Editando Categoria:RNL

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.

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 o modelo que melhor explique a relação entre as características intrínsecas e extrínsecas dos imóveis com o preço dos mesmos. Nesta formulação, o preço sendo a reposta de interesse, normalmente representada por y, pode depender de uma ou mais variáveis independentes, x.

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.

Por definição, uma modelo de regressão é não-linear quando pelo menos um dos seus parâmetros apresenta uma forma não linear. Por exemplo, os modelos abaixo são todos modelos não lineares:

* y = exp (a+bx)
* y = a + b exp(-cx)
* y = 1/(a+ bx)