信息分析与决策Chapert4-5 回归分析3-3.pptx

第四章 样本数据的统计分析回归分析3/3非线性回归分析法 信息分析研究中，很多情况下，研究对象与影响因素之间并不存在线性关系，而呈现出其他的曲线趋势。例如，人口增长与当前人口数的关系，婴儿的体重与年龄的关系等。 非线性回归分析法 对于非线性关系无法直接建立线性回归模型解决。但对某些非线性关系可以通过适当的变换将非线性的回归问题转换为线性回归问题，从而可以利用线性回归方法来分析研究问题。非线性回归分析法例如：y = b0 + b1 x + b2 x2 令 x1 = x2, 则上式转换为y = b0 + b1 x + b2 x1即可采用线性回归来分析。在回归分析中仍利用最小二乘法来计算线性化后的线性回归方程；同时得到回归方程的系数和相应的显著性分析结果。非线性回归分析法?几种可化成线性回归的曲线模型双曲线：令则有 非线性回归分析法?2) 幂函数令则 非线性回归分析法?3)指数函数 另 则 = a + bx4) 对数函数 令 ,则 非线性回归分析法SPSS的曲线参数估计基本方法SPSS的曲线参数估计过程中提供了11种可选择的回归方程模型，所以在分析之前，可以利用散点图等图形工具对数据点的趋势进行观察，然后决定利用何种形式的回归函数进行更拟合。非线性回归分析法Command:Analyze ? Regression? Curve EstimationVariable: 普通变量作为因变量，系统默认Time: 时间序列变量曲线估计模型非线性回归分析法Models:Linear 线性模型 方程 y =b0 + b1tt为自变量或时间变量，系统默认项2) Inverse 倒数曲线模型 y =b0 + b1/t3)Quadratic 二次曲线模型 y = b0 + b1 t + b2 t2非线性回归分析法4) Cubic 三次曲线模型 y = b0 + b1 t + b2 t2+ b3 t35) Power 幂函数模型 y = b0 tb16) Compound 复合曲线模型 y = b0 (b1) t7) Growth 增长曲线模型 y = e b0 + b1 t 8) Exponential 指数曲线模型 y = b0 eb1t9) …非线性回归分析法方程包含常数项绘制曲线拟合图显示方差分析表非线性回归分析法非线性回归分析案例Ex1. 金属强度测试的回归分析问题：在不同温度下，对金属的强度进行了8次测试，数据如下：温度(X)50100150200250300400500强度(Y)0.9770.5660.2840.1720.1280.0720.0290.014利用曲线参数估计法分析X和Y的关系非线性回归分析法Data：curve_estimation.savStep-1: 制作数据的散点图Graphs ? Scatter/Dot选择“Simple Scatterplot” 非线性回归分析法 显示了温度X与强度Y之间的散点图。观察X和Y之间大致呈现出指数函数的图形。若对变量之间的关系不是很明确我们可以尝试种函数模型，我们选择“Linear”“Cubic”“Exponential”非线性回归分析法Step-2: Analyze ? Regression? Curve EstimationModels 选择“Linear”“Exponential”“Cubic”非线性回归分析法Step-3: 结果分析1) Model Description 模型描述 给出模型的一些基本信息 非线性回归分析法2) 线性(Linear)模型的主要结果判定系数0.674F 统计值12.391，对应 p= 0.013 0.05 表明在5%的显著性水平上，整体模型的拟合效果可接受。 非线性回归分析法系数的t检验值分别为-3.520(温度)和4.982(常数项)，对应 p= 0.013，0.002 0.05 ，表明在5%的显著性水平上，对应系数与0有显著性差异，线性模型为 Y = 0.719 – 0.002X。2) 线性(Linear)模型的主要结果非线性回归分析法判定系数0.993F 统计值186.302，对应 p= 0.00 0.05 表明在5%的显著性水平上，整体模型的拟合效果很理想。2) 三次曲线模型(Cubic)模型的主要结果非线性回归分析法系数的t检验值对应 p= 0.000，0.002，0.000 0.05 ，表明在5%的显著性水平上，对应系数与0有显著性差异，三次曲线模型为 Y = 1.485– 0.012X + 3.41*10-5 X2 - 3.1*10-8 X3 。2) 三次曲线模型(Cubic)模型的主要结果非线性回归分析法2) 指数曲线模型(Exponential)模型判定系数0.991F 统计值760.861，对应 p= 0