Процедура линеаризации полиномиальных уравнений представлена

Учебные материалы для студентов

Методические указания, конспекты, лекции, контрольные, лабораторные работы, курсовые.

Тесты по эконометрике

1. «Белым шумом» называется ___________ процесс
чисто случайный
2. Автокорреляционной функцией временного ряда называется
последовательность значений коэффициентов автокорреляции различных порядков
3. В исходном соотношении МНК сумма квадратов отклонений фактических значений результативного признака от его теоретических значений
минимизируется
4. В качестве показателя тесноты связи для линейного уравнения парной регрессии используется
линейный коэффициент корреляции
5. В качестве фиктивных переменных в модель множественной регрессии включаются факторы
не имеющие количественных значений
6. В левой части системы взаимозависимых переменных, как правило, находится
одна зависимая переменная
7. В левой части системы независимых уравнений находится
совокупность зависимых переменных
8. В линейном уравнении парной регрессии коэффициентом регрессии является значение
параметра b
9. В матрице парных коэффициентов корреляции отображены значения парных коэффициентов линейной корреляции между
переменными
10. В нелинейной модели парной регрессии функция является
нелинейной
11. В общем случае каждый уровень временного ряда формируется под воздействием
тенденции, сезонных колебаний и случайных факторов
12. В основе метода наименьших квадратов лежит
минимизация суммы квадратов отклонений фактических значений результативного признака от его теоретических значений
13. В приведенной форме модели в правой части уравнений находятся
только независимые переменные
14. В системах рекурсивных уравнений количество переменных в правой части каждого уравнения определяется как ______________ уравнений и количества независимых факторов
сумма количества зависимых переменных предыдущих
15. В системе независимых уравнений каждое уравнение представлено
изолированным уравнением регрессии
16. В стандартизованном уравнении множественной регрессии ;. Определите, какой из факторов х1 или х2 оказывает более сильное влияние на
,так как 2,1>0,3
17. В стандартизованном уравнении множественной регрессии переменными являются
стандартизованные переменные
18. В стандартизованном уравнении свободный член
отсутствует
19. Величина коэффициента детерминации при включении существенного фактора в эконометрическую модель
будет увеличиваться
20. Величина остаточной дисперсии при включении существенного фактора в модель
будет уменьшаться
21. Величина отклонений фактических значений результативного признака от его теоретических значений представляет собой
ошибку аппроксимации
22. Величина параметра в уравнении парной линейной регрессии характеризует значение
результирующей переменной при нулевом значении фактора
23. Взаимодействие факторов эконометрической модели означает, что
влияние одного из факторов на результирующий признак не зависит от значений другого фактора
24. Включение фактора в модель целесообразно, если коэффициент регрессии при этом факторе является
существенным
25. Временной ряд – это совокупность значений экономического показателя
за несколько последовательных моментов (периодов) времени
26. Временной ряд называется стационарным, если он является реализацией _____________ процесса
стационарного стохастического
27. Временной ряд характеризует
данные, описывающие один объект за ряд последовательных моментов (периодов) времени
28. Выбор формы зависимости экономических показателей и определение количества факторов в модели называется ________________ эконометрической модели
спецификацией
29. Выделяют три класса систем эконометрических уравнений
независимые, взаимозависимые и рекурсивные
30. Гетероскедастичность остатков подразумевает _____________ от значения фактора
зависимость дисперсии остатков
31. Гетероскедастичность подразумевает ________________________ от значения фактора
зависимость дисперсии остатков
32. Графическое изображение наблюдений на декартовой плоскости координат называется полем
корреляции
33. Дано уравнение регрессии . Определите спецификацию модели
линейное уравнение множественной регрессии
34. Двухшаговый метод наименьших квадратов предполагает ______ использование обычного МНК
однократное
35. Двухшаговый метод наименьших квадратов применим для решения
только сверхидентифицируемой системы одновременных уравнений
36. Двухшаговый метод наименьших квадратов применяется для оценки параметров
систем эконометрических уравнений
37. Для модели зависимости среднедушевого (в расчете на одного человека) месячного дохода населения (р.) от объема производства (млн р.) получено уравнение . При изменении объема производства на 1 млн р. доход в среднем изменится на
0,003 млн р.
38. Для моделирования зависимости предложения от цены не может быть использовано уравнение регрессии

