Documente noi - cercetari, esee, comentariu, compunere, document
Referate categorii

APLICATIE - regresie liniara simpla

APLICATIE - regresie liniara simpla


Pentru 15 agenti de asigurari, angajati ai unei companii de asigurari de viata, se cunosc datele privind timpul mediu (in minute) petrecut de un agent cu un potential client si numarul de polite incheiate de fiecare intr-o saptamana.


Timpul mediu (min.)

25

23

30

25

20

33

18

21

22

30

26

26

27

29

20

Nr. polite

10

11

14

12

8

18

9

10

10

15

11

15

12

14

11


Se cere:

a)     Construiti si comentati graficul realizat pe baza datelor privind timpul mediu (in minute) petrecut de un agent cu un potential client si numarul de polite incheiate intr-o saptamana, pentru toti cei 15 angajati.

b)     Sa se estimeze parametrii modelului liniar de regresie si sa se testeze semnificatia parametrilor modelului pentru un prag de semnificatie a = 0,05;

c)      Testati validitatea modelului de regresie pentru un nivel de semnificatie a = 0,05;

d)     Sa se determine erorile reziduale;

e)     Masurati intensitatea legaturii dintre cele doua variabile folosind atat coeficientul cat si raportul de corelatie, testand semnificatia celor doi indicatori utilizati, pentru un nivel de incredere de 95%;

f)      Efectuati o previzionare punctuala si pe interval de incredere a numarului de polite incheiate de un agent care petrece in medie 24 de minute cu un potential client.


Rezolvare

OBSERVATIE!

Se identifica cele doua variabile:

xi – variabila factoriala = timpul mediu (in minute) petrecut de un agent cu un potential client

yi - variabila dependenta = numarul de polite incheiate intr-o saptamana de fiecare agent


a)   Construirea si comentarea graficului

Graficul construit, denumit corelograma, ne indica existenta, forma si directia legaturii dintre cele doua variabile:

Corelograma dintre timpul mediu petrecut de un agent cu un potential client

si numarul de polite incheiate de fiecare agent intr-o saptamana

Corelograma evidentiaza legatura directa (punctele sunt plasate pe directia primei bisectoare) si liniara (dreapta de regresie are panta pozitiva) dintre timpul mediu petrecut de un agent cu un potential client si numarul de polite incheiate de fiecare agent



b)          b.1. Estimarea parametrilor modelului liniar de regresie (a, b)

Aplicarea modelului liniar de regresie presupune utilizarea ecuatiei de regresie liniara:

Parametrii a si b se determina cu ajutorul metodei celor mai mici patrate:

aplicarea ei conducand la obtinerea sistemului de ecuatii normale:, unde angajati

Pentru a rezolva sistemul vom folosi urmatorul tabel in care sunt prezentate valorile intermediare:

Timpul mediu (min.)

Nr. Polite

25

10

625

250

12

23

11

529

253

10,9016

30

14

900

420

14,7462

25

12

625

300

12

20

8

400

160

9,254

33

18

1089

594

16,3936

18

9

324

162

8,1556

21

10

441

210

9,8032

22

10

484

220

10,3524

30

15

900

450

14,7462

26

11

676

286

12,5492

26

15

676

390

12,5492

27

12

729

324

13,0984

29

14

841

406

14,1968

20

11

400

220

9,254

Sistemul de ecuatii normale devine: ,unde

Deci:


Interpretare: b = + 0,5492

se numeste coeficient de regresie reprezentand panta liniei drepte

b> 0, deci intre timpul mediu petrecut de un agent cu un potential client si numarul de polite incheiate de fiecare agent exista o legatura directa

la cresterea cu un minut a timpul mediu petrecut de un agent cu un potential client, numarul de polite incheiate se mareste cu 0,5495 (deci intr-un minut se completeaza o jumatate de polita)



b.2. Testarea semnificatiei parametrilor modelului

Ecuatia de regresie - la nivelul colectivitatii generale este:

- la nivelul esantionului este:

Testarea semnificatiei parametrului a

H0 a = 0(adica a nu este semnificativ diferit de zero, deci a nu este semnificativ statistic)

H1 a 0, (adica a este semnificativ diferit de zero, deci a este semnificativ statistic)

Deoarece n = 15 < 30 avem esantion de volum redus si pentru testare vom utiliza testul t.

