STATISTIKA - Dr. Rahmije Mustafa (Ushtrime)fatonbajrami1
Ky material është punuar me qëllim të lehtësimit të punës së studentëve gjatë përgatitjes për provim dhe është pa pagesë.
Ndalohet shitja, ripublikimi nëpër web-faqe apo çdo lloj përdorimi i këtij punimi me qëllim të përfitimit material!
STATISTIKA - Dr. Rahmije Mustafa (Ushtrime)fatonbajrami1
Ky material është punuar me qëllim të lehtësimit të punës së studentëve gjatë përgatitjes për provim dhe është pa pagesë.
Ndalohet shitja, ripublikimi nëpër web-faqe apo çdo lloj përdorimi i këtij punimi me qëllim të përfitimit material!
Menaxhimi i Burimeve Njerëzore - Dr. Ymer Havolli (Skriptë)fatonbajrami1
Ky material është punuar me qëllim të lehtësimit të punës së studentëve gjatë përgatitjes për provim dhe është pa pagesë.
Ndalohet shitja, ripublikimi nëpër web-faqe apo çdo lloj përdorimi i këtij punimi me qëllim të përfitimit material!
This document discusses various topics in econometrics including:
1. What is multicollinearity and how it occurs in econometric models.
2. The stages of econometric analysis including formulating an economic hypothesis, model specification, verification, estimation, interpretation and forecasting.
3. Examples of econometric models including linear and nonlinear models in parameters and the use of dummy variables.
4. Aspects of model evaluation, specification, stability, and error terms.
It provides definitions and explanations of key econometric concepts and techniques.
Menaxhimi i Burimeve Njerëzore - Dr. Ymer Havolli (Skriptë)fatonbajrami1
Ky material është punuar me qëllim të lehtësimit të punës së studentëve gjatë përgatitjes për provim dhe është pa pagesë.
Ndalohet shitja, ripublikimi nëpër web-faqe apo çdo lloj përdorimi i këtij punimi me qëllim të përfitimit material!
This document discusses various topics in econometrics including:
1. What is multicollinearity and how it occurs in econometric models.
2. The stages of econometric analysis including formulating an economic hypothesis, model specification, verification, estimation, interpretation and forecasting.
3. Examples of econometric models including linear and nonlinear models in parameters and the use of dummy variables.
4. Aspects of model evaluation, specification, stability, and error terms.
It provides definitions and explanations of key econometric concepts and techniques.
This very short document appears to be testing or checking something as it contains the phrases "Testing 1 2 3" and numbers with no other context. It does not provide enough substantive information to generate a meaningful 3 sentence summary.
Kompanija HÖRMANN je na ovogodišnjoj konferenciji predstavila novi softver za uštedu energije pod nazivom Kompas za uštedu energije. Prezentaciju pod nazivom Pretovarna tehnika HÖRMANN prezentovao je Igor Albunović, u okviru čega je pored softvera predstavio i pricip rada DOBO, docking before openig the door.
Krizat ekonomike kriza ne shqiperi ligj.9 myrvete badivuku pantina
Analiza e thjeshte e regresionit
1. Analiza Statistikore
Ligjërata e 10
Regresioni linear i thjeshtë II
Qëllimet e mësimit
Në këtë ligjëratë ju do të mësoni:
Si të përdorni analizën e regresioninit për të parashikuar
vlerën e e variablës së varur bazuar në variablën e pavarur.
Kuptimin e koefiecentëve të regresionit b0 dhe b1
Të konkludoni rreth koeficientit të pjerrësisë dhe
koeficientit të korrelacionit
Se si t’i lexoni dhe interpretoni rezultatet e nxjerra përmes
Excel-it.
2. Korrelacioni dhe Regresioni
• Skater diagrami mund të përdoret për të
përshkruar raportet në mes të dy variablave
• Analiza e regresionit përdoret për të përshkruar
raportet në mes të dy variablave
• Analiza e korrelacionit përdoret për të matur
fortësinë e lidhjeve në mes të dy variablave.
– Korrelacioni ka të bëjë vetëm me fortësinë e lidhjeve
në mes të dy variablave
– Nuk tregon shkaqet e lidhjes në mes të variablave
– Skater diagrami është mësuar në vitin e parë
– Korrelacioni gjithashtu është mësuar në vitin e parë.
Hyrje në analizën e regresionit
• Analiza e regresionit përdoret për të :
– Parashikuar vlerën e variablës së varur të bazuar në vlerën e
së paku një variable të pavarur.
