Различают два класса нелинейных моделей регрессии:
· регрессии, нелинейные относительно включенных в анализ объясняющих переменных, но линейные по параметрам;
· регрессии, нелинейные по параметрам.
Примерами нелинейной регрессии по включаемым в нее объясняющим переменным могут служить следующие функции:
· полиномы разных степеней –
и т.д.
· равносторонняя гипербола – .
Для оценки параметров нелинейных моделей используются два подхода.
Первый подход основан на линеаризации модели и заключается в том, что с помощью подходящих преобразований исходных переменных исследуемую зависимость представляют в виде линейного соотношения между преобразованными переменными.
Второй подход обычно применяется в случае, когда подобрать соответствующее линеаризирующее преобразование не удается. В этом случае применяются методы нелинейной оптимизации на основе исходных переменных.
В рамках первого подхода можно линеаризировать модели как нелинейные по переменным, так и нелинейные по параметрам.
|
|
Если модель нелинейна по переменным, но линейна по параметрам, то введением новых переменных ее можно свести к линейной модели и для оценки параметров новой модели использовать обычный метод наименьших квадратов.
Среди подобных моделей следует назвать хорошо известную в эконометрике обратную (или гиперболическую) регрессионную модель
. (4.1)
Модель (4.1) может быть использована в микроэкономике для описания связи удельных расходов сырья, материалов, топлива с объемом выпускаемой продукции, времени обращения товара с величиной товарооборота и т.п. Модели вида (4.1) находят применение и в макроэкономике. Классическим ее примером является модель Филлипса, характеризующая соотношение между нормой безработицы X и процентом прироста безработицы Y.
Введение в модели (4.1) новой переменной , сводит ее к линейной:
. (4.2)
Параметры модели (4.2) оцениваются обычным методом наименьших квадратов по формулам (2.7) и (2.8) (тема 2), где данные xi заменяются на , i = 1, 2, …, n.
Другим примером нелинейных зависимостей может служить взаимосвязь доли расходов на товары длительного пользования и общих сумм расходов или доходов. Математическое описание подобного рода взаимосвязей получило название моделей Энгеля. На основе исследования семейных расходов Энгель сформулировал следующее утверждение: с ростом дохода доля доходов, расходуемых на продовольствие, уменьшается; соответственно с увеличением дохода доля доходов, расходуемых на непродовольственные товары, будет возрастать. Однако это увеличение не беспредельно, так как сумма долей на все товары не может быть больше единицы.
|
|
Оказалось, что гиперболическая модель (4.1) с параметром a < 0 хорошо подходит для описания подобной зависимости. Вместе с тем равносторонняя гипербола не является единственно возможной функцией регрессии для модели Энгеля. Для этой цели можно использовать также полулогарифмическую модель
. (4.3)
Данная модель линейна по параметрам a и b и нелинейна по независимой переменной X, однако введением новой переменной она приводится к линейной:
. (4.4)
Пример 4.1. Имеются данные о среднемесячном доходе семьи X (в тыс. усл. ед.) и расходах на товары длительного пользования Y (в % к доходам):
Таблица 4.1
Номер семьи | ||||||
X | ||||||
Y | 13,4 | 15,4 | 16,5 | 18,6, | 19,1 |
Найти уравнение регрессии Y на X:
а) полулогарифмическое; б) гиперболическое. Представить их графически.
Решение. а). Вводим новую переменную и вычисляем необходимые средние для расчета функции регрессии:
.
Формулы (2.7) и (2.8) (тема 2) дают нам следующие оценки параметров функции регрессии:
.
Таким образом, полулогарифмическая функция Энгеля регрессии доли расходов на товары длительного пользования на среднемесячные доходы семьи имеет вид: y * = 9,871 + 5,1335× ln x.
График этой функции изображен на рис. 4.1 сплошной линией.
б). Вводим новую переменную и вычисляем необходимые средние:
.
Применение формул (2.7) и (2.8) (тема 2) дает следующие оценки параметров функции регрессии:
.
Следовательно, гиперболическая функция Энгеля регрессии доли расходов на товары длительного пользования на среднемесячные доходы семьи имеет вид:
.
График данной функции представлен на рис. 4.1 разрывной линией.
Рис. 4.1. Нелинейные функции регрессии g
Более сложной проблемой оценивания являются модели нелинейные по параметрам, так как непосредственное применение метода наименьших квадратов для оценки параметров таких моделей приводит, как правило, к значительным затруднениям. Примерами подобных нелинейных регрессий могут служить модели, функции регрессий которых есть функции:
· степенная
· показательная
· экспоненциальная
В ряде случаев с помощью подходящих преобразований эти модели удается cвести к линейным. Так, приведенные выше модели могут быть сведены к линейным логарифмированием обеих частей уравнений.