regression

df
1

18934.9348

SS

18934.9348

11.0848

Residual

13665.5652

1708.1957

Total

32600.5000

Coefficients
Intercept
Square Feet

Standard Error

t Stat

P-value

Significance F
0.01039

Lower 95%

Upper 95%

98.24833

58.03348

1.69296

0.12892

-35.57720

232.07386

0.10977

0.03297

3.32938

0.01039

0.03374

0.18580

Gabimi standard i vlersimit (Devijimi

standard i vlersimit)
Devijimi standard i variacioneve t vrojtimeve
rreth vijs s regresionit vlersohet prmes
formuls vijuese:
n

S YX

SSE

n2

( Y Y )
i1

n2

Ku:
SSE = shuma e katrorve t gabimit t rastsishm
n = madhsia e mostrs

Rezultati i Excel-it
Regression Statistics
Multiple R

0.76211

R Square

0.58082

Adjusted R Square
Standard Error

SYX 41.33032

0.52842
41.33032

Observations

10

ANOVA
MS

Regression

df
1

18934.9348

SS

18934.9348

11.0848

Residual

13665.5652

1708.1957

Total

32600.5000

Coefficients
Intercept
Square Feet

Standard Error

t Stat

Significance F

P-value

0.01039

Lower 95%

Upper 95%

98.24833

58.03348

1.69296

0.12892

-35.57720

232.07386

0.10977

0.03297

3.32938

0.01039

0.03374

0.18580

Konkluzioni rreth koeficientit t

pjerrsis s popullimit
Gabimi standard i koeficientit t pjerrsis
(b1) vlersohet me formuln vijuese
Sb1

S YX

SSX

S YX

(X X)

ku:

Sb1 = Vlersimi i gabimit standard t koeficientit t pjerrsis

S YX

SSE = Gabimi standard i vlersimit

n2

Rezultati i Excel-it
Regression Statistics
Multiple R

0.76211

R Square

0.58082

Adjusted R Square
Standard Error

0.52842

Sb1 0.03297

41.33032

Observations

10

ANOVA
MS

Regression

df
1

18934.9348

SS

18934.9348

11.0848

Residual

13665.5652

1708.1957

Total

32600.5000

Coefficients
Intercept
Meter katror

Standard Error

t Stat

P-value

Significance F
0.01039

Lower 95%

Upper 95%

98.24833

58.03348

1.69296

0.12892

-35.57720

232.07386

0.10977

0.03297

3.32938

0.01039

0.03374

0.18580

Konkluzioni rreth pjerrsis:

Testi t
Testi t pr pjerrsin e populacionit

A ekziston lidhje lineare n mes t X dhe Y n

populacion me nivel t signifikancs = 0,05?

Hipoteza zero dhe alternative

H0: 1 = 0
H1: 1 0

(Nuk ka lidhje lineare)

(Lidhja lineare egziston)

Testi statistikor

b
t 1 1
Sb1
sh.l. n 2

ku:
b1 = koeficienti i pjerrsis s
regresionit
1 = Pjerrsia e supozuar
Sb1= Gabimi standard i
pjerrsis

Konkluzioni rreth pjerrsis:

Testi t
(vazhdim)
Ekuacioni I regresionit t thjesht linear:

mimi i
shtpive
$1000
(y)

Siperfaqja
(meter katror)
(x)

245

1400

312

1600

279

1700

308

1875

199

1100

219

1550

405

2350

324

2450

319

1425

255

1700

mimi i shtepive 98.25 0.1098 (meter katror)

Pjerrsia e ktij modeli sht

0.1098
A thua siprfaqja n meter katror
ka ndikim n mimin e shitjes?

Konkluzioni rreth pjerrsis:

Testi t- Shembull
H0: 1 = 0
H1: 1 0

Nga rezultatet e Excel-it:

Coefficients
Intercept
Meter katror

b1
Standard Error

Sb1
t Stat

P-value

98.24833

58.03348

1.69296

0.12892

0.10977

0.03297

3.32938

0.01039

b1 1 0.10977 0

3.32938
t
Sb1
0.03297

Konkluzioni rreth pjerrsis:

Testi t- Shembull
(vazhdim

Testi statistikor t = 3.329

H0: 1 = 0
H1: 1 0

Nga rezultati i Excel-it:

Coefficients
Intercept
Meter katror

b1

Standard Error

Sb1

t Stat

P-value

98.24833

58.03348

1.69296

0.12892

0.10977

0.03297

3.32938

0.01039

sh.l. = 10-2 = 8
a/2=.025

Refuzo H0

a/2=.025

Mos e prano H0

-t/2

-2.3060

t/2

Refuzo H0

2.3060 3.329

Vendimi:
Refuzo H0
Konkluzion:
Ka mjaft t dhna se siprfaqja
n meter katror ka ndikim n
mimin e shitjes s shtpive.

