Econometrie

SEMINAR III
REGRESIA LINIARĂ SIMPLĂ

• Prezentarea modelului de regresie liniară simplă

Analiza de regresie studiază legătura statistică între două sau mai multe variabile
statistice sub aspectul formei acesteia

În legăturile statistice utilizăm variabile aleatoare (stohastice), ceea ce înseamnă că

variabilelor le corespund distribuţii de probabilitate.

În legăturile de tip funcţional sau deterministic unei valori i se asociază o altă valoare
şi nu o distribuţie de probabilitate.

• Interpretarea geometrică şi statistică a regresiei

a. Interpretarea geometrică

Ex. Datele din tabelul de mai jos se referă la o populație totală de 60 de familii dintr-o
comunitate ipotetică, observate după venitul lor săptămânal (X-$) și cheltuielile de consum
săptămânale (Y-$). Cele 60 de familii sunt împărțite în 10 grupe de venituri (de la 80 la 260
de dolari), iar cheltuielile săptămânale ale fiecărei familii din diferitele grupe sunt cele
prezentate în tabel.

Prin urmare, avem 10 valori fixe ale lui X și valorile Y corespunzătoare pentru fiecare
dintre valorile X; ca să spunem așa, există 10 subpopulații Y. Există o variație considerabilă

1
Econometrie

a cheltuielilor de consum săptămânale în fiecare grupă de venit, ceea ce se poate observa clar
din figura 1.

Fig 1. Distribuția condiționată a cheltuielilor în funcție de nivelul veniturilor

(Gujurati, 1995)

Fig 2. Dreapta de regresie

2
Econometrie

b. Interpretarea statistică:

Din discuția și figurile precedente 1 și 2, este clar că fiecare medie condiționată este o
funcție de xi, unde xi este o valoare dată a lui X. În mod simbolic:

E(Y | X=xi) = f(xi)

unde f(xi) reprezintă o funcție a variabilei explicative X

sau

E(Y | X) = f(x)

Pentru cazul linear, regresia sau media conditionată este o functie liniară:

E(Y | X=xi) = β0 + β1xi

sau

E(Y | X) = β0 + β1X,

Unde β0 si β1 sunt parametrii modelului, iar X este variabila independenta

considerata o variabila nestocastică.

Prin urmare, regresia liniară este:

yi = M(Y/X=xi) = β0+β1xi

unde f(Xi) reprezintă o funcție a variabilei explicative X. În exemplul nostru, E(Y | Xi) este o
funcție liniară a lui Xi.

• Prezentarea modelului de regresie liniară simplă

Forma generală a unui model de regresie este: M(Y│X)=f(x).

Pentru modelul de regresie liniară simplă forma modelului devine:

M(Y│X) = β0+β1X

unde M(Y│X) – media condiţionată corespunzătoare variabilei stohastice Y iar β0 şi

β1 sunt parametrii modelului.

În cele mai multe cazuri, valorile reale yi diferă de valorile aşteptate sau teoretice
M(Y│X=xi).

Abaterea valorilor reale faţă de valorile teoretice reprezintă valorile variabilei stohastice,
ε, denumită eroare de modelare.

3
Econometrie

εi = yi - M(Y│X=xi) => yi = M(Y│X=xi) + εi = β0+ β1xi + εi sau

Y= β0+ β1X + ε

La nivel de esantion avem:

• Componentele modelului de regresie liniară simplă

a. Componenta deterministă este reprezentată de media condiţionată M(Y│X=xi) =

β0+ β1xi

b. Componenta aleatoare ε depinde de: natura fenomenului, specificarea modelului şi

erorile de măsurare.

• Parametrii modelului de regresie liniar simplu

Fig 3. Dreapta de regresie sau media conditionată

β0 - reprezintă constanta sau termenul liber al modelului şi reprezintă valoarea medie

a variabilei Y atunci când X=0. (Se mai numeste si ordonată la origine)

β1- reprezintă variaţia medie a variabilei dependente, Y, la o creştere cu o unitate a

variabilei independente, X

β1 mai poartă denumirea şi de tangentă a pantei dreptei sau simplu pantă a dreptei
(engl. slope) şi arată cu cât variază Y dacă X creşte cu o unitate ( sau la o creștere a variabilei
independente cu 1 unitatea, variabila dependentă variază, în medie, cu 𝛽𝛽1).

