อะไรคือความสำคัญของความแตกต่างระหว่างตัวแบบเชิงเส้นและแบบไม่ใช่เชิงเส้น? คำถามแบบไม่เชิงเส้นเทียบกับโมเดลเชิงเส้นทั่วไป: คุณจะอ้างถึงการถดถอยโลจิสติกปัวซอง ฯลฯ อย่างไร และคำตอบคือการให้คำอธิบายที่เป็นประโยชน์อย่างมากเกี่ยวกับความเป็นเชิงเส้น / ไม่เชิงเส้นของแบบจำลองเชิงเส้นทั่วไป ดูเหมือนว่าสำคัญอย่างยิ่งที่จะแยกแยะเชิงเส้นจากตัวแบบที่ไม่ใช่เชิงเส้น แต่ทำไมฉันถึงไม่ชัดเจน ตัวอย่างเช่นพิจารณาโมเดลการถดถอยเหล่านี้:
ทั้งรุ่น 1 และ 2 เป็นแบบเส้นตรงและโซลูชันสำหรับอยู่ในรูปแบบปิดพบได้ง่ายโดยใช้เครื่องมือประมาณค่ามาตรฐาน OLS ไม่ได้ดังนั้นสำหรับรุ่นที่ 3 และ 4 ซึ่งเป็นเพราะการไม่เชิงเส้น (บางแห่ง) สัญญาซื้อขายล่วงหน้าของE [ Y | X ] WRT βยังคงมีฟังก์ชั่นของβ
หนึ่งวิธีง่ายๆในการประเมินในรุ่น 3 คือการ linearize รูปแบบโดยการตั้งค่าγ = β 2 1ประมาณการγโดยใช้แบบจำลองเชิงเส้นและจากนั้นคำนวณβ 1 = √γ
แต่ทำไมการไม่เป็นเชิงเส้นจึงเป็นปัญหาตั้งแต่แรก? ทำไมไม่มีใครสามารถใช้อัลกอริธึมวนซ้ำบางอย่างเพื่อแก้ปัญหาโมเดล 3 โดยไม่ต้องปรับให้เป็นเชิงเส้นโดยใช้ฟังก์ชันรากที่สองหรือรุ่น 4 โดยไม่เรียกใช้ GLM ฉันสงสัยว่าก่อนที่จะมีพลังการคำนวณอย่างกว้างขวางนักสถิติพยายามที่จะทำให้ทุกอย่างเป็นเส้นตรง ถ้าเป็นจริงถ้าอย่างนั้นบางที "ปัญหา" ที่ได้รับการแนะนำให้รู้จักโดยความไม่เชิงเส้นเป็นอดีตที่ยังเหลืออยู่? ภาวะแทรกซ้อนที่เกิดจากแบบจำลองเชิงเส้นไม่ใช่เชิงคำนวณเพียงอย่างเดียวหรือมีประเด็นทางทฤษฎีอื่น ๆ ที่ทำให้แบบจำลองที่ไม่ใช่เชิงเส้นมีความท้าทายมากขึ้นเพื่อให้พอดีกับข้อมูลมากกว่าแบบจำลองเชิงเส้น