「パラメータの線形」が何を意味するのかについて、いくつかの認知的不協和音が発生しています。たとえば、こことここ。
たとえば、私の理解は 2つのパラメーター変数が一緒に乗算されているため(つまり、 )。
もし (言う)に置き換えられました 、定数です。
誰かがこの点を明確にできるかどうか感謝します。
「パラメータの線形」が何を意味するのかについて、いくつかの認知的不協和音が発生しています。たとえば、こことここ。
たとえば、私の理解は 2つのパラメーター変数が一緒に乗算されているため(つまり、 )。
もし (言う)に置き換えられました 、定数です。
誰かがこの点を明確にできるかどうか感謝します。
回答:
サンプルモデルを再圧縮して、パラメータを線形にすることができます。 & :
(明らかに & 個別に見積ることはできません。非線形モデルはそこで役に立ちません。そして注意してください 正になるように制約する必要があります。)一部のモデルはそれほど再圧縮できません。
最初は明らかではないかもしれませんが、一部はhttps://stats.stackexchange.com/a/60504/17230です。
線形回帰モデルと非線形回帰モデルの違いを見分ける方法には、「線形」のさまざまな意味に関する非常に徹底的な説明があります。。
パラメータの線形性は、予測を次のように記述できることを意味します
の定義について 。ただし、これらのxはデータの線形関数である必要はありません。たとえば、時系列の多項式近似には どこ データポイントに関連付けられた時間です 。予測は時間の非線形関数ですが、ベータでは線形です。
更新
コメントに対する返事は「一種」です。もし が一定だった場合、予測子は 。線形ではありません、しかしの変換 。最小二乗推定値に関しては、ここでは大きな違いはありません。
GLMの3つのコンポーネントを理解する方が良いと思います。特に、リンク関数の定義方法を理解する必要があります。
以下のスライドの7ページを参照してください。「パラメータ内の線形」は、リンク関数によって変換された後に真になります。