4
Econometrie

𝑑𝑑𝑑𝑑 𝛥𝛥𝛥𝛥
𝛽𝛽1 = =
𝑑𝑑𝑑𝑑 𝛥𝛥𝛥𝛥

semnul lui 𝛽𝛽1 indică sensul legăturii dintre cele două variabile:

- β1>0 => există o legătură directă între variabila Y şi variabila X

- β1<0 => există o legătură inversă între variabila Y şi variabila X

- β1=0 nu există legătură între Y şi X

• Estimarea parametrilor modelului liniar

a. Estimarea punctuală

- estimarea punctuală a parametrilor modelului se realizează prin metoda celor mai mici
pătrate (MCMMP), ce presupune minimizarea sumei erorilor ridicate la pătrat:

Criteriul care stă la baza metodei celor mai mici pătrate constă în minimizarea
pătratelor erorii de modelare:
𝑛𝑛 𝑛𝑛 𝑛𝑛 𝑛𝑛 2
2
𝑆𝑆 = � 𝜀𝜀̂𝑖𝑖2 = �(𝑦𝑦𝑖𝑖 − 𝑦𝑦�𝑖𝑖 )2 = ��𝑦𝑦𝑖𝑖 − (𝛽𝛽̂0 + 𝛽𝛽̂1 𝑥𝑥𝑖𝑖 )� = ��𝑦𝑦𝑖𝑖 − 𝛽𝛽̂0 − 𝛽𝛽̂1 𝑥𝑥𝑖𝑖 � = 𝑚𝑚𝑚𝑚𝑚𝑚.
𝑖𝑖=1 𝑖𝑖=1 𝑖𝑖=1 𝑖𝑖=1

care reprezintă mediile variabilelor X, Y

calculate la nivelul eşantionului.

b. Estimarea prin interval de încredere a parametrilor modelului liniar

Atât pentru β0, cât şi pentru β1, intervalele de încredere se vor construi pentru un
nivel de încredere de (1-α):

5
Econometrie

 Parametrul β0:
𝛽𝛽0 ∈ [𝛽𝛽̂0 ± 𝑡𝑡𝛼𝛼/2,𝑛𝑛−𝑘𝑘 𝜎𝜎�𝛽𝛽�0 ]

La nivel de esantion:

𝛽𝛽0 ∈ �𝑏𝑏0 ± 𝑡𝑡𝛼𝛼/2,𝑛𝑛−𝑘𝑘 𝑠𝑠𝛽𝛽�0 �

- 𝑏𝑏0 este estimaţia punctuală a parametrului 𝛽𝛽0

- 𝑡𝑡𝛼𝛼⁄2;𝑛𝑛−2 este valoarea teoretică a statisticii test Student
- 𝑠𝑠𝛽𝛽�0 este estimaţia abaterii standard a estimatorului parametrului 𝛽𝛽0
- interpretarea: Cu o probabilitate de (1 − 𝛼𝛼), se poate garanta că parametrul 𝛽𝛽0
(sau ordonata laorigine) este acoperit(ă) de intervalul rezultat în urma
calculelor.

 Parametrul β1:
𝛽𝛽1 ∈ [𝛽𝛽̂1 ± 𝑡𝑡𝛼𝛼/2,𝑛𝑛−𝑘𝑘 𝜎𝜎�𝛽𝛽�1 ]

La nivel de esantion:

𝛽𝛽1 ∈ �𝑏𝑏1 ± 𝑡𝑡𝛼𝛼/2,𝑛𝑛−𝑘𝑘 𝑠𝑠𝛽𝛽�1 �

- 𝑏𝑏1 este estimaţia punctuală a parametrului 𝛽𝛽1

- 𝑡𝑡𝛼𝛼⁄2;𝑛𝑛−2 este valoarea teoretică a statisticii test Student
- 𝑠𝑠𝛽𝛽�1 este estimaţia abaterii standard a estimatorului parametrului 𝛽𝛽1
- interpretarea: Cu o probabilitate de (1 − 𝛼𝛼), parametrul 𝛽𝛽1 (sau panta dreptei de
regresie) este acoperit(ă) de intervalul rezultat în urma calculelor.

EXERCIȚII:

1. Valorile vânzărilor anuale (mii lei) şi a cheltuielilor de publicitate (sute lei) realizate
în anul 2015, înregistrate pentru un eşantion format din 5 firme, sunt prezentate în
tabelul de mai jos:

Valoare vânzări Cheltuieli de

publicitate
5 10
8 15
10 17
12 20
15 23

6
Econometrie

Pentru exemplul dat, se cere:

a. să se precizeze variabila dependentă şi variabila independentă;

b. să se reprezinte grafic forma legăturii dintre variabile;
c. să se estimeze punctual parametrii modelului de regresie liniară simplă;
d. să se interpreteze valoarea estimată a pantei dreptei de regresie și a
ordonatei la origine.

Output SPSS

Output Excel

Standard Lower Upper

Coefficients Error t Stat P-value 95% 95%

Intercept -3.010 0.7949 -3.786 0.0322 -5.540 -0.480

publicitate 0.765 0.0452 16.9120 0.0004 0.621 0.909

2. Pentru un eşantion de 5 puncte de vânzare ale unei firme s-au inregistrat preţul
unui produs, exprimat în lei, şi valoarea vânzărilor produsului, exprimată în mii lei.
Datele sunt prezentate mai jos.

