
- •План лекции:
- •План лекции:
- •2.1. Линеаризация первого класса функций
- •2.1.1. Система уравнений для расчета параметров квадратической регрессии.
- •2.1.2. Система уравнений для расчета параметров гиперболы.
- •2.1.3. Система нормальных уравнений для расчета параметров полулогарифмической функции
- •2.2. Линеаризация второго класса функций (нелинейных по оцениваемым параметрам).
- •2.2.1. Система нормальных уравнений для уравнения степенной функции
- •2.2.2. Система нормальных уравнений для модифицированной гиперболы
- •2.2.3. Расчет параметров логистической функции
- •3Й учебный вопрос: Причины нарушения и способы проверки предпосылок метода наименьших квадратов (мнк) при построении нелинейных уравнений регрессии.
- •Критические (пограничные значения) статистики Дарбина-Уотсона
2.2. Линеаризация второго класса функций (нелинейных по оцениваемым параметрам).
Второй класс функций приводится к линейному виду путём специальных процедур линеаризации. Наиболее часто используют логарифмирование.
Однако эта процедура применима не ко всем функциям.
Существуют нелинейные уравнения, которые не могут быть приведены к линейному виду путем логарифмирования.
Поэтому в эконометрике принято делить уравнения регрессии, нелинейные по их параметрам, на два типа:
1) Нелинейные, но внутренне линейные, уравнения;
2) Нелинейные, внутренне нелинейные, уравнения.
Внутренне линейные уравнения достаточно легко приводятся к линейному виду путём логарифмирования и дополнительной замены переменных.
Внутренне не линейные уравнения принципиально не могут быть приведены к линейному виду. К таким уравнениям относятся, например:
y = a (1 – 1/ (1 – x)b
или
y = a + bxc
Рассмотрим способы линеаризации и расчета параметров для внутренне линейных моделей.
2.2.1. Система нормальных уравнений для уравнения степенной функции
Например, рассмотрим уравнение степенной функции:
y=a0 xa1
Логарифмируя данное уравнение, получаем:
ln y = ln a0 + a1 ln x
Вводим новые переменные:
y1=ln y
x1= ln x
Заменяя переменные, получаем следующее уравнение:
y1 = ln a0 + a1 x1
Для такого уравнения легко составить систему нормальных уравнений:
nlna0+a1∑ x1=∑ y1
lna0∑ x1+a1∑( x1)2 =∑x1 y1
Повторно заменяя переменные, получаем систему:
nlna0+a1∑ln x =∑lny
lna0∑ln x +a1∑(lnx)2 =∑ lnx×lny (6.5) Решив систему (6.5), мы найдем параметры уравнения степенной функции. Следует обратить внимание на то, что в системе (6.5) неизвестными являются lna0 и a1, но a0 легко найти путем процедуры потенцирования : a0 = eln a0 , т.е. возводим число «e» в степень lna0.
2.2.2. Система нормальных уравнений для модифицированной гиперболы
Рассмотрим уравнение вида:
y=1/( a0 + a1 x) (6.7)
Это так называемая обратная модель, являющаяся разновидностью гиперболы. Но если в равносторонней гиперболе (6.3) мы заменяли независимую переменную 1/x = z , то для линеаризации уравнения (6.7) преобразованиям придется подвергнуть зависимую переменную y
Уравнение (6.7) можно переписать как:
1/y= a0 + a1 x (6.8)
Если в уравнении (6.8) заменить 1/y = y1, получаем
y1=a0 +a1x, т.е. обычное уравнение парной линейной регрессии с новыми переменными, для которого система нормальных уравнений имеет вид:
na0+a1Σx=Σy1
a0Σ x +a2Σx2=Σy1x (6.9)
Выполняя затем обратную замену переменных в системе нормальных уравнений (6.9), получаем систему для расчета параметров уравнения y=1/( a0 + a1 x).
2.2.3. Расчет параметров логистической функции
Логистическая
функция y
=
приводится к линейному виду путем целого
ряда преобразований:
Вначале обе части равенства обращаются:
=
Вычитая 1 из обеих частей уравнения, получаем:
-1
=
Логарифмируя, получаем:
ln( -1)= lnb - at
Вводим новые переменные:
z = ln( -1) и B = lnb
Получаем уравнение парной линейной регрессии:
z = B - at
После расчета его параметров, выполняем все необходимые обратные преобразования переменных.