39. Для моделирования сложных экономических систем целесообразно использовать
систему эконометрических уравнений
40. Для нелинейных уравнений метод наименьших квадратов применяется к
преобразованным линеаризованным уравнениям
41. Для оценки коэффициентов структурной формы модели не применяют _____ метод наименьших квадратов
обычный
42. Для существенного параметра расчетное значение критерия Стьюдента
больше табличного значения критерия
43. Для уравнения зависимости выручки от величины оборотных средств получено значение коэффициента детерминации, равное 0,7. Следовательно, _% дисперсии обусловлено случайными факторами
30

44. Для уравнения у = 3,14 + 2х +e значение коэффициента корреляции составило 2. Следовательно
значение коэффициента корреляции рассчитано с ошибкой
45. Если доверительный интервал для параметра проходит через точку ноль, следовательно
параметр является несущественным
46. Если значение индекса корреляции для нелинейного уравнения регрессии стремится к 1, следовательно
нелинейная связь достаточно тесная
47. Если значение коэффициента корреляции равно единице, то связь между результатом и фактором
функциональная
48. Если коэффициент регрессии является несущественным, то его значения приравниваются к
нулю и соответствующий фактор не включается в модель
49. Если между экономическими показателями существует нелинейная связь, то
целесообразно использовать спецификацию нелинейного уравнения регрессии
50. Если наиболее высоким оказался коэффициент автокорреляции первого порядка, то исследуемый ряд содержит только
тенденцию
51. Если наиболее высоким оказался коэффициент автокорреляции третьего порядка, то исследуемый ряд содержит
случайную величину, влияющую на каждый третий уровень ряда
52. Если оценка параметра эффективна, то это означает
наименьшую дисперсию остатков
53. Если предпосылки метода наименьших квадратов нарушены, то
оценки параметров могут не обладать свойствами эффективности, состоятельности и несмещенности
54. Если расчетное значение критерия Фишера меньше табличного значения, то гипотеза о статистической незначимости уравнения
принимается
55. Если спецификация модели нелинейное уравнение регрессии, то нелинейной является функция

56. Если спецификация модели отображает нелинейную форму зависимости между экономическими показателями, то нелинейно уравнение
регрессии
57. Если факторы входят в модель как произведение, то модель называется
мультипликативной
58. Если факторы входят в модель как сумма, то модель называется
аддитивной
59. Значение индекса корреляции, рассчитанное для нелинейного уравнения регрессии характеризует тесноту ______ связи
нелинейной
60. Значение коэффициента автокорреляции второго порядка характеризует связь между
исходными уровнями и уровнями этого же ряда, сдвинутыми на 2 момента времени
61. Значение коэффициента автокорреляции первого порядка равно 0,9 следовательно
линейная связь между последующим и предыдущим уровнями тесная
62. Значение коэффициента автокорреляции рассчитывается по аналогии с
линейным коэффициентом корреляции
63. Значение коэффициента детерминации рассчитывается как отношение дисперсии результативного признака, объясненной регрессией, к ___________ дисперсии результативного признака
общей
64. Значение коэффициента детерминации составило 0,9, следовательно
уравнение регрессии объяснено 90% дисперсии результативного признака
65. Значение коэффициента корреляции не характеризует
статистическую значимость уравнения
66. Значение коэффициента корреляции равно 0,9. Следовательно, значение коэффициента детерминации составит
0,81
67. Значение коэффициента корреляции равно 1. Следовательно
связь функциональная
68. Значение линейного коэффициента корреляции характеризует тесноту ________ связи
линейной
69. Значения коэффициента автокорреляции первого порядка равно 0,9. Следовательно
линейная связь между последующим и предыдущим уровнями тесная
70. Значения коэффициента корреляции может находиться в отрезке
[-1;1]
71. Из пары коллинеарных факторов в эконометрическую модель включается тот фактор, который при
достаточно тесной связи с результатом имеет меньшую связь с другими факторами
72. Известны значения аддитивной модели временного ряда: Yt — значение уровня ряда, Yt = 30, Т- — значение тренда, Т+15, Е- значение случайной компоненты случайных факторов Е=2. Определите значение сезонной компоненты S
13

