實驗六 用SPSS進行非線性回歸分析_第1頁
實驗六 用SPSS進行非線性回歸分析_第2頁
實驗六 用SPSS進行非線性回歸分析_第3頁
實驗六 用SPSS進行非線性回歸分析_第4頁
免費預覽已結束，剩余1頁可下載查看

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

實驗六用SPSS進行非線性回歸分析實驗六用SPSS進行非線性回歸分析實驗六用SPSS進行非線性回歸分析資料僅供參考文件編號：2022年4月實驗六用SPSS進行非線性回歸分析版本號：A修改號：1頁次：1.0審核：批準:發布日期：實驗六用SPSS進行非線性回歸分析例：通過對比12個同類企業的月產量(萬臺)與單位成本(元)的資料(如圖1)，試配合適當的回歸模型分析月產量與單位成本之間的關系圖1原始數據和散點圖分析一、散點圖分析和初始模型選擇在SPSS數據窗口中輸入數據，然后插入散點圖(選擇Graphs→Scatter命令)，由散點圖可以看出，該數據配合線性模型、指數模型、對數模型和冪函數模型都比較合適。進一步進行曲線估計：從Statistic下選Regression菜單中的CurveEstimation命令；選因變量單位成本到Dependent框中，自變量月產量到Independent框中，在Models框中選擇Linear、Logarithmic、Power和Exponential四個復選框，確定后輸出分析結果，見表1。分析各模型的R平方，選擇指數模型較好，其初始模型為但考慮到在線性變換過程可能會使原模型失去殘差平方和最小的意義，因此進一步對原模型進行優化。模型匯總和參數估計值因變量:單位成本方程模型匯總參數估計值R方Fdf1df2Sig.常數b1線性.912110.000對數.943110.000冪.931110.000指數.955110.000自變量為月產量。表1曲線估計輸出結果二、非線性模型的優化SPSS提供了非線性回歸分析工具，可以對非線性模型進行優化，使其殘差平方和達到最小。從Statistic下選Regression菜單中的Nonlinear命令；按Paramaters按鈕，輸入參數A：和B：；選單位成本到Dependent框中，在模型表達式框中輸入“A*EXP(B*月產量)”，確定。SPSS輸出結果見表2。由輸出結果可以看出，經過6次模型迭代過程，殘差平方和已有了較大改善，縮小為，誤差率小于，優化后的模型為：迭代歷史記錄b迭代數a殘差平方和參數AB+133.087導數是通過數字計算的。a.主迭代數在小數左側顯示，次迭代數在小數右側顯示。b.由于連續殘差平方和之間的相對減少量最多為SSCON=，因此在22模型評估和10導數評估之后，系統停止運行。表2非線性回歸的輸出結果傳統手工運算求解，運算量與迭代次數成正比；而使用SPSS求解，只要輸入了初始參數值和

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業或盈利用途。
  • 5. 人人文庫網僅提供信息存儲空間，僅對用戶上傳內容的表現方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論