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卡方检验结果线性关联是什么 spss卡方检验结果没有连续性校正
对于两组连续性变量，一般通过回归分析判断两者是否存在相关关系。对于离散型变量，则需借助卡方检验判断两者之间是否存在相关关系。变量数据类型不同，SPSS卡方检验提供的结果形式也有所不同，因此很多用户会感到不解。本文结合实例向大家介绍SPSS卡方检验结果线性关联是什么，SPSS卡方检验结果没有连续性校正原因是什么。...
阅读全文 >
SPSS数据文件的建立—创建与导入方法演示（下）
上一节，我们已经详细讲解了SPSS手输数据、导入Excel数据文件的方法。本节，将会介绍稍微复杂一点的文本数据文件的导入方法。...
阅读全文 >
spss计算变量如何计算平方 spss计算变量如何全选
以变量为单位管理并处理数据，是使用SPSS进行建模统计分析的基础。对于有经验的数据分析工作者，这部分工作要占整个统计分析工作的70%以上。管理变量大致包括两部分内容，变量赋值（或称为变量计算）和变量转化。本文主要向大家介绍变量计算的内容，例如SPSS计算变量如何计算平方，SPSS计算变量如何全选。...
阅读全文 >
400-8765-888
kefu@makeding.com