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
︾
微信公众号
读者也喜欢这些内容:
SPSS决策树分类怎么做 SPSS决策树分类表解读
当我们需要根据不同特征对数据进行分类时,常常会用到SPSS的决策树分类方法,但很多小伙伴都不知道具体该怎么操作,今天就带大家了解一下SPSS决策树分类怎么做,SPSS决策树分类表解读的相关内容,希望可以对大家有帮助。...
阅读全文 >
SPSS计算P值和卡方值 SPSS计算P值具体步骤
P值是在检验分析中用于判定假设出现概率的参数,如果P值很小,说明原假设出现的可能性很小,因此可以拒绝原假设。在假设检验分析中,大多都会使用P值作为判定假设的参数,比如常用的t检验、卡方检验、ANOVA检验等。本文会教大家SPSS计算P值和卡方值的方法,并演示SPSS计算P值具体步骤,帮助大家更好地理解相关概念。...
阅读全文 >
回归分析SPSS步骤 回归分析SPSS结果解读
回归分析SPSS步骤,本文会以研究客流量对销售额影响的问题为例具体演示SPSS操作步骤,同时,也会具体进行回归分析SPSS结果解读,并进一步讲解回归分析的其他类型,以帮助加深对回归分析的认识。...
阅读全文 >
线性回归分析的基本步骤 SPSS线性回归分析方程怎么写
线性回归分析的基本步骤,包括设定回归方程的变量,检验方程是否满足线性回归假设,检验方程的拟合优度,显著性,创建方程等步骤。SPSS线性回归分析方程怎么写?本文会通过实例讲解SPSS线性回归分析方程的撰写方法。...
阅读全文 >