Автор работы: Давыдов Максим, 31 Мая 2010 в 20:57, шпаргалка
лекции
НЕЛИНЕЙНАЯ РЕГРЕССИЯ
Если между экономическими явлениями существуют нелинейные соотношения, то они выражаются с помощью соответствующих нелинейных функций: например, равносторонней гиперболы, параболы второй степени и др.
Различают два класса нелинейных регрессий:
регрессии, нелинейные относительно включенных в анализ объясняющих переменных, но линейные по оцениваемым параметрам;
регрессии, нелинейные
по оцениваемым параметрам.
Примером нелинейной регрессии по включаемым
в нее объясняющим переменным могут служить
следующие функции:
у = а + bх + сх2 + e,
у = а + bx + cx2 + dx3 ++ e;
К нелинейным регрессиям по оцениваемым параметрам относятся функции:
степенная — у = а хb+ е;
показательная — у = аbх + e;
экспоненциальная — у = еa+bx + e.
Нелинейная регрессия по включенным переменным не таит каких-либо сложностей в оценке ее параметров. Она определяется, как и в линейной регрессии, методом наименьших квадратов (МНК), ибо эти функции линейны по параметрам. Так, в параболе второй степени
у = а0 + а1 х + а2 х2 + e,
заменяя переменные х =х1, х2 =х2, получим двухфакторное уравнение линейной регрессии:
у = а0 + а1 х1 + а2 х2 + e,
для оценки параметров которого, используется МНК.
Соответственно для полинома третьего порядка
y = а0 + а1 х + а2 х2+а3 х3 + e,
при замене х = х1, х2 =x2, х3 = х3 получим трехфакторную модель линейной регрессии:
у = а0 + а1 x1 + a2 x2b+ a3 x3 + e,
а для полинома к-ro порядка получим линейную модель множественной регрессии с k объясняющими переменными:
у = а0 + а1 xl + а2 х2 + ... + e
Следовательно, полином любого порядка сводится к линейной регрессии с ее методами оценивания параметров и проверки гипотез. Как показывает опыт большинства исследователей, среди нелинейной полиномиальной регрессии чаще всего используется парабола второй степени; в отдельных случаях — полином третьего порядка. Ограничения в использовании полиномов более высоких степеней связаны с требованием однородности исследуемой совокупности: чем выше порядок полинома, тем больше изгибов имеет кривая и соответственно менее однородна совокупность по результативному признаку.
Парабола второй
степени целесообразна к
Если же исходные данные не обнаруживают изменения направленности связи, то параметры параболы второго порядка становятся трудно интерпретируемыми, а форма связи часто заменяется другими нелинейными моделями.
Применение МНК для оценки параметров параболы второй степени приводит к следующей системе нормальных уравнений:
Решение ее возможно методом определителей:
где Δ – определитель системы;
Δa, Δb и Δc –частные определители для каждого из параметров.
Среди класса нелинейных функций, параметры которых без особых затруднений оцениваются МНК, следует назвать хорошо известную в эконометрике равностороннюю гиперболу: ух = а + b/x.
Она может быть
использована не только для характеристики
связи удельных расходов сырья, материалов,
топлива с объемом выпускаемой
продукции, времени обращения товаров
от величины товарооборота, т.е. на микроуровне,
но и на макроуровне. Классическим ее
примером является кривая
Филлипса, характеризующая нелинейное
соотношение между нормой безработицы
x: и процентом прироста заработной платы
у:
Английский экономист А. В. Филлипс, анализируя данные более чем за 100-летний период, в конце 50-х гг. XX в. установил обратную зависимость процента прироста заработной платы от уровня безработицы.
Для равносторонней
гиперболы приведенного выше вида,
заменив 1/x на z,получим
линейное уравнение регрессии y =
a + bz + e, Оценка параметров которого может
быть дана МНК. Система нормальных уравнений
составит:
При
b > 0 имеем обратную зависимость, которая
при х →∞ характеризуется нижней
асимптотой, т. е. минимальным предельным
значением у, оценкой которого
служит параметр а.
Так, для
кривой Филлипса yх =0,00679 + 0,1842∙(1/x) - величина параметра a,равная 0,00679, означает, что с ростом уровня безработицы темп прироста заработной платы в пределе стремится к нулю. Соответственно можно определить тот уровень безработицы, при котором заработная плата оказывается стабильной и темп ее прироста равен нулю.
При b < 0 имеем медленно повышающуюся функцию с верхней асимптотой при х → ∞, т. е. с максимальным предельным уровнем у, оценку которого в уравнении дает параметр а.
Примером может
служить взаимосвязь доли расходов
на товары длительного пользования
и общих сумм расходов (или доходов).
Математическое описание подобного
рода взаимосвязей получило название
кривых Энгеля. В 1857 г. немецкий статистик
Э. Энгель на основе исследования семейных
расходов сформулировал закономерность
- 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, ибо на все товары сумма
долей не может быть больше единицы, или
100%, а на отдельные непродовольственные
товары этот предел может характеризоваться
величиной параметра а
для уравнения вида
у
— доля расходов на непродовольственные
товары;
х — доходы (или общая сумма расходов как индикатор дохода).
