4.9. Нелинейные модели регрессии: методы линеаризации До сих пор мы рассматривали линейные регрессионные модели и их обобщения, которые так же были линейными моделями. Для таких моделей получены уравнения для оценок параметров и их характеристик, доказаны свойства оценок, разработаны процедуры тестирования и проверки адекватности. Уравнения, описывающие эти модели и соответствующие процедуры, имеют наиболее простой вид и достаточно просто реализуются на практике в виде вычислительных алгоритмов. Поэтому исследователю можно дать следующую рекомендацию: если есть возможность построить линейную модель с большим количеством регрессоров, вместо нелинейной модели, пусть даже и с меньшим числом регрессоров, то лучше предпочесть линейную модель. К сожалению, при моделировании реальных социально-экономических процессов далеко не всегда можно описать процесс с помощью линейной зависимости. Однако, можно попытаться так преобразовать нелинейную модель, чтобы свести ее к линейной. Мы покажем, что во многих случаях это удается сделать, и достаточно простым способом. Нелинейная регрессия, линейная относительно параметров Широкий класс нелинейных моделей регрессии можно представить в виде
где Нетрудно заметить, что
нелинейная модель вида (4.61) легко сводится к
линейной, если произвести следующее
преобразование переменных: Таким образом, если регрессионная модель нелинейна относительно независимых переменных, но линейна относительно коэффициентов регрессии и случайной составляющей, то ее можно рассматривать как линейную, если в качестве регрессоров взять преобразованные независимые переменные. Регрессия, нелинейная относительно параметров и случайного члена Многие экономические процессы можно описать нелинейными функциями вида
Правая часть уравнения (4.62) представляет собой нелинейную функцию как относительно параметров (степенную), так и случайной составляющей. В этом случае говорят, что модель содержит мультипликативные возмущения. В качестве примера подобного вида зависимостей можно привести хорошо известную производственную функцию Кобба - Дугласа (ее эконометрическую версию). Несмотря на кажущуюся сложность нелинейной зависимости (4.62), ее также можно свести к линейной путем логарифмического преобразования. Действительно, логарифмируя правую и левую части уравнения (4.62), получим
Уравнение (4.63) линейно
относительно логарифмов переменных
модели. Таким образом, вводя
преобразования переменных вида Интерпретация коэффициентов логарифмической регрессии Рассмотрим модель с одним регрессором
Продифференцируем правую и левую части этого уравнения, получим
откуда
Правая часть формулы (4.65)
определяет эластичность
переменной y по x. Понятие
эластичности широко используется в
экономическом анализе. Коэффициент
эластичности показывает, на сколько
процентов изменится величина
переменной y при изменении
переменной x на один процент. Таким
образом, в модели (4.64) параметр Обобщая, можно сказать, что в
многомерной логарифмической модели (4.63)
коэффициенты 1) Следует помнить, что логарифмическое преобразование можно применять только в случае, если переменные исходной нелинейной модели принимают положительные значения. В противном случае (при отрицательных значениях переменных) логарифмическая функция не определена. 2) Если
в исходной модели возмущения
нормально распределены, то
преобразованные возмущения 3) При
нелинейных преобразованиях,
подобных логарифмическому, нельзя
утверждать, что свойства оценок
преобразованной модели после
обратного преобразования сохранятся
и для исходной модели (будут иметь
место и для исходной модели). В
частности, оценка вида 4) Если случайный член в уравнение (4.62) входит аддитивно, то в этом случае модель невозможно преобразовать так, чтобы свести ее к линейной. Некоторые типичные часто применяемые в эмпирических исследованиях нелинейные эконометрические модели 1)
Полиномиальная:
2)
Логарифмическая (линейная
относительно логарифмов)
Заметим, что в данное уравнение, в отличие от (4.63), шумы входят аддитивно. 3)
Экспоненциальная:
4)
Обратная:
или
5)
Правая полулогарифмическая:
6)
Левая полулогарифмическая:
7)
Интерактивная модель (модель
взаимодействия):
Мы рассмотрели типичных представителей класса нелинейных функций, которые можно преобразовать к линейному виду. К сожалению, не для всех нелинейных зависимостей такие преобразования возможны. Примером нелинеаризуемой функции может служить модель вида:
Для оценивания подобных моделей можно использовать метод наименьших квадратов, однако в данном случае его применение приводит к необходимости решения системы нелинейных уравнений, которую, как правило, можно решить только численно, используя специальные численные методы. Здесь этот вопрос подробно не рассматривается, отметим только, что задача построения и изучения свойств нелинейной (и не сводящейся к линейной) регрессии существенно сложнее задачи построения линейной (или сводящейся к линейной) регрессии.
|