73. Изолированное уравнение множественной регрессии может быть использовано для моделирования взаимосвязи экономических показателей, если
факторы не взаимодействуют друг с другом
74. Исследуется зависимость, которая характеризуется линейным уравнением множественной регрессии. Для уравнения рассчитано значение тесноты связи результативной переменной с набором факторов. В качестве этого показателя был использован множественный коэффициент
корреляции
75. Исходные значения фиктивных переменных предполагают значения
качественные
76. К линейному виду нельзя привести:
нелинейную модель внутренне нелинейную
77. К ошибкам спецификации относится
неправильный выбор той или иной математической функции
78. Качество подбора уравнения оценивает коэффициент
детерминации
79. Коррелограммой называется ______________________________ функции
графическое отображение автокорреляционной
80. Косвенный метод наименьших квадратов требует
преобразования структурной формы модели в приведенную
81. Критерий Стьюдента предназначен для определения значимости
каждого коэффициента регрессии
82. Критерий Фишера используется для оценки значимости
построенного уравнения
83. Критические значения критерия Фишера определяются по
уровню значимости и степеням свободы факторной и остаточной дисперсий
84. Критическое значение критерия Стьюдента определяет
максимально возможную величину, допускающую принятие гипотезы о несущественности параметра
85. Критическое значение критерия Стьюдента определяет минимально возможную величину, допускающую принятие гипотезы о
существенности параметра
86. Линеаризация не подразумевает процедуру
включение в модель дополнительных существенных факторов
87. Линеаризация подразумевает процедуру приведения
нелинейного уравнения к линейному виду
88. Линейное уравнение множественной регрессии имеет вид . Определите какой из факторов или оказывает более сильное влияние на y
так как 2,5 1, то есть x возрастает и y тоже возрастает) не может быть описана зависимость
выработки от трудоемкости
167. При построении модели временного ряда проводится расчет
каждого уровня временного ряда
168. При построении систем независимых уравнений набор факторов в каждом уравнении определяется числом факторов, оказывающих ________ на моделируемый показатель
существенное влияние
169. При построении системы эконометрических уравнений необходимо учитывать
структуру связей реальной экономической системы
170. При применении метода наименьших квадратов исследуются свойства
оценок параметров уравнения регрессии
171. При применении метода наименьших квадратов исследуются свойства оценок
параметров уравнения регрессии
172. При применении метода наименьших квадратов уменьшить гетероскедастичность остатков удается путем
преобразования переменных
173. При расчете значения коэффициента детерминации используется отношение
дисперсий
174. При хорошем качестве модели допустимым значением средней ошибки аппроксимации является ___%
5-7
175. Приведенная форма модели получена из _________формы модели
структурной
176. Приведенная форма модели представляет собой систему ________ функций эндогенных переменных от экзогенных
линейных
177. Приведенная форма модели является результатом преобразования
структурной формы модели
178. Проверка является ли временной ряд «белым шумом» осуществляется с помощью
статистики Бокса-Пирса
179. Проводится исследование зависимости выработки работника предприятия от ряда факторов. Примером фиктивной переменной в данной модели будет являться ______ работника
уровень образования
180. Простая линейная регрессия предполагает наличие
одного фактора и линейность уравнения регрессии
181. Расчет значения коэффициента детерминации не позволяет оценить
существенность коэффициента регрессии
182. Расчет средней ошибки аппроксимации для нелинейных уравнений регрессии связан с расчетом разности между ____________________________ переменной
фактическим и теоретическим значениями результативной
183. Расчетное значение критерия Фишера определяется как
отношение факторной дисперсии к остаточной, рассчитанных на одну степень свободы
184. Расчетное значение критерия Фишера определяется как ___________ факторной дисперсии и остаточной, рассчитанных на одну степень свободы
отношение
185. Расчетное значение критерия Фишера определяется как отношение
дисперсий
186. Результатом линеаризации полиномиальных уравнений является ______________ регрессии
линейные уравнения множественной
187. Свойствами оценок МНК являются: эффективность, а также
состоятельность и несмещенность
188. Система взаимозависимых уравнений в ее классическом виде называется также системой ______ уравнений
одновременных
189. Система независимых уравнений предполагает
совокупность независимых уравнений регрессии
190. Система нормальных уравнений метода наименьших квадратов строится на основании
таблицы исходных данных
191. Система рекурсивных уравнений включает в каждое
предыдущее (должно быть последующее) уравнение в качестве факторов все зависимые переменные предшествующих уравнений с набором собственно факторов
192. Система эконометрических уравнений не используется при моделировании
взаимосвязей временных рядов данных
193. Система эконометрических уравнений предполагает наличие _________ независимых признаков
нескольких зависимых и нескольких
194. Система эконометрических уравнений представляет систему
уравнений регрессии
195. Систему МНК, построенную для оценки параметров линейного уравнения множественной регрессии можно решить
методом определителей
196. Системы эконометрических уравнений классифицируются по
способу вхождения зависимых и независимых переменных в уравнение регрессии
197. Случайный характер остатков предполагает
независимость остатков от величины предсказанных по модели значений результативного признака
198. Смысл расчета средней ошибки аппроксимации состоит в определении среднего арифметического значения
отклонений, выраженных в процентах от фактических значений результативного признака
199. Совокупность значений критерия, при которых принимается нулевая гипотеза, называется областью _____________ гипотезы
принятия
200. Состоятельность оценки характеризуется
увеличением ее точности с увеличением объема выборки
201. Спецификацию нелинейного уравнения парной регрессии целесообразно использовать, если значение
индекса детерминации, рассчитанного для данной модели достаточно близко к 1
202. Спецификация модели нелинейная парная (простая) регрессия подразумевает нелинейную зависимость и
независимую переменную
203. Стандартная ошибка рассчитывается для проверки существенности
параметра
204. Статистические гипотезы используются для оценки
значимости уравнения регрессии в целом
205. Стационарность временного ряда не подразумевает отсутствие
стационарного стохастического процесса
206. Стационарность временного ряда означает отсутствие
тренда
207. Стационарность характерна для временного ряда
типа «белый шум»
208. Стохастическим процессом называется
набор случайных переменных X(t), где t – вещественные числа
209. Строится модель зависимости спроса от ряда факторов. Фиктивной переменной в данном уравнении множественной регрессии не является _________ потребителя
доход
210. Структурной формой модели называется система _______ уравнений
взаимосвязанных
211. Структурными коэффициентами модели называются коэффициенты ___________ в структурной форме модели
при экзогенных и эндогенных переменных
212. Структуру временного ряда можно выявить с помощью коэффициента __________ уровней ряда
автокорреляции
213. Табличное значение критерия Фишера служит для проверки статистической гипотезы о равенстве
факторной и остаточной дисперсий
214. Требованием к уравнениям регрессии, параметры которых можно найти при помощи МНК является
линейность параметров
215. Требованием к уравнениям регрессии, параметры которых можно найти при помощи МНК является:
линейность параметров
216. Увеличение точности оценок с увеличением объема выборки описывает свойство _______ оценки
состоятельности
217. Уравнение может быть линеаризовано при помощи подстановки

218. Уравнение регрессии характеризует зависимость
обратно пропорциональную
219. Уравнение регрессии, которое связывает результирующий признак с одним из факторов при зафиксированных на среднем уровне значении других переменных, называется
частным
220. Уровнем временного ряда является
значение временного ряда в конкретный момент (период) времени
221. Факторная дисперсия служит для оценки влияния
учтенных явно в модели факторов
222. Факторные переменные уравнения множественной регрессии, преобразованные из качественных в количественные называются
фиктивными
223. Факторы эконометрической модели являются коллинеарными, если коэффициент
корреляции между ними по модулю больше 0,7
224. Фиктивные переменные включаются в уравнение множественной регрессии для учета действия на результат признаков ____________ характера
качественного
225. Фиктивные переменные включаются в уравнения ____________ регрессии
множественной
226. Циклические колебания связаны с
общей динамикой конъюнктуры рынка
227. Экзогенными переменными не являются
зависимые переменные
228. Экзогенными переменными являются
независимые переменные
229. Экономические временные ряды, представляющие собой данные наблюдений за ряд лет, как правило, являются _______________________ временными рядами
нестационарными
230. Экспоненциальным не является уравнение регрессии

231. Эндогенными переменными не являются:
независимые переменные
232. Эндогенными переменными являются
зависимые переменные
233. Эффективность оценки на практике характеризуется
возможность перехода от точечного оценивания к интервальному

также в рубрике Контрольные, тесты:

Метод многомерной линеаризации полиномиальных систем управления Текст научной статьи по специальности « Математика»

Аннотация научной статьи по математике, автор научной работы — Ловчаков В. И., Ловчаков Е. В., Сухинин Б. В.

Для широкого класса систем с полиномиальными нелинейностями предлагается метод линеаризации их математического описания за счет расширения пространства состояния системы новыми координатами, представляющими собой произведения исходных координат. Он систематизирует и упрощает процедуры анализа движения систем и соответственно синтеза управляющих устройств. Даётся оценка области фазового пространства нелинейной системы, в которой применимы ее линеаризованные модели.

Похожие темы научных работ по математике , автор научной работы — Ловчаков В. И., Ловчаков Е. В., Сухинин Б. В.

Текст научной работы на тему «Метод многомерной линеаризации полиномиальных систем управления»

УПРАВЛЕНИЕ, ВЫЧИСЛИТЕЛЬНАЯ ТЕХНИКА И ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ

В.И. Ловчаков, д-р техн. наук, проф., (4872) 27-55-80, eeo@uic.tula.ru (Россия, Тула, ТулГУ),

Е.В. Ловчаков, (4872) 27-55-80, студент, eeo@uic.tula.ru (Росси, Тула, ТулГУ),

Б.В. Сухинин, д-р техн. наук, проф., зав. кафедрой, (4872) 27-59-42, eeo@uic.tula.ru (Росси, Тула, ТулГУ)

МЕТОД МНОГОМЕРНОЙ ЛИНЕАРИЗАЦИИ ПОЛИНОМИАЛЬНЫХ СИСТЕМ УПРАВЛЕНИЯ

Для широкого класса систем с полиномиальными нелинейностями предлагается метод линеаризации их математического описания за счет расиирения пространства состояния системы новыми координатами, представляющгши собой проозведения исходных координат. Он систематизирует и упрощает прооедуры анализ движения систем и соответственно синтеза управляющих устройств. Даётся ооенка области фазового пространства нелинейной системы, в которой приметмы ее лuнeaуuзжанныe модели.

Ключевые слова: фазовое пространство системыуправления, полиномuалънaя нелинейность, линеаризаоиямодели.

1. Введение, постановка задачи исследования

Анализ литературных источников показывает, что среди существующего разнообразия описаний электротехнических объектов целесообразно выделить так называемые полиномиальные модели, описывающие динамику объектов системами дифференциальных уравнений с полиномиальными нелинейностями от их фазовых координат. В такой форме представлено описание обобщенной электрической машины, из которой как частные случаи вытекают модели большинства устройств электромеханики [1]. Если же нелинейные характеристики электротехнических объектов не являются полиномами, то после их аппроксимации полиномиальными зависимостями приходим к полиномиальным моделям соответствующих

устройств. Поэтому исследуемый класс объектов, получивший название полиномиальных [2], достаточно широк для приложений. Подчеркнем также, что указанные модели применяются для описания движения систем самой различной природы: химических реакторов, летательных аппаратов, биологических и экологических систем и др.

Для данного класса систем в работе [3] предложена новая форма их математического описания с использованием операции кронекеровского произведения матриц

в которой приняты следующие обозначения: X(¿) = (л1(?), хп(¿)) — век-

тор фазовых координат системы; А1, А2 — матрицы ее параметров, имеющие соответственно размерности пхп и пхп2; Х0Х = X2 — кронекеровское произведение (степень) вектора со стояния.

В общем случае кронекеровское произведение векторов (матриц) А=(а) 11]=1,^,т и Б=(Ь^) 11]=1,^,п определяется как блочна матрица A0B=(aij■B) размерности тп*тп [4, с. 235]. Согласно этому определению для объекта второго порядка имеем

= (хрх х\%2 Х2х\ Х2Х2 )Т. (2)

Необходимо подчеркнуть, что хотя модель (1) содержит только

квадратичные нелинейности, она может описывать движения достаточно

широкою класса полиномиальных систем. Действительно, описание объектов, содержащих нелинейные члены в виде произведений фаовых координат выше второй степени, можно привести к виду (1) путём расширения пространства состояния объекта новыми координатами, представляющими собой произведения исходных координат. Например, уравнение объекта первого порядка с кубической нелинейностью

хт) + ах() + «2х (I) + 3 можно свести к уравнению (1) и соответственно модель (1) описывает достаточно широкий для приложений класс нелинейных систем.

По мнению авторов, описание нелинейных объектов управления в форме (1) является достаточно универсальным и одновременно наиболее простым, максимально приближенным к модели линейных систем. Оно позволяет для решения задач анализа и синтеза систем управления систематически использовать теорию матриц, включающую операцию кронеке-ровского произведения, что систематизирует и упрощает процедуры анализа их движения.

Следующим шагом в упрощении методик анализа рассматриваемых полиномиальных систем является линеаризация их описания. Преследуя цель сохранения основных свойств исследуемых систем, ниже предлагается метод построения для них линеаризованных моделей различных степеней к, учитывающих влияние на динамику системы полиномиальных нелинейностей (составляющих) степени к. Исследуются свойства получаемых линейных моделей систем управления.

