實驗六用SPSS進(jìn)行非線性回歸分析實驗六用SPSS進(jìn)行非線性回歸分析實驗六用SPSS進(jìn)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(jìn)行非線性回歸分析版本號：A修改號：1頁次：1.0審核：批準(zhǔn):發(fā)布日期：實驗六用SPSS進(jìn)行非線性回歸分析例：通過對比12個同類企業(yè)的月產(chǎn)量(萬臺)與單位成本(元)的資料(如圖1)，試配合適當(dāng)?shù)幕貧w模型分析月產(chǎn)量與單位成本之間的關(guān)系圖1原始數(shù)據(jù)和散點圖分析一、散點圖分析和初始模型選擇在SPSS數(shù)據(jù)窗口中輸入數(shù)據(jù)，然后插入散點圖(選擇Graphs→Scatter命令)，由散點圖可以看出，該數(shù)據(jù)配合線性模型、指數(shù)模型、對數(shù)模型和冪函數(shù)模型都比較合適。進(jìn)一步進(jìn)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(chǎn)量到Independent框中，在Models框中選擇Linear、Logarithmic、Power和Exponential四個復(fù)選框，確定后輸出分析結(jié)果，見表1。分析各模型的R平方，選擇指數(shù)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(jìn)一步對原模型進(jìn)行優(yōu)化。模型匯總和參數(shù)估計值因變量:單位成本方程模型匯總參數(shù)估計值R方Fdf1df2Sig.常數(shù)b1線性.912110.000對數(shù).943110.000冪.931110.000指數(shù).955110.000自變量為月產(chǎn)量。表1曲線估計輸出結(jié)果二、非線性模型的優(yōu)化SPSS提供了非線性回歸分析工具，可以對非線性模型進(jìn)行優(yōu)化，使其殘差平方和達(dá)到最小。從Statistic下選Regression菜單中的Nonlinear命令；按Paramaters按鈕，輸入?yún)?shù)A：和B：；選單位成本到Dependent框中，在模型表達(dá)式框中輸入“A*EXP(B*月產(chǎn)量)”，確定。SPSS輸出結(jié)果見表2。由輸出結(jié)果可以看出，經(jīng)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(yōu)化后的模型為：迭代歷史記錄b迭代數(shù)a殘差平方和參數(shù)AB+133.087導(dǎo)數(shù)是通過數(shù)字計算的。a.主迭代數(shù)在小數(shù)左側(cè)顯示，次迭代數(shù)在小數(shù)右側(cè)顯示。b.由于連續(xù)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(dǎo)數(shù)評估之后，系統(tǒng)停止運行。表2非線性回歸的輸出結(jié)果傳統(tǒng)手工運算求解，運算量與迭代次數(shù)成正比；而使用SPSS求解，只要輸入了初始參數(shù)值和