Рис. 4.1.2 Квадратичная зависимость
Рис. 4.1.2 Кубическая зависимость
Аналогично квадратичная функция (рис.4.1.3) y = a + b1 x + b2 x 2 + e, может отражать зависимость между расходами на рекламу (х) и прибылью (у):
В таблице 4.1.1 приведены преобразования, с помощью которых нелинейные функции становятся линейными с новыми переменными и коэффициентами.
Таблица 4.1.1
Функция | Преобразования переменных | Преобразования коэффициентов | ||
Y* | X* | A | B | |
y | a | b | ||
x | a | b | ||
x | a | b | ||
x | ||||
x | b | |||
a | b | |||
b | ||||
y | a | b | ||
x | ||||
y | a | b |
4.2 Оценка качества нелинейной связи
При криволинейной зависимости в качестве меры тесноты связи между показателями х и у используется корреляционное отношение (или индекс корреляции). Индекс корреляции рассчитывается по формуле:
(4.6)
Границы корреляционного отношения находятся в пределах от 0 до 1. Индекс корреляции следует рассматривать как показатель не только тесноты связи, но и степени близости линии регрессии к фактическим данным.
|
|
Также для анализа качества уравнения нелинейной регрессии можно использовать среднюю ошибку аппроксимации (см. формулу 2.9)
Статистическую значимость построенного уравнения нелинейной регрессии можно проверить с помощью F – критерия Фишера (см. формулу 3.7). Для оценки статистической значимости параметров нелинейной регрессии используют t – критерий Стьюдента (см. формулы 3.8 и 3.9)
Пример 1. По семи территориям Волжского региона за 2005 г. известны значения двух признаков (табл. 4.2.1).
Таблица 4.2.1