2. Метод многомерной линеаризации

Метод линеаризации основан на использовании указанной выше процедры расширения пространства состояния системы новыми координатами, представляющими собой произведения исходных координат.

Для системы (1) введем вектор

У(0 = [Х( Не можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

Методы линеаризации функции регрессии

Один из подходов оценки параметров нелинейных моделей состоит в линеаризации модели. Линеаризация модели заключается в том, что с помощью подходящих преобразований исходных переменных исследуемую зависимость представляют в виде линейного соотношения между преобразованными переменными. В рамках этого подхода различают два класса нелинейных регрессионных моделей, допускающих линеаризацию: а) модели, нелинейные относительно включенных в модель переменных, но линейных по оцениваемым параметрам; б) модели, нелинейные по оцениваемым параметрам.

Примером нелинейной регрессии, но линейной по оцениваемым параметрам, могут служить следующие функции: полиномы различных степеней, например

;

.

К нелинейным регрессионным моделям, нелинейным по оцениваемым параметрам, относятся: степенная функция

;

.

Нелинейная регрессионная модель с линейно включенными в нее параметрами не таит каких-либо сложностей в оценке ее параметров. Введение новых переменных позволяет свести её к линейной модели, для оценки параметров которой можно использовать обычный МНК. Так, например, если нужно оценить параметры регрессионной модели

,

то вводя новые переменные , , получим линейную модель

,

параметры которой находятся обычным МНК.

Следует, однако, отметить и недостаток такой замены переменных, связанный с тем, что оценки параметров получаются не из условия минимизации суммы квадратов отклонений для исходной переменной, а из условия минимизации суммы квадратов отклонений для новых переменных, что не одно и то же. К тому же такое преобразование искажает исходные предпосылки МНК, поскольку новые объясняющие переменные, вообще говоря, будут зависимыми. В связи с этим необходимо определенное уточнение полученных оценок.

Более сложной проблемой является нелинейность модели по параметрам, т.к. линеаризация достигается при помощи более сложных преобразований. Например, приведенную выше степенную модель при помощи логарифмического преобразования можно привести к линейному виду

.

К этой модели уже можно применить обычный МНК. Однако следует подчеркнуть, что критерии значимости и интервальные оценки параметров, применяемые для нормальной линейной регрессии, требуют, чтобы нормальный закон распределения в такой модели имел логарифм случайного отклонения (т.е. , а вовсе не e. Другими словами, случайное отклонение e должно иметь логарифмически нормальное распределение.

Заметим попутно, что к модели

,

рассматриваемой в качестве альтернативной к уже рассмотренной, изложенный метод исследования уже непригоден, т.к. ее нельзя привести к линейному виду. В этом случае можно использовать только численные методы нелинейной оптимизации.

Отметим ещё, что при построении нелинейных уравнений более остро, чем в линейном случае, стоит проблема правильной оценки формы зависимости между переменными. Неточности при выборе формы оцениваемой функции существенно сказываются на качестве отдельных параметров уравнений регрессии и, соответственно, на адекватности всей модели в целом (проблема спецификации).

§6.2. ОПИСАНИЕ ОСНОВНЫХ НЕЛИНЕЙНЫХ
РЕГРЕССИОННЫХ МОДЕЛЕЙ

Полиномиальная модель

(6.3)

называется полиномиальной моделью. Как показывает опыт, среди полиномиальных моделей чаще всего используется параболическая и кубическая модели. Ограничение использования полиномов более высоких степеней связана с требованием однородности исследуемой совокупности: чем выше порядок полинома, тем больше изгибов имеет кривая и соответственно менее однородна совокупность по результативному признаку.

(6.4)

может отражать зависимость между объемом выпуска и средними или предельными издержками; или между расходами на рекламу и прибыль и т.д. Параболическая модель целесообразна к применению, если для определенного интервала значений фактора меняется характер связи рассматриваемых признаков: прямая связь меняется на обратную и наоборот. Если же исходные данные не обнаруживают изменения направленности связи, то параметры параболической модели становятся трудно интерпретируемыми, поэтому форма связи заменяется другой нелинейной моделью (например, степенной).

При b₁>0 и b₂ 0). Функция (6.7) может отражать также зависимость объёма выпуска Y от использования ресурса X (производственная функция), в которой 0