Konkluzioni rreth pjerrsis:

Testi t- Shembull
(vazhdim)

Vlera e P = 0.01039
H0: 1 = 0
H1: 1 0

Vlera e P-

Nga rezultati i Excel-it:

Coefficients
Intercept
Square Feet

t Stat

P-value

98.24833

Standard Error
58.03348

1.69296

0.12892

0.10977

0.03297

3.32938

0.01039

Testi sht dyansor,

Vendimi: Vlera e P < kshtu q
kshtu q vlera e p sht: :
Refuzo H0
P(t > 3.329)+P(t < -3.329)
Konkluzion:
= 0.01039
Ka mjaft t dhna se siprfaqja n
(per 8 sh.l.)
meter katror ka ndikim n mimin
e shitjes s shtpive.

Intervali i besimit pr vlersimin e

koeficientit t Pjerrsis
Intervali I besimit pr vlersimin e pjerrsis:

b1 t n2Sb1

sh.l. = n - 2

Rezultatet e Excel-it pr mimin e shtpive:

Coefficients
Intercept
Meter katror

t Stat

P-value

98.24833

Standard Error
58.03348

1.69296

0.12892

Lower 95%
-35.57720

Upper 95%
232.07386

0.10977

0.03297

3.32938

0.01039

0.03374

0.18580

Ne nivel te besueshmerise 95%, intervali i

besueshmeris pr pjerrsin sht: (0.0337, 0.1858)

Intervali i besimit pr vlersimin e

Pjerrsis

(vazhdim)

Coefficients
Intercept
Meter katror

t Stat

P-value

98.24833

Standard Error
58.03348

1.69296

0.12892

Lower 95%
-35.57720

Upper 95%
232.07386

0.10977

0.03297

3.32938

0.01039

0.03374

0.18580

Meqense vlera e shitjeve se shtpive sht e

shprehur n $1000, ne jemi 95% konfident se efekti
mesatar n cmimin e shitjes sht n mes t
$33.70 dhe $185.80 pr meter katror t shtuar pr
nj njsi.

Testi t pr Koeficientin e
Korrelacionit
Hipotezat:
H0: = 0 (Nuk ka korrelacion n mes t X dhe Y)
HA: 0
(Ka korrelacion n mes t X dhe Y)

Testi Statistikor

(me n 2 shkall t liris)

r-
ku

1 r2
n2
korrelacioni ne populacion

r r 2 nese b1 0
r r 2 nese b1 0

Shembull: mimet e shtpive

A ka evidenc pr raporte lineare n mes t
siprfaqes s shtpive dhe mimit t shitjes
s tyre n nivel t signifikancs 0.05?
H0: = 0 (Nuk ka korrelacion)
H1: 0 (Korrelacioni ekziston)
a =0.05 , sh.l. = 10 - 2 = 8

r
1 r2
n2

0.762 0
1 0.7622
10 2

3.329

Shembull: Zgjedhja prmes testit

t

r
1 r 2
n2

.762 0
1 .7622
10 2

3.329

Konkluzion:
Ka evidenc se
ekziston lidhje
lineare n
nivelin 5% t
signifikancs.

Sh.l. = 10-2 = 8
a/2=0.025

Refuzo H0

-t/2

-2.3060

a/2=0.025

Mos e refuzo H0

Vendimi:
Refuzo H0

Refuzo H0

t/2

2.3060
3.329

Prfundime
Hyrje n analizn e regresionit
Rishikim i supozimeve t analizs s regresionit
Ekuacioni i regresionit t thjesht linear
Prshkrimi i masave t variacionit
Prurja e konkluzioneve rreth pjerrsis s
koeficientit t regresionit
Analizimi i korrelacionit-matja e fortsis s
lidhjeve, etj