Правомерность использования равносторонней гиперболы в качестве кривой Энгеля легко доказывается. Соответственно можно определить границу величины дохода, дальнейшее увеличение которого не приводит к росту доли расходов на отдельные непродовольственные товары.
Иначе обстоит
дело с регрессией, нелинейной по оцениваемым
параметрам. Данный класс нелинейных моделей
подразделяется на два типа: нелинейные
модели внутренне линейные и нелинейные
модели внутренне нелинейные. Если нелинейная
модель внутренне линейна,
то она с помощью соответствующих преобразований
может быть приведена к линейному виду.
Если же нелинейная
модель внутренне нелинейна,
то она не может быть сведена к линейной
функции. Например, в эконометрических
исследованиях при изучении эластичности
спроса от цен широко используется степенная
функция:
где у — спрашиваемое количество,
х — цена,
e— случайная ошибка.
Данная модель нелинейна относительно оцениваемых параметров, ибо включает параметры а и b неаддитивно. Однако ее можно считать внутренне линейной, ибо логарифмирование данного уравнения по основанию е приводит его к линейному виду:
Соответственно
оценки параметров а
и b могут быть найдены МНК. В рассматриваемой
степенной функции предполагается, что
случайная ошибка в мультипликативно
связана с объясняющей переменной х.
Если же модель представить в виде у
= ахb +e,
то она становится внутренне нелинейной,
ибо ее невозможно превратить в линейный
вид.
В специальных исследованиях по регрессионному анализу часто к нелинейным относят модели, только внутренне нелинейные по оцениваемым параметрам, а все другие модели, которые внешне нелинейны, но путем преобразований параметров могут быть приведены к линейному виду, относятся к классу линейных моделей. В этом плане к линейным относят, например, экспоненциальную модель у = еa+bx+е, ибо логарифмируя ее по натуральному основанию, получим линейную форму модели
Lny =a+ bx+ lne
Если модель
внутренне нелинейна по параметрам,
то для оценки параметров используются
итеративные процедуры, успешность
которых зависит от вида уравнений и особенностей
применяемого итеративного подхода . Модели
внутренне нелинейные по параметрам могут
иметь место в эконометрических исследованиях.
Однако гораздо большее распространение
получили модели, приводимые к линейному
виду. Решение такого типа моделей реализовано
в стандартных пакетах прикладных программ.
Среди них, в частности, можно назвать
и обратную модель вида
.
Среди нелинейных функций, которые могут быть приведены к линейному виду, в эконометрических исследованиях очень широко используется степенная функция у = ахb+е. Связано это с тем, что параметр b в ней имеет четкое экономическое истолкование, т. е. он является коэффициентом эластичности. Это значит, что величина коэффициента b показывает, на сколько процентов изменится в среднем результат, если фактор изменится на 1 %. О правомерности подобного истолкования параметра b для степенной функции ух = аxb можно судить, если рассмотреть формулу расчета коэффициента эластичности:
Где dy/dx - первая производная, характеризующая соотношение приростов результата и фактора для соответствующей формы связи.
Коэффициент эластичности, естественно, можно определять и при наличии других форм связи, но только для степенной функции он представляет собой постоянную величину, равную параметру Ь. В других функциях коэффициент эластичности зависит от значений фактора х. Так, для линейной регрессии ух = а + b х функция и эластичность следующие:
dy/dx=b,
В силу того что коэффициент эластичности для линейной функции не является величиной постоянной, а зависит от соответствующего значения х, то обычно рассчитывается средний показатель эластичности по формуле
Для оценки параметров степенной функции у = а хb + e применяется МНК к линеаризованному уравнению lny = lna + b lnx+ lne.
Параметр b определяется непосредственно из системы, а параметр а — косвенным путем после потенцирования величины 1nа.
Поскольку параметр а экономически не интерпретируется, то нередко зависимость записывается в виде логарифмически линейной. В виде степенной функции изучается не только эластичность спроса, но и предложения. При этом обычно эластичность спроса характеризуется параметром b < 0, а эластичность предложения: b > 0.
Несмотря на
широкое использование в
Например, изучая соотношение ставок межбанковского кредита у (в процентах годовых) и срока его предоставления х (в днях), было получено уравнение регрессии ух = 11,684х0,352 с очень высоким показателем корреляции (0,9895). Коэффициент эластичности 0,352% лишен смысла, ибо срок предоставления кредита не измеряется в процентах. Значительно больший интерес для этой зависимости может представить линейная функция ух = 21,1 + 0,403х, имеющая более низкий показатель корреляции 0,85. Коэффициент регрессии 0,403 показывает в процентных пунктах изменение ставок кредита с увеличением срока их предоставления на один день.