Stiind ca pragul de semnificatie este si (exista un singur factor de influenta) se stabileste:

valoarea critica:

regiunea de respingere: daca , sau atunci H0 se respinge

Determinarea statisticii testului ( tcalculat ) are la baza relatia :

25

10

12

4

625

0

23

11

10,9016

0,0097

529

4

30

14

14,7462

0,5568

900

25

25

12

12

0

625

0

20

8

9,254

1,5725

400

25

33

18

16,3936

2,5805

1089

64

18

9

8,1556

0,7130

324

49

21

10

9,8032

0,0387

441

16

22

10

10,3524

4,151

484

9

30

15

14,7462

0,0644

900

25

26

11

12,5492

2,4000

676

1

26

15

12,5492

6,0064

676

1

27

12

13,0984

1,2065

729

4

29

14

14,1968

0,0387

841

16

20

11

9,254

3,0485

400

25


a = - 1,73

Statistica testului:

Concluzia:

deoarece () , deci H0 se accepta , ceea ce insemna ca a nu este semnificativ diferit de zero (a nu este semnificativ statistic)


Intervalul de incredere este:



Testarea semnificatiei parametrului

H0 := 0(panta este zero, adica nu este semnificativ diferit de zero, deci nu este semnificativ statistic)

H1 0, (panta nu este diferita de zero, adica este semnificativ diferit de zero, deci este semnificativ statistic)

Deoarece n = 15 < 30 avem esantion de volum redus si pentru testare vom utiliza testul t.

Stiind ca pragul de semnificatie este si (exista un singur factor de influenta) se stabileste:

valoarea critica:

regiunea de respingere: daca sau atunci H0 se respinge

Determinarea statisticii testului ( tcalculat ) are la baza relatia:

25

10

12

4

0

23

11

10,9016

0,0097

4

30

14

14,7462

0,5568

25

25

12

12

0

0

20

8

9,254

1,5725

25

33

18

16,3936

2,5805

64

18

9

8,1556

0,7130

49

21

10

9,8032

0,0387

16

22

10

10,3524

4,151

9

30

15

14,7462

0,0644

25

26

11

12,5492

2,4000

1

26

15

12,5492

6,0064

1

27

12

13,0984

1,2065

4

29

14

14,1968

0,0387

16

20

11

9,254

3,0485

25


b = 0,5492

Statistica testului este:

Concluzia:

deoarece () , deci H0 se respinge , ceea ce insemna ca H1 se accepta, deci este semnificativ diferit de zero (este semnificativ statistic)

Intervalul de incredere este:



Rezolvarea punctului b al aplicatiei cu ajutorul programului informatic EXCEL

Se selecteaza din meniul principal optiunea Tools -- Data Analysis; la selectarea optiunii Regression apare o fereastra in care se va completa astfel:

la Input Y Range: $B$1:$B$16

la Input X Range: $A$1:$A$16

se bifeaza Labels

se activeaza Output Range si se selecteaza o celula (exemplu: $D$1), unde vor apare mai multe tabele cu rezultatele, printre care se regaseste si tabelul urmator:

Coefficients

Standard Error

t Stat

P-value

Lower 95%

Upper 95%

Intercept

-1.731061

2.046120

-0.846021

0.412843

-6.151434

2.689313

Timpul mediu

0.549242

0.080716

6.804611

0.000013

0.374866

0.723619

Tabel 3

Coefficients

Standard Error

t Stat

P-value

Lower 95%

Upper 95%

Coeficientii

(parametrii)

ecuatiei de regresie liniara

Abaterea medie patratica

Statistica testului

tcalc

Pragul critic

trebuie comparat cu cel de semnificatie

Limita inferioara

a intervalului

de incredere

Limita superioara

a intervalului

de incredere

Intercept

(termenul liber)

a -1,731061

2,046120

-0,846021

= 0,412843

-6.151434

2.689313

Timpul mediu

(factorul de influenta)

b 0,549242

0,080716

6,804611

=

0,000013

0.374866

0.723619


Observatie: valoarea abaterii medii patratice a erorilor in esantion () este preluata din tabelul 1 Excel -- SUMMARY OUTPUT (Standard Error )


