第7章3曲线拟合讲义.docVIP

7.3 曲线估计 曲线估计可以拟合许多常用的曲线关系，当变量之间存在可以使用这些曲线描述的关系时，我们便可以使用曲线回归分析进行拟合。 曲线回归分析的基本原理 曲线回归分析的基本任务是通过两个相关变量x与y的实际观测数据建立曲线回归方程，以揭示x与y间的曲线联系的形式。 曲线回归分析最困难和首要的工作是确定因变量y与自变量x之间曲线关系的类型。通常通过两个途径来确定：(1)利用有关专业知识，根据已知的理论规律和实践经验。例如，幂函数的形式能较好地表现生产函数；多项式方程能够较好地反映总成本与总产量之间的关系等；(2)若没有已知的理论规律和经验可利用，可在直角坐标系作散点图，观察实测点的分布趋势与哪一类已知函数曲线最接近，然后再选用该函数关系式来拟合数据。 对于可直线化的曲线函数类型，曲线回归分析的基本过程是：先将x和（或）y进行变量转换，然后对新变量进行直线回归分析——建立直线回归方程并进行显著性检验，最后将新变量还原为原变量，由新变量的直线回归方程得出原变量的曲线回归方程。还有一情况是找不到已知的函数曲线较接近数据的分布趋势，这时可利用多项式回归，通过逐渐增加多项式的高次项来拟合，直到满意为止。 曲线回归模型 二次曲线（Quadratic） 复合曲线（Compound） 增长曲线（Growth） 对数曲线（Logarithmic） 三次曲线（Cubic） S曲线（S） 指数曲线（Exponential） 逆函数（Inverse） 幂函数（Power） 逻辑函数（Logistic） SPSS曲线估计中，首先，在不能明确究竟哪种模型更接近样本数据时，可在以上多种可选择的模型中，选择几种模型；然后由SPSS自动完成模型的参数估计，并输出回归方程的显著性检验F值和P值（Sig），判定系数等统计量。最后对模型进行取舍，选取最优的模型，并进行预测分析。 ?（）选择最优化模型的标准: ()分析各模型的F检验值,看各方程是否达到显著或极显著,剔除那些不显著的模型； ()对表现为显著或极显著的模型,检查模型系数的 t 检验值,不显著的也予以剔除； ()再列表比较模型的决定系数R2值大小, R2值越大的,表示经该代换后,曲线关系越密切； ()选取R2值最大的模型作为最优化模型。 在这过程中,模型的R2值与模型系数t检验的计算,可借助计算机,这样可大大减少研究者的工作量,而且增加计算结果的准确性,提高最后选择的客观性。 Nd表示年度，x表示总收入，y表示支出 单位为亿元 Step1 【分析】【回归】【曲线估计】 Step2 将y（支出）选入因变量中，x（收入）选入自变量中，勾选估计的曲线模型 95%的置信区间 输出结果与分析： 选取R2值最大的模型作为最优化模型 Step1 【分析】【回归】【曲线估计】 Step2 将y（支出）选入因变量中，x（收入）选入自变量中，勾选估计的曲线模型 输出结果与分析：选取R2值最大的模型作为最优化模型。因此选择立方模型。 输出结果与分析：由拟合图、表可以看出二次项、立方的拟合程度最高，其次是复合、增长、指数分布、对数几种曲线的拟合度较高。