Punct vanzare Pret Vanzari (mii lei)

(lei)
1 16 9
2 18 7
3 20 7
4 22 4
5 24 3
Total 304 30

7
Econometrie

Se cere:

1. Să se precizeze variabila dependentă şi variabila independentă;

2. Să se precizeze ecuaţia estimată a modelului de regresie
3. Să se interpreteze estimaţiile punctuale ale parametrilor de regresie
4. Cu cat variaza vanzarile daca pretul scade cu 2 lei?
5. Estimati valoarea vanzarilor pentru un pret de 16 lei
6. Cu cat ar trebui sa se reduca pretul pentru a creste vanzarile cu 3 mii lei?

b0 =
∑y ∑x −∑x ∑x y
i
2
i i i i
, b1 =
n∑ xi y i − ∑ xi ∑ y i
n∑ x − (∑ x ) n∑ xi2 − (∑ xi )
2 2 2
i i

9.00

8.00

7.00
Val_vanzari

6.00

5.00

4.00

3.00

16.00 18.00 20.00 22.00 24.00

Pret

Figura 1. Legătura dintre Preţ şi Valoarea

Tabelul 1. Coeficienţii de regresie

Coeffi cientsa

Unstandardized St andardiz ed
Coeffic ient s Coeffic ient s 95% Confidenc e Interval for B
Model B St d. E rror Beta t Sig. Lower Bound Upper Bound
1 (Const ant) 21.000 2.258 9.299 .003 13.813 28.187
Pret -.750 .112 -.968 -6. 708 .007 -1. 106 -.394
a. Dependent Variable: Val_vanzari

8
Econometrie

3. În studiul legăturii dintre două variabile, preţul unui produs (lei/kg) şi consumul
respectivului produs (kg), s-au obţinut următoarele rezultate:

Coeffi cientsa

Unstandardized St andardiz ed
Coeffic ients Coeffic ients
Model B St d. E rror Beta t Sig.
1 (Const ant) 26.750 .942 28.407 .000
X -2. 550 .175 -.971 -14.583 .000
a. Dependent Variable: Y

Se cere:

a. să se scrie ecuaţia estimată a modelului de regresie dintre cele două variabile şi să se

interpreteze valorile parametrilor estimaţi;
b. Să se dea exemplu de două variabile economice între care poate exista o legătură
sugerată de modelul estimat
c. Dacă consumul scade cu 5 kg, estimează cât ar trebui să fie prețul pentru a produce
această variație, conform ecuației de regresie. Interpretează semnificația pantei în
acest context.

4. În studiul legăturii dintre valoarea cheltuielilor totale de consum (lei/lună) şi

veniturile totale (lei/lună), înregistrate pentru un eşantion format din 15 gospodării
din România, s-au obţinut următoarele rezultate:

Coeffi cientsa

Unstandardized St andardiz ed
Coeffic ients Coeffic ients
Model B St d. E rror Beta
1 (Const ant) -32.907 12.462
venit .733 .016 .998
a. Dependent Variable: consum

Se cere:

a. Să se scrie ecuaţia estimată a modelului de regresie.

b. Să se interpreteze estimaţiile parametrilor modelului de regresie.
c. Să se estimeze nivelul consumului pentru un venit de 50lei/lună.
d. Să se precizeze cât ar trebui să fie nivelul venitului pentru a obtine un consum mediu
de 15 lei/lună.
e. Să se estimeze cu cat variaza nivelul consumului daca are loc o scadere a venitului cu
-10lei/lună.

9
Econometrie

5. Se consideră valorile înregistrate pentru 5 persoane, constând în numărul de ani de

şcoală şi salariul lunar (sute lei) al respectivei persoane:

În tabelul de mai jos sunt afişate rezultatele estimărilor în SPSS.

Coefficientsa

Unstandardized Standardized
Coefficients Coefficients 95% Confidence Interval for B
Model B Std. Error Beta t Sig. Lower Bound Upper Bound
1 (Constant) -1.887 1.069 -1.766 .176 -5.289 1.514
X .959 .083 .989 11.500 .001 .693 1.224
a. Dependent Variable: Y

a. Să se scrie ecuaţia estimată a modelului de regresie.

b. Să se dea exemplu de două variabile economice între care poate exista o legătură
sugerată de modelul estimat.
c. Să se interpreteze estimaţiile parametrilor modelului de regresie.

6. În studiul legăturii dintre două variabile, X şi Y, s-au obţinut următoarele rezultate:

Coeffi cientsa

Unstandardized St andardiz ed
Coeffic ients Coeffic ients
Model B St d. E rror Beta t Sig.
1 (Const ant) 44.193 4.055 10.899 .000
X 2.239 .336 .880 6.666 .000
a. Dependent Variable: Y

Se cere:

a. Să se scrie ecuaţia estimată a modelului de regresie dintre cele două variabile şi să se

interpreteze valorile obţinute.
b. Să se dea exemplu de două variabile economice între care poate exista o legătură
sugerată de modelul estimat

10