Interpretarea rezultatelor din tabelul 3

Coeficientii (parametrii) ecuatiei de regresie liniara ( si ) ne conduc la scrierea urmatoarei functii de regresie liniare: , in care:  

  • Intercept este termenul liber, deci coeficientul a pentru  care s-a stabilit valoarea -1.731061. Termenul liber este punctul in care variabila explicativa (factoriala) este 0, deci acel punct in care dreapta de regresie () intersecteaza axa Oy. NU ARE INTERPRETARE ECONOMICA

Se observa ca parametrul nu este semnificativ statistic deoarece:

pragul critic P-value 0,412843 > pragul de semnificatie

limita inferioara a intervalului de incredere (lower 95% = - 6,15) este cu semn contrar fata de limita superioara a intervalului (upper 95% = + 2,689); intervalul de incredere este ;

iar, rezultatul statisticii testului ( - 0,846021) este mai mica fata de valoarea critica tabelara

  • Coeficientul b denumit si coeficient de regresie, este + 0,549242, ceea ce insemna ca la cresterea timpului petrecut cu un minut, numarul de polite incheiate va creste cu 0,549242.

Se observa ca parametrul este semnificativ statistic deoarece:

pragul critic P-value 0,000013 < pragul de semnificatie ;

limita inferioara a intervalului de incredere (lower 95% = + 0,374866) are acelasi semn cu limita superioara a respectivului interval (upper 95% = + 0,723619 intervalul de incredere este

iar, rezultatul statisticii testului ( 6,804611) este mai mare fata de valoarea critica tabelara



c)           Testarea validitatii modelului de regresie

H0: modelul nu este valid statistic (imprastierea valorilor datorate factorului timp nu difera semnificativ de imprastierea acelorasi valori datorate intamplarii)

H1: modelul este valid statistict

Stiind ca pragul de semnificatie este si (exista un singur factor de influenta) se stabileste:

valoarea critica:

regiunea de respingere: daca , atunci H0 se respinge

Determinarea statisticii testului () are la baza relatia:

Pentru determinarea statisticii testului F se foloseste urmatorul algoritm de calcul:

Timpul mediu (min.)

Nr. Polite

25

10

12

0

4

4

23

11

10,9016

1,2065

0,0097

1

30

14

14,7462

7,5416

0,5568

4

25

12

12

0

0

0

20

8

9,254

7,5405

1,5725

16

33

18

16,3936

19,3037

2,5805

36

18

9

8,1556

14,7794

0,7130

9

21

10

9,8032

4,8259

0,0387

4

22

10

10,3524

2,7146

4,151

4

30

15

14,7462

7,5416

0,0644

9

26

11

12,5492

0,3016

2,4000

1

26

15

12,5492

0,3016

6,0064

9

27

12

13,0984

1,2065

1,2065

0

29

14

14,1968

4,8259

0,0387

4

20

11

9,254

7,5405

3,0485

1

79,64



polite


SS Sum of Squares --- suma patratelor varianta


SST=SSR + SSE

SSR=

SS=

SST=



df --- degree of freedom --- grade de libertate


k 1

n – k – 1 = 13

n – 1 = k + (n – k – 1) = 1 + 13 = 14

MS --- media patratelor = dispersia corectata

MS = SS : df



nu se determina

F testul F



Concluzie:

Deoarece (46,30) > (4,67) T se respinge, deci este adevarata, prin urmare, modelul este valid.


Rezolvarea punctului c al aplicatiei cu ajutorul programului informatic EXCEL

Se selecteaza din meniul principal optiunea Tools -- Data Analysis; la selectarea optiunii Regression apare o fereastra in care se va completa astfel:

la Input Y Range: $B$1:$B$16

la Input X Range: $A$1:$A$16

se bifeaza Labels

se activeaza Output Range si se selecteaza o celula (exemplu: $D$1), unde vor apare tabele cu rezultate, printre care se regaseste si tabelul urmator:


Tabelul 2

ANOVA

df

SS

MS

F

Significance F

Regression

1.000000

79.640152

79.640152

46.302727

0.000013

Residual

13.000000

22.359848

1.719988

Total

14.000000

102.000000



Pentru aplicarea testului F se completeaza tabelul:

