Практическое занятие

Нелинейные регрессии делятся на два класса: регрессии, нелинейные относительно включенных в анализ объясняющих переменных, но линейные по оцениваемым параметрам, и регрессии, нелинейные по оцениваемым параметрам.

Регрессии, нелинейные по объясняющим переменным:

- полиномы разных степеней у = а + b₁ x + b₂ х² + b₃ х³ + ε;

- логарифмическая y = a + b ln x + ε;

- равносторонняя гипербола .

Регрессии, нелинейные по оцениваемым параметрам:

- степенная у = a x^b ε;

- показательная y = a b^x ε;

- экспоненциальная у = е^а+bх ε.

Нелинейные уравнения регрессии можно разделить на два класса:

- уравнения, которые с помощью замены переменных можно привести к линейному виду в новых переменных x', y'

y ' = a ' + b ' x ';

- уравнения, для которых это невозможно. Назовем их внутренне нелинейными.

Для того чтобы оценить параметры нелинейных уравнений регрессии можно использовать МНК, но необходимо сначала преобразовать уравнение регрессии. Если уравнение не линейно по объясняющим переменным, но линейно по своим параметрам, то можно сделать замену переменной.

ŷ = a₀ + a₁/x.

Делается замена переменной x' =1/x и уравнение преобразовывается к виду:

ŷ = a₀ + a₁x'.

Параметры этого уравнения рассчитываются по обычным формулам, где используются фактические значения параметра y из выборки и рассчитанные по данным выборки с помощью значений переменной x'. Если уравнение не линейно и по объясняющим переменным и по параметрам, то его необходимо линеаризовать.

Линеаризующие преобразования для нелинейных моделей приведены в таблице 1

Для общей оценки качества построенной эконометрической определяются такие характеристики как коэффициент детерминации, индекс корреляции, средняя относительная ошибка аппроксимации, а также проверяется значимость уравнения регрессии с помощью F -критерия Фишера. Перечисленные характеристики являются достаточно универсальными и могут применяться как для линейных, так и для нелинейных моделей, а также моделей с двумя и более факторными переменными. Определяющее значение при вычислении всех перечисленных характеристик качества играет ряд остатков ε_i, который вычисляется путем вычитания из фактических (полученных по наблюдениям) значений исследуемого признака y_i значений, рассчитанных по уравнению модели ŷ_i.

Таблица 1 – Линеаризующие преобразования для нелинейных моделей

Зависимость	Формула	Преобразование	Зависимость между параметрами
Гиперболическая		y' = y,	a' = a, b' = b
Логарифмическая		y' = y, x' = ln x	a' = a, b' = b
Степенная		y' = ln y, x' = ln x	a' = ln a, b' = b
Показательная		y' = ln y, x' = x	a' = ln a, b' = ln b
Экспоненциальная		y' = ln y, x' = x	a' = a, b' = b

В случае нелинейной зависимости между показателями нельзя использовать для тесноты связи линейный парный коэффициент корреляции.

Индекс корреляции для нелинейных регрессий рассчитывается по формуле, как корень из коэффициента детерминации:

.

Эта величина всегда лежит в интервале от 0 до 1. Если между показателями x и y существует функциональная зависимость, выражаемая построенным уравнением регрессии, то объясняемая дисперсия будет равна единице (R = 1). Если между показателями x и y отсутствует зависимость, то объясненная дисперсия будет равна нулю (R = 0).

Чтобы убедиться в пригодности и надежности построенной модели для использования в прикладных целях используют F -критерий Фишера.

Поиск по сайту: