- •Глава 6. Основные принципы построения регрессионных моделей
- •6.1 Парная корреляция и регрессия
- •6.2 Определение параметров выборочного уравнения прямой линии
- •6.3 Оценка тесноты линейной корреляционной связи переменных х и y
- •6.4 Оценка точности определения значений зависимой переменной по уравнению регрессии
- •6.5 Коэффициент детерминации
- •6.6 Проверка адекватности уравнения регрессии и ошибки предсказаний
- •6.7 Три показателя корреляции и регрессии, их значение и применение
- •6.8 Множественный корреляционно-регрессионный анализ
- •То есть,
- •6.9 Нелинейная парная регрессия и криволинейная корреляция
- •Пример синтеза линейной регрессионной модели
- •4 5 6 7 Рис 6.1. Исходные данные зависимости плотности прессовок от давления прессования р
- •Исходные данные и вспомогательные расчеты
- •Данные вспомогательных расчетов для вычисления Fрасч.
- •6.11 Пример выбора функциональной зависимости для описания парной нелинейной корреляционной связи переменных
- •Давления прессования р
- •Рассматриваемые функциональные зависимости и их параметры
- •6.12 Вопросы для самоконтроля
6.9 Нелинейная парная регрессия и криволинейная корреляция
В тех случаях, когда по правилам, изложенным в предыдущих параграфах, гипотеза линейной корреляционной связи двух переменных может быть отброшена или когда при графическом изображении явно просматривается нелинейность изучаемой зависимости Y = F(X), прибегают к процедурам статистической оценки коэффициентов нелинейного уравнения регрессии Y на X по экспериментальным данным, а корреляцию называют криволинейной.
Теория криволинейной корреляции решает те же задачи, что и теория линейной корреляции, а именно – установление формы и тесноты корреляционной связи.
Для оценки тесноты криволинейной корреляции служит выборочное корреляционное отношение ух, которое далее будем обозначать через η и для простоты речи называть корреляционным отношением.
Связь тем сильнее, чем больше .
Корреляционное отношение удовлетворяет двойному неравенству:
0 ≤ η ≤ 1. (6.37)
Если η = 0, то переменная Y с переменной X корреляционной зависимостью не связана.
Если η = 1, то переменная Y связана с переменной X функциональной зависимостью.
Выборочное корреляционное отношение не меньше абсолютной величины выборочного коэффициента корреляции:
. (6.38)
Если выборочное корреляционное отношение равно абсолютной величине выборочного коэффициента корреляции, то имеет место линейная корреляционная зависимость.
При криволинейной зависимости Y от Х для оценки той доли вариации зависимой переменной Y, которая определяется влиянием независимой переменной Х, следует употреблять индекс детерминации , величина которого может быть выражена так:
(6.39)
(6.40)
Корреляционное отношение η служит мерой тесноты корреляционной связи любой формы, в том числе и линейной. В этом состоит преимущество корреляционного отношения перед коэффициентом корреляции, который оценивает тесноту лишь линейной корреляционной зависимости. Вместе с тем, корреляционное отношение обладает недостатком: оно не позволяет судить, насколько близко расположены точки, найденные по данным наблюдений, к кривой определенного вида, например, к параболе, гиперболе и т.д. Это объясняется тем, что при определении корреляционного отношения форма связи во внимание не принимается.
Для выбора формы нелинейной регрессии Y на X также может быть использован метод наименьших квадратов, но для этого прибегают к линеаризующим преобразованиям, так как только линейные по параметрам функции могут быть количественно описаны методом наименьших квадратов.
В таблице 6.1 приведены часто встречающиеся парные зависимости и линеаризующие преобразования переменных. Выполнив соответствующие преобразования и , по методу наименьших квадратов определяют значение коэффициентов и уравнения парной регрессии:
. (6.41)
Затем выполняют обратные преобразования, т.е. по и определяют b0 и bi в соответствии с указаниями в таблице 6.1.
Рекомендуется проверить различные известные формы парной взаимосвязи, чтобы выбрать наилучшую, с точки зрения точности предсказания значений функции отклика Y.
Критерием оптимальности выбора формы функциональной парной нелинейной зависимости переменной Y = F(X) может служить наибольшая величина из статистически значимых коэффициентов парной корреляции либо наименьшая остаточная дисперсия
Таблица 6.1
Функции и линеаризующие преобразования
№ п/п |
Функция |
Линеаризующие преобразования |
|||
Преобразованные переменные |
Выражения для величин b0 и b1 по значениям |
||||
|
|
|
|
||
1. y x b0 b1
2. 1/y x b0 b1
3. x/y x b0 b1
4. ℓgy x ℓgb0 ℓgb1
5. ℓny x ℓnb0 b1
6. 1/y e-x b0 b1
7. ℓgy ℓgx ℓgb0 b1
8. y ℓgx b0 b1
9. 1/y x b1/b0 1/b0
10. 1/y 1/x b1/b0 1/b0
11. ℓny 1/x ℓnb0 b1
12. y xn b0 b1 |