Показательная функция вида
является нелинейной по коэффициенту β1 и относится к классу моделей регрессии, которые можно с помощью преобразований привести к линейному виду. Данная модель характеризуется тем, что случайная ошибка εi мультипликативно связана с факторной переменной хi.
Данную модель можно привести к линейному виду с помощью логарифмирования:
Log yi=log β0+ хi* logβ1+ logεi.
Для более наглядного представления данной модели регрессии воспользуемся методом замен:
log yi=Yi;
log β0=A;
logβ1=B;
logεi=E.
В результате произведённых замен получим окончательный вид показательной функции, приведённой к линейной форме:
Yi=A+Bхi+E.
Таким образом, можно сделать вывод, что рассмотренная показательная функция является внутренне линейной, поэтому оценки неизвестных параметров её линеаризованной формы можно рассчитать с помощью классического метода наименьших квадратов.
Рассмотрим второй класс моделей регрессии, нелинейных по оцениваемым коэффициентам.
Показательная функция вида
относится к классу моделей регрессии, которые невозможно привести к линейной форме путём логарифмирования. Данная модель характеризуется тем, что случайная ошибка βi аддитивно связана с факторной переменной хi.