Sursa variatiei

df

(degree of freedom)

(grade de libertate)

SS

(Sum of Squares)

(suma patratelor varianta)

MS

=SS : df

(media patratelor

dispersia corectata)

F

(Statistica testul F

sau )

Significance F

probabilitatea critica)

Regression (variatia

datorata regresiei)

k

1

SSR= 79,64

=

79,640152

Testul

F=/

F = 46,302727

0,000013< 0,05

(resping H0 – model valid)

Residual

(variatia reziduala)

n-k-1

13

SS= 22,36

=

1,719988

Total (variatia totala)

n-1

14

SST== 102

SST=SSR + SSE

Nota: k – reprezinta numarul variabilelor factoriale (in cazul modelului unifactorial k = 1).


Interpretare rezultate din tabelul 2 ANOVA

In acest tabel este calculata statistica testului F pentru validarea modelului de regresie.

Modelul de regresie construit () este valid si poate fi utilizat pentru analiza dependentei dintre cele doua variabile, intrucat:

(46,30) > (4,67)

Significance F (probabilitatea critica) este 0,000013 mai mica decat pragul de semnificatie .



d)          Stabilirea erorilor reziduale

Determinarea erorilor reziduale (ei) presupune calculul diferentelor dintre valorile empirice si cele teoretice (estimate) pentru fiecare agent de asigurari, astfel:


10

12

-2

11

10,9016

0,0984

14

14,7462

0,7462

12

12

0

8

9,254

1,254

18

16,3936

1,6064

9

8,1556

0,8444

10

9,8032

0,1968

10

10,3524

2,0374

15

14,7462

0,2538

11

12,5492

1,5492

15

12,5492

2,4508

12

13,0984

1,0984

14

14,1968

0,1968

11

9,254

1,746

Rezolvarea punctului d al aplicatiei cu ajutorul programului informatic EXCEL

Se selecteaza din meniul principal optiunea Tools -- Data Analysis; la selectarea optiunii Regression apare o fereastra in care se va completa astfel:

la Input Y Range: $B$1:$B$16

la Input X Range: $A$1:$A$16

se bifeaza Labels

se activeaza Output Range si se selecteaza o celula (exemplu: $D$1), unde vor apare tabele cu rezultate, printre care se regaseste si tabelul REZIDUAL OUTPUT:


RESIDUAL OUTPUT

Observation

Predicted Nr. Polite

Residuals

Standard Residuals

1

12

-2

-1.582557817

2

10.90151515

0.098484848

0.077928983

3

14.74621212

-0.746212121

-0.590461913

4

12

0

0

5

9.253787879

-1.253787879

-0.992095904

6

16.39393939

1.606060606

1.270841883

7

8.15530303

0.84469697

0.668390896

8

9.803030303

0.196969697

0.155857967

9

10.35227273

-0.352272727

-0.278745979

10

14.74621212

0.253787879

0.200816996

11

12.54924242

-1.549242424

-1.225882854

12

12.54924242

2.450757576

1.939232779

13

13.09848485

-1.098484848

-0.869207892

14

14.1969697

-0.196969697

-0.155857967

15

9.253787879

1.746212121

1.381740821


Observatie: Pentru constructia graficului, se bifeaza Rezidual Plots.


Prezentarea detaliata a elementelor rezultate prin aplicarea programului EXCEL:

Observation

(nr.agenti asigurari)

Predicted Nr. Polite

(Nr. Politelor estimate pe baza functiei de regresie)

Residuals

(valorile reziduale)

Standard Residuals

1

12

-2

-1.582557817

2

10.90151515

0.098484848

0.077928983

3

14.74621212

-0.746212121

-0.590461913

4

12

0

0

5

9.253787879

-1.253787879

-0.992095904

6

16.39393939

1.606060606

1.270841883

7

8.15530303

0.84469697

0.668390896

8

9.803030303

0.196969697

0.155857967

9

10.35227273

-0.352272727

-0.278745979

10

14.74621212

0.253787879

0.200816996

11

12.54924242

-1.549242424

-1.225882854

12

12.54924242

2.450757576

1.939232779

13

13.09848485

-1.098484848

-0.869207892

14

14.1969697

-0.196969697

-0.155857967

15

9.253787879

1.746212121

1.381740821


e)    Masurarea intensitatii legaturii dintre timpul mediu petrecut de un agent cu un potential client si numarul de polite incheiate de fiecare agent

Intensitatea legaturii dintre cele doua variabile se poate stabili atat prin aplicarea coeficientului de corelatie liniara, dar si cu ajutorul raportului de corelatie (care se aplica atit pentru legaturile liniare, cat si in cazul legaturilor neliniare).


