SPSS回歸分析：曲線估計
SPSS回歸分析：曲線估計
一、概念（分析-回歸-曲線估計）
曲線估計過程為11種不同的曲線估計回歸模型生成曲線估計回歸統計量和相關的圖。將對每個因變數生成一個單獨的模型。也可以將預測值、殘差和預測區間保存為新變數。
二、模型（分析-回歸-曲線估計）
您可以選擇一個或多個曲線估計回歸模型。要確定使用哪種模型，請繪製數據。如果變數顯示為線性相關，則使用簡單線性回歸模型。當變數不是線性相關時，請嘗試轉換數據。當轉換沒有幫助時，則可能需要更複雜的模型。查看數據的散點圖；如果該圖看起來像是您瞭解的某個數學函數，則將數據與該類型的模型進行擬合。例如，如果數據看起來像指數函數，請使用指數模型。1、線性.方程為Y = b0 + (b1 * t)的模型。按時間的線性函數建模的序列值。
2、對數.方程為Y = b0 + (b1 * ln(t))的模型。
3、逆模型.方程為Y = b0 + (b1 / t)的模型。
4、二次.方程為Y = b0 + (b1 * t) + (b2 *
t**2)的模型。二次模型可用來對「減弱」的序列或阻尼衰減的序列進行建模。5、三次.由方程Y = b0 + (b1 * t) + (b2 *
t**2) + (b3 * t**3)定義的模型。6、冪.方程式為Y = b0 * (t**b1)或ln(Y) = ln(b0) + (b1 *
ln(t))的模型。7、複合.方程為Y = b0 * (b1**t)或ln(Y) = ln(b0) + (ln(b1) *
t)的模型。8、S.方程式為Y = e**(b0 + (b1/t)) or
ln(Y) = b0 + (b1/t)的模型。9、邏輯.方程為Y = 1 / (1/u + (b0 *
(b1**t)))或ln(1/y-1/u)=ln (b0) + (ln(b1) * t)的模型，其中u是上界值。選擇「邏輯」之後，請指定用在回歸方程中使用的上界值。該值必須是一個大於最大因變數值的正數。10、增長.方程式為Y = e**(b0 + (b1 *
t))或ln(Y) = b0 + (b1 *t)的模型。11、指數.方程為Y = b0 * (e**(b1 * t)) or
ln(Y) = ln(b0) + (b1 * t)的模型。三、保存（分析-回歸-保存）
1、保存變數。對於每個選定的模型，您可以保存預測值、殘差（因變數的觀察值減去模型預測值）和預測區間（上限和下限）。新變數名稱和描述標籤顯示在輸出窗口中的表中。
2、預測個案。在活動數據集中，如果選擇時間而不是變數作為自變數，則可以指定超出時間序列結尾的預測期。您可以選擇以下選項之一：◎從估計期到最後一個個案的預測。在估計期內的個案的基礎上預測文件中所有個案的值。顯示在對話框底端的估計期可通過「數據」菜單上的「選擇個案」選項的「範圍」子對話框來定義。如果未定義任何估計期，則使用所有個案來預測值。◎預測範圍。根據估計期中的個案，預測指定日期、時間或觀察號範圍內的值。此功能可以用於預測超出時間序列中最後一個個案的值。當前定義的日期變數確定可用於指定預測期結尾的文本框。如果沒有已定義的日期變數，則您可以指定結尾的觀察（個案）號。
推薦閱讀：