– Shpjegon efektet e ndryshimit të variablës së pavarur në
variablën e varur.
Variabla e varur (Y) : variabla që dëshirojmë ta
vlerësojmë ose ta shpjegojmë.
Variabla e pavarur (X): variabla e përdorur për të
shpjeguar variablën e varur.
3. Modeli i regresionit të thjeshtë linear
Vetëm një variabël e pavarur X
Marëdhëniet në mes të X dhe Y përshkruhen
përmes funksionit linear.
Ndryshimet në Y supozohet se shkaktohen nga
ndryshimet në X
Llojet e raporteve
Raporte lineare Raporte jolineare
Y Y
X X
Y Y
X X
4. Llojet e raporteve
(vazhdim
Lidhje të forta Lidhje të dobëta
Y Y
X X
Y Y
X X
Llojet e raporteve
(vazhdim)
Nuk ka lidhje fare
Y
X
Y
X
5. Modeli i regresionit të thjeshtë
linear ( në populacion)
Koeficienti i
Ndërprerja në Variabla e Gabimi i
pjerrësisë së
boshtin Y, në pavarur rastësishëm
populacionit
Variabla e populacion
varur
Yi β0 β1Xi εi
Komponenta lineare Komponenta e
gabimit të rastësishëm
Modeli i regresioni të thjeshtë linear
(vazhdim)
Y Yi β0 β1Xi εi
Vlerat e
vrojtuara të Y
për Xi
εi Pjerrësia = β1
Vlerat e
projektuara të Y Gabimi i
për Xi rastësishëm për
këtë vlerë të Xi
Ndërprerja = β0
Xi X
6. Ekuacioni i Regresionit të thjesht linear
(Vija e parashikuar-vlerësuar)
Ekuacioni i regresionit të thjeshtë linear siguron
vlerësimin e vijës së regresionit të popullimit
Vlera e
vlerësuar (ose Vlerësimi i Vlerësimi i
e parashikuar ) prerjes së pjerrësisë së
e Y për regresionit regresionit
vrojtimin i
Vlera e X për
ˆ
Yi b0 b1Xi
vrojtimin i
Gabimi i rastësishëm individual ei ka mesatare zero
Metoda e katrorëve më të vegjël
• b0 dhe b1 sigurohen përmes së gjetjeve të vlerave
b0 dhe b1 që minimizojnë shumën e devijimeve të
ˆ
ngritura në katrorë në mes të Y dhe Y
min (Yi Yi )2 min (Yi (b0 b1Xi ))2
ˆ
7. Gjetja e parametrave përmes
ekuacionit të katrorëve më të vegjël.
• Koeficientët b0 dhe b1 , dhe rezultatet e tjera
të regresionit në këtë ligjëratë do të gjinden
përmes përdorimit të Excel-it
Formulat janë të prezantuara në ligjeratën e
regresionit në vitin e parë të studimeve dhe mund
të gjinden edhe në libër të Statistikës (Viti i Parë).
Interpretimi i pjerrësisë dhe
ndërprerjes(……
ˆ
Yi b0 b1Xi
• b0 është vlera mesatare e vlerësuar e Y kur
vlera e X është zero
• b1 është ndryshimi mesatar i vlerësuar i
vlerës së Y si rezultat i ndryshimit të një
njësie të X-it ( është koeficienti i pjerrësisë së
vijës së regresionit, mund të jetë pozitiv dhe
negativ)
8. Shembull i regresionit të thjeshtë
linear
• Një kompani që merret me shitjen e patundshmërive dëshiron
të vlerësojë raportet në mes të çmimit të shitjes së shtëpive dhe
madhësisë së tyre ( të shprehura në meter katror)
• Një mostër e rastësishme prej 10 shtëpive është marrë:
– Variabla e varur (Y) = Çmimi i shtëpive në $1000
– Variabla e pavarur (X) = madhësia e shtëpive (
shprehur në meter katror - m 2 )
Të dhënat e mostrës për modelin
e çmimeve të shtëpive
Çmimi i shtëpive në
Sipërfaqja ne m2
$1000
(X)
(Y)
245 1400
312 1600
279 1700
308 1875
199 1100
219 1550
405 2350
324 2450
319 1425
255 1700
9. Prezantimi grafik-
• Modeli i çmimeve të shtëpive : diagrami shpërndarës
Regresioni - Përdorimi i Excel-it
• Data/ Data Analysis / Regression
10. Rezultati i Excel-it
Regression Statistics
Multiple R 0.76211
Ekuacioni i regresionit është:
R Square 0.58082
