Existe uma confusão entre uma "relação linear entre duas variáveis" e uma "equação econométrica linear nos parâmetros desconhecidos a serem estimados".
O primeiro tem a ver com o que acontece na realidade, e implica que a relação marginal é constante. O segundo pode ser obtido mesmo que a relação real não seja linear, mas não linear de maneiras específicas que permitam obtê-la através de uma transformação adequada dos dados.
Para ilustrar isso, no caso do OP, a relação real (parte determinística da) pode ser
Xd=ARaP−b(1)
Demanda para o produto é uma função não-linear positiva de classificações sociais e uma função não-linear negativa de seu próprio preço . O efeito marginal do preço para essa relação não é constanteXdRP
∂Xd∂P=−bPXd<0
Ao assumir , já fizemos uma série de suposições sobre a interação das variáveis envolvidas. Essa especificação nos permite obter "uma equação econométrica linear nos parâmetros desconhecidos a serem estimados", pois, tomando os logs, temos(1)
lnXd=lnA+alnR+(−b)lnP(2)
Portanto, embora o efeito marginal do preço sobre a demanda não seja linear nem constante, a elasticidade da demanda em relação ao preço é constante e igual a (o sinal que indica a direção da influência).−b
Mas uma maneira adequada de representar a relação real?(1)
Portanto, a maneira correta de proceder aqui é
1) Até onde sabemos, usando evidências e argumentos lógicos, determinamos as inter-relações qualitativas entre as variáveis envolvidas: o efeito é positivo / negativo? A relação de seus níveis é linear / não linear? É monotônico ou, digamos, "U invertido", etc.
2) Construímos uma forma matemática que reflete qualitativamente as conclusões / suposições apresentadas na etapa 1. Por exemplo, se acreditarmos que existe uma relação "invertida-U" entre os níveis de e , isso pode ser modelado por comYZY=a+bZ+cZ2c<0
3) Se a expressão matemática que obtemos na etapa 2 não for linear nos parâmetros desconhecidos de interesse, verificamos se ela pode ser transformada em uma que é. Obviamente, existem métodos de estimação para relacionamentos não lineares, sendo os mínimos quadrados não lineares o exemplo fácil. Mas a experiência nos ensinou que nossas técnicas de estimativa são melhores quando estimam equações lineares em parâmetros desconhecidos; é por isso que sempre tentamos chegar a essa especificação, mesmo que possamos aceitar no processo certas etapas aproximadas ao que obtivemos. na etapa 2 (e não apenas nas transformações exatas).