Florea Mihaela 22.01.

2019
MAAA – 1801

Aplicaţie
analiza econometrică cu privire la aplicarea modelului unifactorial de regresie în cazul a 2
variabile dependente.

Trei persoane sunt testate de Departamentul de Resurse Umane al unei firme în ceea ce priveşte
Randamentul individual (Y) şi nivelul de creativitate (X) al lor. Au fost obţinute următoarele
rezultate (puncte şi procente):

Tabel 1
Nr.crt. X Y
1 75 0,089
2 150 0,14
3 190 0,175

0.2
0.18
0.16
0.14
0.12
0.1
0.08
0.06
0.04
0.02
0
0 50 100 150 200

Graficul 1: Valori iniţiale.

Se poate spune că modelul unifactorial de regresie poate descrie relaţia dintre doi indicatori
analizaţi. Principala problemă a oricărui model de regresie este determinarea parametrilor
modelului, operaţie care poate fi efectuată utilizȃnd metoda celor mai mici pătrate (MCMMP).

Se porneşte de la ecuaţia modelului liniar simplu:

yi = a + bxi + u t, (1)

Unde:
t şi u sunt valorile teoretice ale variabilelor yi obţinute în functie de valorile lui x şi în funcţie de
valorile parametrilor a şi b, respectiv, “â” si ” ”.

Pentru a demonstra legătura cauzală dintre randamentul personal (Y) şi nivelul de creativitate (X) se
porneşte de la următoarea presupunere: Există o relaţie cauzală între variabilele Y şi X şi, totodată, există
o conexiune directă. Aplicarea analizei prin modele de regresie şi corelaţie implică următoarele etape:
 I. Prima etapă presupune o corectă identificare a variabilelor X şi Y. Se vor considera: variabila
factorială (cauza) X şi variabila dependentă Y (variabila eficienta).
II. Verificarea existenţei conexiunii (corelării) dintre X şi Y. Se va face graficul de corelatie
numit corelogramă. In baza acestui grafic de variaţie putem observa dacă există o conexiune
directă între variabile. Deoarece punctele obţinute sunt concentrate în apropierea unei linii
drepte, putem spune că graficul sugerează o conexiune liniară.
III. A treia etapă stabileşte forma matematică a conexiunii: dezvoltarea ecuaţiei de regersie care
corespunde modelului de regresie. In cazul unui model unifactorial de regresie se consideră că
asupra unui rezultat caracteristic y actionează numai factorul variabil x iar ceilalţi factori pot
avea o acţiune constantă şi neglijabilă (y = f(x)). Considerȃnd graficul functiei f(x) o linie
dreaptă, rezultă un model liniar de regresie simplă. Funcţia de estimare este dată de relatia:

ŷ = a + bx. (2)

Funcţia – model este dată de următoarea expresie:

yxi = a + bxi, (3)

pentru o conexiune liniară şi înseamnă o schemă de interacţiune aditivă a variabilelor, în condiţiile

schimbării cu valori constante ale caracteristicii X.

Parametrul a֦” este parametrul (valoarea) funcţiei de regresie în punctul x = 0. Acest parametru
"a" este ordonat după origine, adică punctul în care dreapta de regresie intersectează axa 0y.
Parametrul "b" numit coeficientul de regresie, arată cantitatea cu care puteți modifica variabila y,
la modificarea variabilei x cu o unitate.
Metoda celor mai mici patrate (MCMMP) îşi asumă următoarea funcţie de minimizare:

Condiţia de minimizare a acestei funcţii implică formarea sistemului cu două ecuatii cu două
necunoscute:

Pentru n =3,
Se poate scrie:

3a + b (75 + 150 + 190) = 0,089 + 0,14 + 0,175

a (75 + 150 + 190) + b (752 + 1502 + 1902) = 75 ˑ 0,089 + 150 ˑ 0,14 + 190 ˑ 0,175

Efectuȃnd calculele ajutatoare, obţinem tabelul de valori următor:

Tabel 2

Nr.crt. X Y X2 XY
1 75 0,089 5625 6,675
2 150 0,14 22500 21,0
3 190 0,175 36100 33,25
Total 415 0,404 64225 60,925

Rezolvăm sistemul de mai sus şi obţinem:

3â + 415𝑏̂= 0,404
415â + 64225𝑏̂ = 60,925

0,404−415𝑏̂
I ec.: â=
3
0,404−415𝑏̂
II ec.: 415 * + 64225𝑏̂= 60,925
3

415*0,41-4152𝑏̂+192675=182,775
𝑏̂*20450=182,775 - 415*0,404
𝑏̂*20450=182,775-167,66
𝑏̂*20450=15,155
15,155
𝑏̂ =
20450
𝑏̂ =0,00073

