Различают 2 класса нелинейных регрессий:
-регрессии нелинейные относительно включенных в анализ объясняющих переменных, но линейные по оцениваемым параметрам;
-регрессии, нелинейные по включенным параметрам.
Примером нелинейной регрессии по включаемым в нее объясняющим переменным могут слуюить следующие функции:
Полиномы разных степеней: y=a+bx+cx2+ε, y=a+bx+cx2+dx3+ ε;
Равносторонняя гипербола:
К нелинейным регрессиям по оцениваемым параметрам относятся функции:
Степенная y=axb ε
Показательная y=abx ε
Экспоненциальная у=уa+bx ε
Линеаризация нелинейной модели представляет собой преобразование используемой модели в линейную путем замены переменных на нестепенные.
Так, в параболе второй степени у=а0+а1х+а2х2+ ε заменяя переменные х=х1, х2=х2, получим двухфакторное уравнение линейной регрессии: у=а0+а1х1+а2х2+ ε, для оценки параметров Ã используется МНК.
Соответственно для полинома третьего порядка y=a+bx+cx2+dx3+ ε при замене х=х, х2=х2, х3=х3,, получим трехфакторную модель линейной регрессии: у=а0+а1х1+а2х2+ а3х3 + ε
|
|
Название ф-ии | Вид модели | Заменяемые переменные | Вид линеаризированной модели |
Показательная | Ln y = Ln a+ х ln b | Ln y = Y, Ln a = α, Ln b =β | Y = a + xbα+x β (Þ a=eα, b=eβ) |
Степенная | Ln y = Ln a+ b ln x | Ln y = Y, Ln a = α, Ln x =x | Y = a + bxα+bx |
гиперболическая | Y = a + b/x | 1/x=X | Y = a +b X |
Интервальная оценка параметров моделей парной регрессии
Для значимого ур-я регрессии строят интервальные оценки параметров a и b.
Интервальная оценка параметра a, есть:
Замечание: если интервальные границы в разные по знаку, то такие уравнения в прогнозировании использовать нельзя, т.е. непонятно какое направление.