  • Coeficientul de corelatie liniara -- se utilizeaza numai in cazul legaturilor liniare (semnul indica - directia legaturii, iar valoarea - intensitatea legaturii)

25

10

0

-2

0

0

4

23

11

-2

-1

2

4

1

30

14

5

2

10

25

4

25

12

0

0

0

0

0

20

8

-5

-4

20

25

16

33

18

8

6

48

64

36

18

9

-7

-3

21

49

9

21

10

-4

-2

8

16

4

22

10

-3

-2

6

9

4

30

15

5

3

15

25

9

26

11

1

-1

-1

1

1

26

15

1

3

3

1

9

27

12

2

0

0

4

0

29

14

4

2

8

16

4

20

11

-5

-1

5

25

1



Relatia de calcul este:

sau



25

10

625

100

250

23

11

529

121

253

30

14

900

196

420

25

12

625

144

300

20

8

400

64

160

33

18

1089

324

594

18

9

324

81

162

21

10

441

100

210

22

10

484

225

220

30

15

900

121

450

26

11

676

225

286

26

15

676

144

390

27

12

729

196

324

29

14

841

121

406

20

11

400

220



r = 0,88 > 0, ceea ce ne arata ca, intre timpul mediu petrecut de un agent cu un potential client si numarul de polite incheiate de fiecare agent exista o legatura directa puternica.


Testarea semnificatiei coeficientului de corelatie

- se stabileste ipoteza nula (coeficientul de corelatie al colectivitatii din care s-a extras esantionul de 15 angajati, nu difera semnificativ de zero, deci nu este semnificativ statistic);

- se stabileste ipoteza alternativa (coeficientul de corelatie al colectivitatii din care s-a extras esantionul de 15 angajati, difera semnificativ de zero, deci este semnificativ statistic);


Stiind ca pragul de semnificatie este si (exista un singur factor de influenta) se stabileste:

valoarea critica:

regiunea de respingere: daca atunci H0 se respinge

Determinarea statisticii testului ( tcalculat ) are la baza relatia:


Concluzie:

Deoarece   T se respinge, deci este adevarata, prin urmare coeficientul de corelatie al colectivitatii din care s-a extras esantionul de 15 angajati, difera semnificativ de zero, deci este semnificativ statistic.



Raportul de corelatie -- se utilizeaza atat in cazul legaturilor liniare, cat si in situatia celor de tip neliniar


Masurarea intensitatii legaturii cu raportul de corelatie R presupune aplicarea relatiei:


Rezultatul R = 0,88 ne arata ca, intre timpul mediu petrecut de un agent cu un potential client si numarul de polite incheiate de fiecare agent exista o legatura puternica.

Deoarece R = r = 0,88, apreciem ca exista o legatura liniara, puternica si directa intre cele doua variabile.


Testarea semnificatiei raportului de corelatie

- se stabileste ipoteza nula (raportul de corelatie al colectivitatii din care s-a extras esantionul de 15 angajati, nu difera semnificativ de zero, deci nu este semnificativ statistic);

- se stabileste ipoteza alternativa ( raportul de corelatie al colectivitatii din care s-a extras esantionul de 15 angajati, difera semnificativ de zero, deci este semnificativ statistic);


Stiind ca pragul de semnificatie este si (exista un singur factor de influenta) se stabileste:

valoarea critica:

regiunea de respingere: daca , atunci H0 se respinge

Determinarea statisticii testului () are la baza relatia:

Concluzie:

Deoarece , atunci se respinge, deci se accepta, ceea ce inseamna ca raportul de corelatie al colectivitatii din care s-a extras esantionul de 15 angajati, difera semnificativ de zero, deci este semnificativ statistic.


