![]() |
Главная Случайная страница Контакты | Мы поможем в написании вашей работы! | |
|
Если между экономическими явлениями существуют нелинейные соотношения, то они выражаются с помощью соответствующих нелинейных функций.
Различают два класса нелинейных регрессий:
1. Регрессии, нелинейные относительно включенных в анализ объясняющих переменных, но линейные по оцениваемым параметрам, например
– полиномы различных степеней – ,
;
– равносторонняя гипербола – ;
– полулогарифмическая функция – .
2. Регрессии, нелинейные по оцениваемым параметрам, например
– степенная – ;
– показательная – ;
– экспоненциальная – .
Уравнение нелинейной регрессии, так же, как и в случае линейной зависимости, дополняется показателем тесноты связи. В данном случае это индекс корреляции:
, (1.21)
где – общая дисперсия результативного признака
,
– остаточная дисперсия.
Величина данного показателя находится в пределах: . Чем ближе значение индекса корреляции к единице, тем теснее связь рассматриваемых признаков, тем более надежно уравнение регрессии.
Квадрат индекса корреляции носит название индекса детерминации и характеризует долю дисперсии результативного признака , объясняемую регрессией, в общей дисперсии результативного признака:
, (1.22)
т.е. имеет тот же смысл, что и в линейной регрессии; .
Индекс детерминации можно сравнивать с коэффициентом детерминации
для обоснования возможности применения линейной функции. Чем больше кривизна линии регрессии, тем величина
меньше
. А близость этих показателей указывает на то, что нет необходимости усложнять форму уравнения регрессии и можно использовать линейную функцию.
Индекс детерминации используется для проверки существенности в целом уравнения регрессии по -критерию Фишера:
, (1.23)
где – индекс детерминации,
– число наблюдений,
– число параметров при переменной
. Фактическое значение
-критерия (1.23) сравнивается с табличным при уровне значимости
и числе степеней свободы
(для остаточной суммы квадратов) и
(для факторной суммы квадратов).
О качестве нелинейного уравнения регрессии можно также судить и по средней ошибке аппроксимации
Дата публикования: 2015-04-09; Прочитано: 542 | Нарушение авторского права страницы | Мы поможем в написании вашей работы!