примером моделей регрессии первого класса является степенная функция вида:
Данная модель характеризуется тем, что случайная ошибка βi мультипликативно связана с факторной переменной хi.
Данную модель можно привести к линейному виду с помощью логарифмирования:
lnyi=lnβ0+β1 lnхi + lnεi.
Для более наглядного представления данной модели регрессии воспользуемся методом замен:
ln yi=Yi;
ln β0=A;
lnхi=Xi;
lnεi=E.
В результате произведённых замен получим окончательный вид показательной функции, приведённой к линейной форме:
Yi=A+β1Xi+E.
Таким образом, можно сделать вывод, что рассмотренная степенная 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.
Степенная функция вида
относится к классу моделей регрессии, которые невозможно привести к линейной форме путём логарифмирования. Данная модель характеризуется тем, что случайная ошибка εi аддитивно связана с факторной переменной хi.
|
|
Таким образом, для оценки неизвестных параметров моделей регрессии, которые нельзя привести к линейному виду, нельзя применять классический метод наименьших квадратов. В этом случае используются итеративные процедуры оценивания (квази-ньютоновский метод, симплекс-метод, метод Хука-Дживса, метод Розенброка и др.).