Rezolvarea punctului e) al aplicatiei cu ajutorul programului informatic EXCEL


Se selecteaza din meniul principal optiunea Tools -- Data Analysis; la selectarea optiunii Regression, dupa OK, apare o fereastra in care se va completa astfel:

la Input Y Range: $B$1:$B$16

la Input X Range: $A$1:$A$16

se bifeaza Labels

se activeaza Output Range si se selecteaza o celula (exemplu: $D$1), unde vor apare tabele cu rezultate, printre care se regaseste si tabelul SUMMARY OUTPUT:


SUMMARY OUTPUT

Regression Statistics

Multiple R

0.883621

R Square

0.780786

Adjusted R Square

0.763923

Standard Error

1.311483

Observations

15.000000


Prezentarea detaliata a elementelor rezultate prin aplicarea programului EXCEL:


Tabel 1 -----SUMMARY OUTPUT

Regression Statistics

Multiple R

Raportul de corelatie (R)

0.883621

R Square

Coeficientul (gradul ) de determinatie

0.780786

Adjusted R Square

Valoarea ajustata a coeficientului de determinatie

0.763923

Standard Error

Abaterea medie patratica a erorilor in esantion

1.311483

Observations

Numarul observatiilor = volumul esantionului (n)

15


Interpretare rezultate din tabelul SUMMARY OUTPUT

  • R= 0,883621:  raportul de corelatie arata ca intre numarul de polite incheiate si timpul mediu petrecut cu un potential client exista o legatura puternica.
  • R2 =0,780786: coeficientul de determinatie indica faptul ca 78% din variatia numarului de polite incheiate este explicata de timpul mediu petrecut de un agent cu un potential client.
  • Abaterea medie patratica a erorilor = 1,311483, prin valoarea sa destul de mica, evidentiaza ca punctele empirice () sunt plasate destul de aproape de dreapta de regresie (in cazul in care acest indicator este zero inseamna ca, toate punctele sunt plasate pe dreapta de regresie).


f)            Realizarea unei previzionari punctuale presupune pornirea de la estimarea punctuala:

polite


Estimarea pe interval de incredere va fi:

T


Valoarea tabelata a testului fiind se inlocuieste si se obtine:

Intervalul de incredere pentru numarul de polite incheiate este:


Rezolvarea problemei cu ajutorul programului informatic EXCEL

Se selecteaza din meniul principal optiunea Tools, apoi Data Analysis.

In continuare se parcurg etapele:

Regression – OK si se deschide o fereastra

la Input Y Range: $B$1:$B$16

la Input X Range: $A$1:$A$16

se bifeaza Labels

se activeaza Output Range si se selecteaza o celula (exemplu: $D$1), unde vor apare tabele cu rezultate

se bifeaza: Reziduals, Standardized Reziduals, Rezidual Plots, Line Fit Plots, Normal Probability Plots

si se obtin urmatoarele rezultate:

SUMMARY OUTPUT

Regression Statistics

 

Multiple R

0.883621

 

R Square

0.780786

 

Adjusted R Square

0.763923

 

Standard Error

1.311483

 

Observations

15.000000

 

ANOVA


df

SS

MS

F

Significance F

 

Regression

1.000000

79.640152

79.640152

46.302727

0.000013

 

Residual

13.000000

22.359848

1.719988

 

Total

14.000000

102.000000


Coefficients

Standard Error

t Stat

P-value

Lower 95%

Upper 95%

 

Intercept

-1.731061

2.046120

-0.846021

0.412843

-6.151434

2.689313

 

X Variable 1

0.549242

0.080716

6.804611

0.000013

0.374866

0.723619

 

RESIDUAL OUTPUT

 

Observation

Predicted Y

Residuals

 

1.000000

12.000000

-2.000000

 

2.000000

10.901515

0.098485

 

3.000000

14.746212

-0.746212

 

4.000000

12.000000

0.000000

 

5.000000

9.253788

-1.253788

 

6.000000

16.393939

1.606061

 

7.000000

8.155303

0.844697

 

8.000000

9.803030

0.196970

 

9.000000

10.352273

-0.352273

 

10.000000

14.746212

0.253788

 

11.000000

12.549242

-1.549242

 

12.000000

12.549242

2.450758

 

13.000000

13.098485

-1.098485

 

14.000000

14.196970

-0.196970

 

15.000000

9.253788

1.746212