文档介绍：曲线回归分析
SPSS里的曲线回归要求自变量与因变量的类型都为数值型的连续变量。如果选择了时间作为变量,曲线估计过程中将自动生成一个时间变量,其在各观测记录之间的间隔是等长的。同时要求因变量也是时间顺序数据。
SPSS的曲线估计模块能够自动拟合包括线性模型、对数曲线模型、二次曲线模型和指数曲线模型在内的十几种曲线模型。输出的统计量包括模型的回归系数、复相关系数、调整R方和方差分析表等。由于曲线估计的内容比较复杂,所以经常通过变量替换的方法把不满足线性关系的数据转换为符合线性回归模型的数据,再利用线性回归进行估计。
在一元回归中,若因变量和自变量相关的趋势不是线性分布,呈现曲线关系。这种情况可以利用SPSS提供的曲线估计过程(Curve Estimation)方便地进行线性拟合,选出最
图4-1 线回归对话窗口 3) 设置分析变量设置因变量:从左侧的变量列表框中选择一个或多个因变量进入“Dependent(s)”框。本例子选“生存率”变量为因变量。
设置自变量:选择一个变量为自变量,进入“Independent”框,也可选取“Independent”框中的“Time”项,即以时间为自变量。本例子选“叶龄”变量为自变量。
选择标签变量: 选择一个变量进入到“Case Labels”框中,该变量为标签变量,可以利用该变量的值在图上查找观测值。本例子没有标签变量。
4)选择曲线方程模型
在“Models”框中选择一个或多个回归方程模型,这11个模型都可化为相应的线性模型。其中各项的意义分别为:
(1) Linear 线性模型
(2) Quadratic 二次模型
(3) Compound 复合模型
(4) Growth 生长模型
(5) Logarithmic 对数模型
(6) S 形模型
(7) Cubic 抛物线模型
(8) Exponential 指数的模型
(9) Inverse 倒数模型
(10) Power 幂函数模型
(11) Logistic 逻辑斯蒂模型
在各项模型上单击鼠标右键,可以得到模型的方程类型。当选中“Logistic”项时,应在“Upper bound”框中输入一个数值作为逻辑模型的上限值。
本例子选中第9号模型(Inverse,倒数模型)。
5)设置方程常数项
选中“Include constant in equation”项回归方程中包含常数项。
6)绘制模型拟合图
选中“Plot models”项绘制出回归方程模型图。本例子选中此项。
7)输出方差分析表
选中“Display ANOVA table”项,将输出方差分析表。
8) 保存分析数据
单击“Save”按钮,将打开如图4-2所示的对话框。该对话框用于选择要保存的新变量。
图4-2 曲线回归保存值设置对话窗口
“Save Variables”框中列出了可保存的新变量:
“Predicted values”预测值。因变量的预测值。
“Residuals”残差。因变量的观测值和预测值的差。
“Prediction intervals”残差因变量的预测区间。
当选中“Prediction intervals”项时,可在该项下面的“Con