Adjusted R Square 0.52842 Çmimi i shtepive 98.24833 0.10977 (meter katror)
Standard Error 41.33032
Observations 10 ˆ
Yi b0 b1Xi
ANOVA
df SS MS F Significance F
Regression 1 18934.9348 18934.9348 11.0848 0.01039
Residual 8 13665.5652 1708.1957
Total 9 32600.5000
Coefficients Standard Error t Stat P-value 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 çmimit të shtëpive: diagrami
shpërndarës dhe vija e regresionit
Pjerrësia
= 0.10977
Prerja
= 98.248
Çmimi i shtepive 98.24833 0.10977 (meter katror)
11. Interpretimi i prerjes, koeficientit b0
Çmimi i shtepive 98.24833 0.10977 (meter katror)
• b0 është vlera mesatare e vlerësuar e Y kur X
është zero (Nëse X = 0 është në vargun e
vlerave të vrojtuara të X )
– Këtu nuk ka shtëpi me 0 meter katror, kështu që
b0 = 98.24833 ,tregon se shtëpitë në vargun e
vrojtuar të madhësive, $98,248.33 është pjesa
e çmimit të shtëpive që nuk mund të spjegohen
me sipërfaqen në meter katror.
Interpretimi i koeficientit të
pjerrësisë, b1
Çmimi i shtepive 98.24833 0.10977 (meter katror)
• b1 mat ndryshimin e vlerësuar në mesatare
të Y si rezultat i ndryshimit të një njësie të X
– Këtu b1 = 0.10977 na tregon se në mesatare
çmimi i shtëpive rritet për 0.10977($1000) =
$109.77, për çdo meter shtesë të madhësisë së
shtëpisë.
12. Parashikimi përmes analizës së
regresionit
Parashikoni çmimin e shtëpisë me
2000 metra katror.
Çmimi i shtepive 98.25 0.1098 (m2 )
98.25 0.1098(2000)
317.85
Çmimi i parashikuar për shtëpinë me 2000
m2 është 317.85 ($1,000) = $317,850
Interpolimi kundrejt
ekstrapolimit
• Kur përdoret modeli i regresionit për parashikim, parashikoni
vetëm në kuadër të vargut të vlerave të vrojtuara
Vargu relevant per
interpolim
Mos provoni të
parashikoni përtej
vargut të vlerave
të vrojtuara të X
13. Masat e variacionit
• Variacioni total përbëhet nga dy pjesë:
SST SSR SSE
Shuma totale e Shuma e katrorëve Shuma e katrorëve të
katroreve të regresionit gabimit
SST ( Yi Y)2 SSR ( Yi Y)2
ˆ SSE ( Yi Yi )2
ˆ
Ku:
Y = Vlera mesatare e variablës së varur
Yi = Vlerat e vrojtuara të variablës së varur
ˆ
Yi = Vlera e parashikuar e Y për vlerën e dhënë të Xi
Masat e variacionit
(vazhdim)
• SST = Shuma totale e katrorëve
– Masë e variacioneve të vlerës së Yi rreth vlerës
mesatare të tyre
• SSR = Shuma e katrorëve të regresionit
– Variacionet e spjegueshme të lidhura me raportet në
mes të X dhe Y
• SSE = Shuma e katrorëve të gabimit
• Variacionet e lidhura më shumë me faktorë të
tjerë se sa me raportet në mes të X dhe Y
(Variacionet e pashpjegueshme)
14. Masat e variacionit
(vazhdim)
Y
Yi
SSE = (Yi - Yi )2 Y
_
SST = (Yi - Y)2
Y _
_ SSR = (Yi - Y)2 _
Y Y
Xi X
Koefiecienti i determinacionit, r2
• Koeficienti i determinacionit është pjesa e
variacioneve totale në variablën e varur e cila
spjegohet me variacionet në variablën e pavarur
• Koeficienti i determinacionit gjithashtu quhet r në
katror dhe shënohet si r2
SSR Shuma e katrorevete regresionit
r2
SST Shuma totale e katroreve
Vereni : 0 r2 1
15. Rezultati i Excel-it
SSR 18934.9348
Regression Statistics
r2 0.58082
Multiple R 0.76211 SST 32600.5000
R Square 0.58082
Adjusted R Square 0.52842 58.08% e variacioneve në
Standard Error 41.33032 çmimin e shtëpive spjegohet
Observations 10
përmes variacioneve në
sipërafqen me meter katror.
