Editando Categoria:RNL

Analisar a relação existente entre uma variável dependente com uma ou mais variáveis independente é uma rotina nos estudos da estatística. Pode-se obter bom resultados com os modelos de regressão linear, em que a qualidade e principalmente a validade do ajuste são avaliadas por meio de diagnósticos de regressão e inferência estatística.

Entretanto, existem a princípio duas classes distintas de modelos de regressão: os lineares e os não lineares. Dentre as principais diferenças entre estas duas classes estão as formulações básicas a serem consideradas para cada uma delas. No caso de modelos lineares, a partir de uma observação de dados de mercado, busca-se  

, no caso de modelos não lineares, além de diagnósticos usuais, outros procedimentos devem ser seguidos. 

Esses procedimentos, particulares dos modelos de regressão não lineares, são úteis na avaliação da extensão do comportamento não-linear. Modelos não-lineares com comportamento distante do comportamento linear podem ter seus resultados assintóticos invalidados, principalmente em situações em que pequenas amostras são disponíveis.

Considerando a importância de se avaliar a extensão do comportamento não-linear de modelos de regressão não-lineares, no SisDEA são incorporadas as principais medidas de não-linearidade discutidas na literatura.

Avaliar a relação entre uma variável dependente com uma ou mais variáveis independentes é uma das tarefas mais usuais em análise estatística multivariada. Pode-se atingir este objetivo por meio dos bem conhecidos modelos de regressão, os quais se dividem em duas classes distintas: os lineares e os não-lineares.