品牌型号:微软

系统: Windows 10 64位专业版

软件版本: IBM SPSS Statistics

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。

一、SPSS多元非线性回归分析步骤 

首先我们进行多元非线性回归分析时需要先介绍一个模型——logistic分析的回归模型。

logistic可以处理分类问题，logistic分析就是针对因变量是分类变量的而进行回归分析的一种统计方法，因变量的分类主要有两种类别——二元和多元，二元就是指因变量只有两种情况，比如客户是否续约，或者是否满意等情况，而多元就是指因变量有多种情况，比如客户最后决定购买哪种商品。

下面主要以二元logistic回归分析为例，具体操作步骤如下：

步骤一：依次点击【分析】，【回归】，【二元logistic…】（以下是有关客户是否满意即影响因素的量表，其中1是满意，0是不满意）。

步骤二：将“客户是否满意”放入【因变量】，需要调查的影响因素放入【块（自变量）】，剩下的作为默认值处理，然后点击【确定】，就可以完成多元非线性回归分析了。

二、SPSS多元非线性回归分析结果

完成分析后，我们需要对SPSS输出的结果进行解读，下面来为大家介绍一下最后的结果所代表的意义。

结果会输出九张图表，但我们主要只需要看其中的四张表格。

（一）这张表我们需要看的是显著性，显著性<0.01时表明极其显著。

（二）其中的R方主要用于比较多个模型比较，和其他回归模型一样，越接近1越好，虽然图表中的R方值不高，但这个数据最主要还是和其他模型相比较，尤其是在控制变量时，我们这次只有一个模型，不看它也可以。而【-2对数似然】近似于误差平方和，越小越好。

（三）这张表代表预测准确度，其中对用户不满意的正确率为0%，满意的正确率为100%，其实这个数据在实际中出现的概率不大，准确率在50%以上就算是比较高的准确率了。

（四）这张表的重点在最左边的那列数据【B】，这是方程系数，如果有多个自变量，可以比较系数来比较哪个自变量的影响大。

以上便是有关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，希望可以帮助到大家，更多教程欢迎去IBM SPSS Statistics中文网站进行了解。