Допущение МНК №1: Линейность по параметрам простыми словами

Добро пожаловать в углубленное изучение основ регрессионного анализа: предположений Гаусса-Маркова. В частности, мы сосредоточимся на предположении номер 1: линейность параметров. Это предположение часто понимается неправильно из-за простой путаницы между переменными и параметрами. Мы объясним, почему стандартная модель наименьших квадратов (МНК) требует, чтобы зависимая переменная $y$ была линейной функцией коэффициентов ($\beta$), но не обязательно линейной зависимостью от $x$. Мы продемонстрируем допустимые модели МНК, которые отражают сложные формы, такие как квадратичные модели ($y = \beta_0 + \beta_1 x^2$) и логарифмические модели ($y = \beta_0 + \beta_1 \ln(x)$). Мы противопоставляем их моделям, нарушающим это предположение, таким как экспоненциальные параметры ($y = x^{\beta_1}$), которые требуют нелинейного метода наименьших квадратов (ННК). Наконец, мы применяем это к реальным концепциям, таким как убывающая предельная доходность, показывая, как мы можем использовать полиномиальную регрессию для отображения сложного нелинейного мира, используя элегантные инструменты линейной алгебры. 📚 Библиография и научные публикации: Данное объяснение основано на строгих определениях, найденных в стандартной литературе по эконометрике: «Введение в эконометрику: современный подход» – Джеффри М. Вулдридж; «Основы эконометрики» – Дамодар Н. Гуджарати; «Эконометрический анализ» – Уильям Х. Грин