word全文可编辑
(模型表达式)案例SPSS—非线性回归解析
SPSS—非线性回归(模型表达式)案例解析 2011-11-16 10:56
由简单到复杂，人生有下坡就必有上坡，有低潮就必有高潮的迭起，随着SPSS的深入学习，已经逐渐开始走向复杂，今天跟大家交流一下，SPSS非线性回归，希望大家能够指点一二！
非线性回归过程是用来建立因变量与一组自变量之间的非线性关系，它不像线性模型那样有众多的假设条件，可以在自变量和因变量之间建立任何形式的模型 非线性，能够通过变量转换成为线性模型——称之为本质线性模型，转换后的模型，用线性回归的方式处理转换后的模型，有的非线性模型并不能够通过变量转换为线性模型，我们称之为：本质非线性模型
还是以“销售量”和“广告费用”这个样本为例，进行研究，前面已经研究得出：“二次曲线模型”比“线性模型”能够更好的拟合“销售量随着广告费用的增加而呈现的趋势变化”，那么“二次曲线”会不会是最佳模型呢？
答案是否定的，因为“非线性模型”能够更好的拟合“销售量随着广告费用的增加而呈现的变化趋势” 下面我们开始研究： 第一步：非线性模型那么多，我们应该选择“哪一个模型呢？”
word全文可编辑
1：绘制图形，根据图形的变化趋势结合自己的经验判断，选择合适的模型 点击“图形”—图表构建程序—进入如下所示界面：
点击确定按钮，得到如下结果：
word全文可编辑
放眼望去, 图形的变化趋势，其实是一条曲线，这条曲线更倾向于\型曲线，我们来验证一下，看“二次曲线”和“S曲线”相比，两者哪一个的拟合度更高！ 点击“分析—回归—曲线估计——进入如下界面
word全文可编辑
在“模型”选项中，勾选”二次项“和”S\ 两个模型，点击确定，得到如下结果：
word全文可编辑
通过“二次”和“S “ 两个模型的对比，可以看出S 模型的拟合度 明显高于“二次”模型的拟合度 （0.912 >0.900）不过，几乎接近 接着，我们采用S 模型，得到如下所示的结果：
结果分析：
1：从ANOVA表中可以看出：总体误差= 回归平方和 + 残差平方和 （共计：0.782） F统计量为（240.216）显著性SIG为（0.000）由于0.000<0.01 （所以具备显著性，方差齐性相等）
2：从“系数”表中可以看出：在未标准化的情况下，系数为（-0.986） 常数项
(模型表达式)案例SPSS—非线性回归解析
