Нелинейные уравнения регрессии можно разделить на два класса:
– уравнения, которые с помощью замены переменных можно привести к линейному виду в новых переменных
– уравнения, для которых это невозможно. Назовем их внутренне нелинейными.
В первом случае, уравнения регрессии приводятся к линейному виду с помощью введения новых (линеаризующих) переменных. При этом предварительно формируются массивы значений. В последующем, после определения параметров линейного уравнения регрессии с помощью обратного преобразования можно получить параметры исходного уравнения регрессии, представляющие интерес для исследователя.
Линеаризующие преобразования для некоторых нелинейных моделей приведены в таблице 1.
Таблица 1.
Линеаризующие преобразования
Зависимость | Формула | Преобразование | Зависимость между параметрами |
Гиперболическая | y1=y X=1/x | а1=а b1=b | |
Логарифмическая | y1=y X=ln x | а1=а b1=b | |
Экспоненциальная | Y=lny х1=х | а1=а b1=b | |
Степенная | Y=lny (Y=lgy) X=lnx (X=lgx) | ln a=C (lg a=C) b1=b | |
Показательная | Y=lny (Y=lgy) х1=х | ln a=C (lg a=C) ln b=B (lg b=B) |
|
|
Для оценки параметров внутренне нелинейных зависимостей также можно применить МНК и определять оптимальные значения параметров а и b, исходя из условия .
В данном случае процедуру минимизации дисперсии в общем виде можно представить в виде следующих последовательных шагов.
1. Задаются некоторые «правдоподобные» начальные (исходные) значения параметров а и b.
2. Вычисляются теоретические значения ŷi = f(xi) с использованием этих значений параметров.
3. Вычисляются остатки еi = ŷi – yi и сумма квадратов остатков S.
4. Вносятся изменения в одну или более оценку параметров.
5. Вычисляются новые теоретические значения ŷi, остатки еi и S.
6. Если произошло уменьшение S, то новые значения оценок используются в качестве новой отправной точки.
7. Шаги 4, 5 и 6 повторяются до тех пор, пока не будет достигнута ситуация, когда величину S невозможно будет улучшить (в пределах заданной точности).
8. Полученные на последнем шаге значения параметров а и b являются оценками параметров нелинейного уравнения регрессии.