Рассмотрим некоторые из них

Если модель нелинейна по переменным, то введением новых переменных ее можно свести к линейной модели, для оценки параметров которой использовать обычный метод наименьших квадратов.

Если при увеличении одного показателя значения другого возрастают до определенного уровня, а потом начинают снижаться (например, зависимость производительности труда рабочих от возраста), то для записи такой зависимости лучше всего подходит парабола второго порядка:

Парабола второй степени приводится к линейному виду с помощью замены: .

В результате приходим к двухфакторному уравнению , оценка параметров которого при помощи МНК приводит к системе следующих нормальных уравнений:

А после обратной замены переменных получим

Парабола второй степени обычно применяется в случаях, когда для определенного интервала значений фактора меняется характер связи рассматриваемых признаков: прямая связь меняется на обратную или обратная на прямую.

Значения å x, å y, å xy, å x²у, å x², å x³, å x⁴ находят на основании исходных данных.

Гипербола описывает такую зависимость между двумя показателями, когда при увеличении одной переменной значения другой увеличиваются до определенного уровня, а потом прирост снижается, например зависимость урожайности от количества внесенного удобрения, себестоимости продукции от ее объема производства и т.д.

Равносторонняя гипербола может быть использована для характеристики связи удельных расходов сырья, материалов, топлива от объема выпускаемой продукции, времени обращения товаров от величины товарооборота, процента прироста заработной платы от уровня безработицы, расходов на непродовольственные товары от доходов или общей суммы расходов и в других случаях. Гипербола приводится к линейному уравнению простой заменой: . Система линейных уравнений при применении МНК будет выглядеть следующим образом:

Аналогичным образом приводятся к линейному виду зависимости , Аналогичным образом приводятся к линейному виду зависимости полулогарифмическая кривая . Здесь натуральный логарифм ln(x) заменяется на z, и получается уравнение

и д

2. Несколько иначе обстоит дело с регрессиями нелинейными по оцениваемым параметрам, которые делятся на два типа: нелинейные модели внутренне линейные (приводятся к линейному виду с помощью соответствующих преобразований, например, логарифмированием) и нелинейные модели внутренне нелинейные (к линейному виду не приводятся).