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 >