ANOVA
df SS MS F Significance F
Regression 1 18934.9348 18934.9348 11.0848 0.01039
Residual 8 13665.5652 1708.1957
Total 9 32600.5000
Coefficients Standard Error t Stat P-value Lower 95% Upper 95%
Intercept 98.24833 58.03348 1.69296 0.12892 -35.57720 232.07386
Square Feet 0.10977 0.03297 3.32938 0.01039 0.03374 0.18580
Gabimi standard i vlerësimit (Devijimi
standard i vlerësimit)
• Devijimi standard i variacioneve të vrojtimeve
rreth vijës së regresionit vlerësohet përmes
formulës vijuese:
n
SSE (Y Y )
ˆ
i i
2
S YX i1
n2 n2
Ku:
SSE = shuma e katrorëve të gabimit të rastësishëm
n = madhësia e mostrës
16. Rezultati i Excel-it
Regression Statistics
Multiple R 0.76211 SYX 41.33032
R Square 0.58082
Adjusted R Square 0.52842
Standard Error 41.33032
Observations 10
ANOVA
df SS MS F Significance F
Regression 1 18934.9348 18934.9348 11.0848 0.01039
Residual 8 13665.5652 1708.1957
Total 9 32600.5000
Coefficients Standard Error t Stat P-value Lower 95% Upper 95%
Intercept 98.24833 58.03348 1.69296 0.12892 -35.57720 232.07386
Square Feet 0.10977 0.03297 3.32938 0.01039 0.03374 0.18580
Konkluzioni rreth koeficientit të
pjerrësisë së popullimit
• Gabimi standard i koeficientit të pjerrësisë
(b1) vlerësohet me formulën vijuese
S YX S YX
Sb1
SSX (X X) i
2
ku:
Sb1 = Vlerësimi i gabimit standard të koeficientit të pjerrësisë
SSE = Gabimi standard i vlerësimit
S YX
n2
17. Rezultati i Excel-it
Regression Statistics
Multiple R 0.76211
R Square 0.58082
Adjusted R Square 0.52842
Standard Error
Observations
41.33032
10
Sb1 0.03297
ANOVA
df SS MS F Significance F
Regression 1 18934.9348 18934.9348 11.0848 0.01039
Residual 8 13665.5652 1708.1957
Total 9 32600.5000
Coefficients Standard Error t Stat P-value Lower 95% Upper 95%
Intercept 98.24833 58.03348 1.69296 0.12892 -35.57720 232.07386
Meter katror 0.10977 0.03297 3.32938 0.01039 0.03374 0.18580
Konkluzioni rreth pjerrësisë:
Testi t
• Testi t për pjerrësinë e populacionit
– A ekziston lidhje lineare në mes të X dhe Y në
populacion me nivel të signifikancës α= 0,05?
• Hipoteza zero dhe alternative
H0: β1 = 0 (Nuk ka lidhje lineare)
H1: β1 0 (Lidhja lineare egziston)
• Testi statistikor
b β
ku:
t 1 1 b1 = koeficienti i pjerrësisë së
Sb1 regresionit
β1 = Pjerrësia e supozuar
Sb1= Gabimi standard i
sh.l. n 2 pjerrësisë
18. Konkluzioni rreth pjerrësisë:
Testi t
(vazhdim)
Çmimi i
Ekuacioni I regresionit të thjeshtë linear:
Siperfaqja
shtëpive
(meter katror)
$1000
(y)
(x) Çmimi i shtepive 98.25 0.1098 (meter katror)
245 1400
312 1600
279 1700 Pjerrësia e këtij modeli është
308 1875
0.1098
199 1100
219 1550 A thua sipërfaqja në meter katror
405 2350 ka ndikim në çmimin e shitjes?
324 2450
319 1425
255 1700
Konkluzioni rreth pjerrësisë:
Testi t- Shembull
b1 Sb1
H0: β1 = 0 Nga rezultatet e Excel-it:
H1: β1 0 Coefficients Standard Error t Stat P-value
Intercept 98.24833 58.03348 1.69296 0.12892
Meter katror 0.10977 0.03297 3.32938 0.01039
b1 β1 0.10977 0
t t 3.32938
Sb1 0.03297
19. Konkluzioni rreth pjerrësisë:
Testi t- Shembull
(vazhdim
Testi statistikor t = 3.329
b1 Sb1 t
H0: β1 = 0 Nga rezultati i Excel-it:
H1: β1 0 Coefficients Standard Error t Stat P-value
Intercept 98.24833 58.03348 1.69296 0.12892
Meter katror 0.10977 0.03297 3.32938 0.01039
sh.l. = 10-2 = 8
Vendimi:
a/2=.025 a/2=.025 Refuzo H0
Konkluzion:
Ka mjaft të dhëna se sipërfaqja
Refuzo H0 Mos e prano H0 Refuzo H0
-tα/2 tα/2 në meter katror ka ndikim në
0
-2.3060 2.3060 3.329 çmimin e shitjes së shtëpive.
