Автор работы: Пользователь скрыл имя, 12 Декабря 2010 в 21:42, творческая работа
презентация по нелинейной регрессии
Нелинейная
регрессия
Различают два класса нелинейных регрессий:
Модели приводятся к линейному виду
посредством
замены нелинейных
переменных
Гиперболическая модель
заменив
на z получим
.
Если b>0, то при увеличении х значения y замедленно уменьшаются, и при .
Если b<0, то при увеличении х значения y замедленно возрастают, и при .
Классический пример гиперболической модели – кривая Филлипса, характеризующая зависимость процента прироста заработной платы от уровня безработицы.
Параболическая модель
заменяя переменные
получим двухфакторное уравнение линейной
регрессии:
Пример параболической корреляционой связи –
зависимость заработной платы работников физического
труда от возраста.
2.
Регрессии, нелинейные
по оцениваемым
параметрам.
Данный класс нелинейных моделей подразделяется
на два типа:
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.
Нелинейные
модели внутренне
линейные
приводятся к линейному виду посредством
логарифмирования уравнения и последующей
заменой переменных
Степенная функция
Прологарифмируем по основанию е:
Заменим , , , ,
получим:
Произведем потенцирование:
Применяется при изучении зависимости эластичности
спроса от цены.
Показательная модель
Прологарифмировав, имеем:
Заменив , , , ,
получим
Применяя МНК, минимизируем
Система нормальных
уравнений составит:
Практическое применение экспоненты возможно, если
результативный признак не имеет отрицательных
значений.
3.Коэффициент
эластичности.
Расчет
коэффициента эластичности
Обычно рассчитывается средний коэффициент
эластичности:
Средний коэффициент эластичности показывает,
на сколько процентов в среднем по совокупности
измениться результат y от своей средней величины
при изменении фактора x на 1 % от своего среднего
значения.
Таблица 1. – Коэффициенты эластичности для ряда математических функций
4.
Корреляция для
нелинейной регрессии.
Для нелинейной зависимости определяется
индекс корреляции:
, чем ближе к единице, тем теснее связь рассматриваемых признаков, тем более надежно найденное уравнение регрессии.
☻Если нелинейное уравнение регрессии первого
вида при линеаризации принимает форму
линейного уравнения
парной регрессии, то
, где z - преобразованная величина
признака-фактора,
например, ,
.
☻Иначе обстоит дело, когда преобразования уравнения
в линейную форму
связаны с зависимой
Оценка существенности индекса корреляции
проводится, так же как и оценка надежности
коэффициента корреляции.