Общий вид регрессионной модели:
. (1)
Если в уравнении (1) присутствует только один фактор X, а f – нелинейная математическая функция, получим парную нелинейную модель регрессии вида
Y=f(X).
Различают два класса нелинейных регрессий:
1) регрессии, нелинейные относительно объясняющих переменных, но линейные по оцениваемым параметрам;
2) регрессии, нелинейные как относительно объясняющих переменных, так и относительно оцениваемых параметров.
К первому классу относятся, например:
1) полиномы разных степеней
;
2) равносторонняя гипербола
.
Ко второму классу относятся:
1) степенная функция
;
2) показательная
;
3) экспоненциальная
.
Замечание.
Если модель второго класса с помощью соответствующих преобразований может быть приведена к линейному виду, то она называется внутренне линейной, если же модель не может быть сведена к линейной функции, то она называется внутренне нелинейной (например, и другие). Для оценки параметров таких моделей используются итеративные процедуры.
Работа с такими моделями сводится к их предварительной линеаризации (приведению к линейному виду). Модели их первого класса приводятся к линейному виду простой заменой переменных. Для линеаризации моделей второго класса используют полулогарифмическую функцию или логарифмирование. Полученные таким образом вспомогательные линейные модели оценивают обычным МНК. Затем осуществляют обратный переход к нелинейной функции.
Пример.
Пусть зависимая переменная y – прибыль в семи различных торговых точках (исходные данные приведены в таблице 1), а фактор x – товарооборот в них.
Требуется: см. пункты 8, 9 в методичке.
Решение:
Степенная модель
.
Линеаризация:
,
обозначим lg y=Y, lg x= X, и получим вспомогательную линейную модель вида
Y=A+bX.
Для ее построения воспользуемся таблицей 1 (столбцы X=lg x и Y=lg y) и результатами регрессионного анализа.
Таблица 1
n | y | x | lg y=Y | lg x=X | yp | ei | ei^2 | eiотн | y-ycp | (y-ycp)^2 |
0.301 | 1.699 | 2.464 | -0.464 | 0.215 | 23.200 | -14.286 | 204.082 | |||
0.602 | 1.778 | 4.097 | -0.097 | 0.009 | 2.427 | -12.286 | 150.939 | |||
1.041 | 1.929 | 10.823 | 0.177 | 0.031 | 1.606 | -5.286 | 27.939 | |||
1.230 | 1.929 | 10.823 | 6.177 | 38.151 | 36.333 | 0.714 | 0.510 | |||
1.255 | 2.000 | 17.030 | 0.970 | 0.941 | 5.389 | 1.714 | 2.939 | |||
1.447 | 2.079 | 28.317 | -0.317 | 0.101 | 1.133 | 11.714 | 137.224 | |||
1.531 | 2.146 | 43.527 | -9.527 | 90.773 | 28.022 | 17.714 | 313.796 | |||
Сумма | 130.222 | 98.110 | 837.429 | |||||||
Среднее | 16.286 | 91.429 | 14.016 |
Вспомогательная линейная модель примет вид
Y=-4.346+2.789*X.
Обратный переход к степенной функции:
Степенная модель парной регрессии примет вид:
.
С помощью этой модели рассчитываем все последующие столбцы таблицы 1, начиная с и далее.
Качественные характеристики модели:
–
84.4 % случайной вариации переменной прибыль (y) учтено в построенной модели и обусловлено случайными колебаниями фактора оборот (х);
–
фактические значения прибыли отличаются от рассчитанных на основе степенной модели в среднем на 14 %;
эластичность при степенной связи переменных определяется показателем степени, то есть :
–
при изменении оборота на 1 % прибыль меняется в ту же сторону на 2,789%, изменение эластично.
График:
|
Показательная модель
.
Линеаризация:
Таблица 2
n | y | x | lg y=Y | yp | ei | ei^2 | eiотн |
0.301 | 3.119 | -1.119 | 1.252 | 55.954 | |||
0.602 | 4.245 | -0.245 | 0.060 | 6.125 | |||
1.041 | 9.173 | 1.827 | 3.339 | 16.611 | |||
1.230 | 9.173 | 7.827 | 61.265 | 46.042 | |||
1.255 | 14.564 | 3.436 | 11.807 | 19.089 | |||
1.447 | 26.976 | 1.024 | 1.048 | 3.657 | |||
1.531 | 49.967 | -15.967 | 254.929 | 46.960 | |||
Сумма | 333.700 | 194.439 | |||||
Среднее | 16.286 | 91.429 | 27.777 |
Y=-0.161+0.0133*x – вспомогательная линейная модель.
Обратный переход:
Окончательно показательная модель примет вид:
.
Качественные характеристики модели:
–
77,6 % случайной вариации переменной прибыль (y) учтено в построенной модели и обусловлено случайными колебаниями фактора оборот (х);
–
фактические значения прибыли отличаются от рассчитанных на основе модели в среднем на 28 %, модель неточная;
эластичность при показательной связи переменных определяется по формуле :
–
при изменении оборота на 1 % прибыль меняется в ту же сторону на 2,82%, изменение эластично.
График:
|
Гиперболическая модель
Линеаризация:
используем простую замену ,
.
Таблица 3
n | y | x | 1/x=X | yp | ei | ei^2 | eiотн |
0.02 | -2.298 | 4.2983 | 18.475 | 214.9137 | |||
0.0167 | 5.6834 | -1.683 | 2.8338 | 42.08507 | |||
0.0118 | 17.421 | -6.421 | 41.231 | 58.37421 | |||
0.0118 | 17.421 | -0.421 | 0.1774 | 2.477429 | |||
0.01 | 21.647 | -3.647 | 13.299 | 20.25976 | |||
0.0083 | 25.638 | 2.3624 | 5.581 | 8.437161 | |||
0.0071 | 28.488 | 5.5118 | 30.38 | 16.21119 | |||
Сумма | 111.98 | 362.7585 | |||||
Среднее | 16.286 | 91.429 | 51.82265 |
– вспомогательная линейная модель;
– гиперболическая модель.
Качественные характеристики модели:
–
86,6 % случайной вариации переменной прибыль (y) учтено в построенной модели и обусловлено случайными колебаниями фактора оборот (х);
–
фактические значения прибыли отличаются от рассчитанных на основе модели в среднем на 51,8 %, модель неточная;
эластичность при гиперболической связи переменных определяется по формуле :
–
при изменении оборота на 1 % прибыль меняется в ту же сторону на 1,6%, изменение эластично.
График:
|
Сравнение моделей
Таблица 4
Модель | R^2 | eотн.ср. | Эластичность |
Степенная | 0.844 | 14.02 | 2.789 |
Показательная | 0.776 | 27.78 | 2.82 |
Гипербoлическая | 0.866 | 51.8 | 1.6 |