Konkluzioni rreth pjerrësisë:
Testi t- Shembull
(vazhdim)
Vlera e P = 0.01039
Vlera e P-
H0: β1 = 0 Nga rezultati i Excel-it:
H1: β1 0 Coefficients Standard Error t Stat P-value
Intercept 98.24833 58.03348 1.69296 0.12892
Square Feet 0.10977 0.03297 3.32938 0.01039
Testi është dyanësor, Vendimi: Vlera e P < α kështu që
kështu që vlera e p është: : Refuzo H0
P(t > 3.329)+P(t < -3.329)
= 0.01039 Konkluzion:
(per 8 sh.l.) Ka mjaft të dhëna se sipërfaqja në
meter katror ka ndikim në çmimin
e shitjes së shtëpive.
20. Intervali i besimit për vlerësimin e
koeficientit të Pjerrësisë
Intervali I besimit për vlerësimin e pjerrësisë:
b1 t n2Sb1 sh.l. = n - 2
Rezultatet e Excel-it për çmimin e shtëpive:
Coefficients Standard Error t Stat P-value Lower 95% Upper 95%
Intercept 98.24833 58.03348 1.69296 0.12892 -35.57720 232.07386
Meter katror 0.10977 0.03297 3.32938 0.01039 0.03374 0.18580
Ne nivel te besueshmerise 95%, intervali i
besueshmerisë për pjerrësinë është: (0.0337, 0.1858)
Intervali i besimit për vlerësimin e
Pjerrësisë
(vazhdim)
Coefficients Standard Error t Stat P-value Lower 95% Upper 95%
Intercept 98.24833 58.03348 1.69296 0.12892 -35.57720 232.07386
Meter katror 0.10977 0.03297 3.32938 0.01039 0.03374 0.18580
Meqenëse vlera e shitjeve se shtëpive është e
shprehur në $1000, ne jemi 95% konfident se efekti
mesatar në cmimin e shitjes është në mes të
$33.70 dhe $185.80 për meter katror të shtuar për
një njësi.
21. Testi t për Koeficientin e
Korrelacionit
• Hipotezat:
H0: ρ = 0 (Nuk ka korrelacion në mes të X dhe Y)
HA: ρ ≠ 0 (Ka korrelacion në mes të X dhe Y)
• Testi Statistikor (me n – 2 shkallë të lirisë)
r-ρ
t ku
1 r2 r r 2 nese b1 0
n2 r r 2 nese b1 0
ρ korrelacioni ne populacion
Shembull: Çmimet e shtëpive
A ka evidencë për raporte lineare në mes të
sipërfaqes së shtëpive dhe Çmimit të shitjes
së tyre në nivel të signifikancës 0.05?
H0: ρ = 0 (Nuk ka korrelacion)
H1: ρ ≠ 0 (Korrelacioni ekziston)
a =0.05 , sh.l. = 10 - 2 = 8
r ρ 0.762 0
t 3.329
1 r2 1 0.7622
n2 10 2
22. Shembull: Zgjedhja përmes testit
r ρ .762 0 Vendimi:
t 3.329
1 r 2 1 .7622 Refuzo H0
n2 10 2 Konkluzion:
Ka evidencë se
Sh.l. = 10-2 = 8
ekziston lidhje
lineare në
a/2=0.025 a/2=0.025
nivelin 5% të
signifikancës.
Refuzo H0 Mos e refuzo H0 Refuzo H0
-tα/2 tα/2
0
-2.3060 2.3060
3.329
Përfundime
Hyrje në analizën e regresionit
Rishikim i supozimeve të analizës së regresionit
Ekuacioni i regresionit të thjeshtë linear
Përshkrimi i masave të variacionit
Prurja e konkluzioneve rreth pjerrësisë së
koeficientit të regresionit
Analizimi i korrelacionit-matja e fortësisë së
lidhjeve, etj