发布时间:2021-07-29 11: 14: 18
在《SPSS中非线性回归模型表达式的设定》一文中,我们已经使用散点图与曲线估算,推断了数据的曲线模型表达式。
接下来,本文将继续完成非线性回归中的初始值设定与运算结果解读。
一、回顾模型表达式
在上文中,我们已经将数据的曲线模型表达式推断为y=8.5558+6.442*log(X)。为什么我们不能直接使用曲线估算的结果?实际上,曲线估算的方程式可作为非线性回归参数估算结果使用,但其结果并非是最优的结果,运用IBM SPSS Statistics的非线性回归可通过迭代的方式,拟合出最优的参数估算结果。
实际上,除了使用曲线估算的模型表达式外,我们也可根据数据分布的特点选择使用不同的回归方程。图2所示包含了部分常用的SPSS模型表达式。
二、代入对数方程式
接下来,开启SPSS的非线性回归。
运用SPSS的表达式输入工具,将曲线模型表达式y=b1+b2*log(X)填写到模型表达式中。其中,销售额为因变量,促销费用为自变量。
三、设定初始值
接着,进行非线性回归的参数设定,该设定实际上设置的是参数的初始值,SPSS会根据设定的初始值进行迭代运算。
我们会使用到曲线估算的参数作为初始值,即b1为8.5,b2为6.4。
四、解读分析结果
根据以上非线性回归的运算设置,SPSS进行了三次的迭代运算。
并获得如图7所示的最优参数估算值,其标准误差均未超过1,误差较小,并且估算值位于95%的置信区间,方程式可写为:y=8.556+14.834*log(X)
最后,我们看一下ANOVA分析结果,如图8所示,模型的R方为0.937,接近于1,说明该模型具有很好的拟合优度。
五、小结
综上所述,SPSS非线性回归操作重点在于已知数据的模型表达式,并据此推断了参数的初始值,作为迭代参数的初始值进行运算。
作者:泽洋
展开阅读全文
︾
读者也喜欢这些内容:
SPSS多元非线性回归分析步骤 SPSS多元非线性回归分析结果
多元非线性回归主要用于进行多变量的分析比较和预测,当现实中的自变量和因变量,即输出和输入数据不成线性关系时,我们要通过对数型变化将非线性问题转换为线性问题,但这仅靠人力明显难以做到,这个时候我们就可以借助数据分析工具——SPSS来进行多元非线性回归分析,下面来为大家具体介绍有关SPSS多元非线性回归分析步骤,SPSS多元非线性回归分析结果的相关内容。...
阅读全文 >
spss回归分析如何操作 spss回归分析的基本步骤
通过回归分析,可以了解变量间是否存在相互依赖的定量关系。根据方程类型,回归分析可以分为线性回归和非线性回归。根据变量的数目多少,回归分析可以分为一元回归分析和多元回归分析。本文以最简单的一元线性回归分析为例向大家介绍SPSS回归分析如何操作,SPSS回归分析的基本步骤。...
阅读全文 >
spss拟合曲线方程步骤 spss拟合曲线方程表达式
数据分析是科学研究和商业决策中不可或缺的一部分,而拟合曲线是数据分析中常用的方法之一。在SPSS这一强大的统计分析软件中,拟合曲线功能为用户提供了一种简便而有效的方式来拟合数据点并得到相应的拟合曲线方程。本文将介绍spss拟合曲线方程步骤,spss拟合曲线方程表达式的内容。...
阅读全文 >
spss筛选功能在哪里打开 spss的筛选功能如何输入范围
SPSS(Statistical Package for the Social Sciences)是一款广泛应用于数据分析和统计建模的专业软件,它提供了丰富的数据处理和分析功能,帮助用户从复杂的数据中提取有用的信息。在进行数据分析时,筛选数据是一个常见且重要的步骤,它可以帮助用户缩小分析范围,专注于感兴趣的数据子集。本文将重点介绍SPSS中的筛选功能,帮助读者轻松掌握这一技巧。...
阅读全文 >