Înlocuim în prima ecuaţie

0,404−415×0,00073
â=
3
â=0,1010

b = 0,00073 > 1 a = 0,1010 > 0

Deoarece coeficientul de regresie b are valori pozitive, rezultă că există o relaţie directă între
cele două variabile.
În graficul de corelaţie coeficientul de regresie b reprezintă panta liniei. Înlocuind valorile lui a şi
b în ecuaţia de regresie (2), rezultă o nouă ecuaţie de regresie:
ŷ = 0,00073x + 0,1010 (7)
sau, yxi = 0,00073xi + 0,1010 (8)
Dăm valori lui x şi obtinem din calcul valori pentru y. Se trasează graficul de variaţie
corespunzător ecuaţiei (7).
Comparând valorile reale ale y cu valorile ajustate pentru caracteristica rezultată ŷ, există
diferențe mici, prezentate în tabelul 3. Se estimează că legătura dintre aceste două variabile este
reprezentată de ecuația liniei drepte.
Tabel 3: Valori ajustate.

Nr.crt. X Y Y1=0,00073×75+0,1010
1 75 0,15575 Y1=0,15575
2 150 0,2105
3 190 0,2397

0.2

0.18

0.16

0.14

0.12

0.1

0.08

0.06

0.04

0.02

0
0 50 100 150 200

Graficul 2: Reprezentarea ecuaţiei ŷ = 0,00073x + 0,1010

IV. A patra etapă presupune continuarea modelului matematic cu caracterizarea intensităţii

conexiunii dintre cele două variabile folosind coeficientul de
corelatie "r x, y" şi a raportului de corelaţie.

(10)
Relaţia pentru coeficientul covarianţă (covariance
coefficient) poate fi scrisă astfel:

(11)

Pentru n =3,
75×0,089+150×0,14+190×0,175
ӯ= 3
 60,925
ӯ=
3

ӯ = 20,30

Coeficientul de corelaţie simplu este:

182,775−167,66
r=
√20450][3(0,0892 +0,14 2 +0,1752 )−(0,089+0,14+0,175)2 ]

15,115
r=
√20450[3(0,0079+0,0196+0,0306)−0,1632]

15,155
r=
√20450[0,1743−0,1632]

15,115
r=
√20450×0,0111

15,115
r=
√226,995

15,155
r=
15,066

r = 1,0

Ȋn acest caz, r x,y =1,0 > 0

Acest rezultat indică corelaţia, o conexiune directă între cele două variabile. Teoretic, dacă
valoarea este apropiată de 1, avem o legătură foarte puternică între variabile. În acest caz, se
poate vorbi despre o relație foarte puternică deoarece r x,y =1 și următoarea relație: 0,95 ≤ r ≤ 1 a
fost demonstrată. Pentru interpretarea valorilor nonzero pentru coeficienții de corelație, o grafică
explicativă este mult mai sugestivă în statisticile matematice. Valoarea coeficientului de corelație
este dependent de perechile (xi, yi) cu distribuția valorilor într-o referință XOY dreptunghiulară.
Configurația geometrică a punctelor de distribuție corespunzătoare, se face distinct în
următoarele cazuri:
Caz a). Punctele sunt aliniate de-a lungul unei linii: aceasta poate fi o linie ascendentă
dreaptă (rxy = 1), sau poate fi o linie dreaptă în jos (rxy = -1). Aceste situații indică o relație de
dependență între cele două variabile.
Caz b) Punctele sunt dispersate aleator, norul punctelor nu are orientare. Cele două
variabile sunt independente sau necorelate (rxy = 0).
Se calculează raportul simplu de corelare (Rx, y) luând în considerare raportul multiplu de
corelație.
Se constată că Rx, y este aproximativ egal cu coeficientul simplu de corelare "r". Pentru a
confirma liniaritatea conexiunii, trebuie îndeplinită următoarea relație:

| Rx, y | = Rx, y (13)

În acest caz,

｜rx,y ｜= Rx,y = 1,0

S-a confirmat statistic legătura directă liniară dintre aceste două variabile: Randamentul
individual şi nivelul de creativitate al individului.
Corelația este pozitivă deoarece graficul corelației este ascendent liniar și este suficient de
puternic deoarece punctele sunt apropiate. Este o corelație liniară. Testarea adecvării modelului
este determinată de îndeplinirea relaţei pentru coeficientul de corelație obținut (0,95 ≤ r ≤ 1).