spss非线性回归分析.doc

《spss非线性回归分析.doc》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、课程名称实用统计软件实验项目名称非线性回归分析实验成绩指导老师（签名）日期2011-9-23一．实验目的1．掌握非线性回归的基本原理和算法；2．能够用SPSS软件应用非线性回归模型解决实际问题。二.实验内容与要求1．根据数据金属强度测试.sav利用曲线参数估计法分析金属强度（y）与温度（x）之间的关系。2．实现书上P189中的研究问题。第一步要选中所有的模型，然后根据R-square和拟合曲线标准选择模型！并且要预测到2010年的数据！三．实验步骤1．模型选择（标准：R-square以及拟合曲线的比较）2．所选择模型的拟合优度（R-square、拟合曲线）3．所选择

2、模型的回归方程（回归系数的估计值）4．所选择模型的检验问题（模型方差分析表：模型显著性F检验、回归系数非零T检验）5．保存关心的统计数据（预测值、残差值、预测值的置信区间）具体操作参见课件非线性回归分析.PPT四.实验结果（数据与图形）与分析1.ModelSummaryandParameterEstimatesDependentVariable:强度EquationModelSummaryParameterEstimatesRSquareFdf1df2Sig.Constantb1b2b3Linear.67412.39116.013.719-.002Logarithm

3、ic.92573.71216.0002.518-.424Inverse.983346.05116.000-.09155.466Quadratic.94441.91025.0011.171-.0068.416E-6Cubic.993186.30234.0001.485-.0123.409E-5-3.144E-8Compound.992760.86116.0001.324.991Power.93281.77216.0002.136E3-1.833S.69313.53516.010-3.356200.730Growth.992760.86116.000.281-.009E

4、xponential.992760.86116.0001.324-.009Logistic.992760.84016.000.7551.009Theindependentvariableis温度.图中看出Cubic，Compound，Growth，Exponential和Logistic较高，其中Cubic最高，所以选择三次函数拟合。观察得，图形更接近Cubic和Exponential两种曲线。Cubic函数在500处为0，有明显差异。ANOVASumofSquaresdfMeanSquareFSig.Regression14.368114.368760.861.0

5、00Residual.1136.019Total14.4827Theindependentvariableis温度.CoefficientsUnstandardizedCoefficientsStandardizedCoefficientstSig.BStd.ErrorBeta温度-.009.000-.996-27.584.000(Constant)1.324.12810.382.000Thedependentvariableisln(强度).CoefficientsaModelUnstandardizedCoefficientsStandardizedCoeffi

6、cientstSig.95%ConfidenceIntervalforBCorrelationsBStd.ErrorBetaLowerBoundUpperBoundZero-orderPartialPart1(Constant).719.1444.982.002.3661.072温度-.002.001-.821-3.520.013-.003.000-.821-.821-.821a.DependentVariable:强度[0.366,1.072][-0.003,0]2.ModelSummaryandParameterEstimatesDependentVariabl

7、e:社会消费品零售总额EquationModelSummaryParameterEstimatesRSquareFdf1df2Sig.Constantb1b2b3Linear.836137.490127.000-1.372E42.325E3Logarithmic.52730.083127.000-2.442E41.854E4Inverse.1846.104127.0202.764E4-4.756E4Quadratic.987953.866226.0006.756E3-1.639E3132.133Cubic.9951.816E3325.000230.765768.