第8章 回归解说.pptVIP

8.3 曲线估计 第4步 进行曲线估计：依次选择菜单“分析→回归→曲线估计”，将所有模型全部选上，看哪种模型拟合效果更好(主要看决定系数R2)，其所有模型的拟合优度R2如下表所示。 模型名称 R Square（R2） 直线（Linear） 0.941 二次曲线（Quadratic） 0.973 复合曲线（Compound） 0.789 生长曲线（Growth） 0.789 对数曲线（Logarithmic） 0.772 三次曲线（Cubic） 0.990 S曲线（S） 0.946 指数曲线（Exponential） 0.789 逆函数（Inverse） 0.481 幂函数（Power） 0.972 逻辑函数（Logistic） 0.789 从决定系数（R方即R2）来看，三次曲线效果最好（因为其R2值最大），并且方差分析的显著性水平（Sig.）为0。故重新进行上面的过程，只选“三次曲线（Cubic）”一种模型。 8.3 曲线估计 第5步 结果与分析。 三次曲线模型拟合效果的检验表 复相关系数R = 0.995，R2 = 0.990，经校正后的R平方值为0.989。故可判断保费收入与国内生产总值之间有较显著的三次曲线关系 方差分析表 相伴概率Sig.=0.000说明模型具有显著的统计学意义。 R R方 调整R方 估计值的标准误 .995 .990 .989 64.883 自变量为 国内生产总值。 平方和 df 均方 F Sig. 回归 .559 3 .186 617.659 .000 残差 75775.960 18 4209.776 总计 .518 21 自变量为 国内生产总值。 8.3 曲线估计 回归系数表 从表中可知因变量与自变量的三次回归模型为： y=-166.430+0.029x-5.364E-7x2+5.022E-12x3 未标准化系数 标准化系数 t Sig. B 标准误 Beta 内民生产总值 .029 .005 1.506 5.836 .000 国内生产总值 ** 2 -5.364E-7 .000 -2.554 -4.277 .000 国内生产总值 ** 3 5.022E-12 .000 2.093 . . （常数） -166.430 45.399 -3.666 .002 9.2 曲线估计 拟合效果图 从图形上看出其拟合效果非常好。 8.3 曲线估计 说明：曲线估计是一个自变量与因变量的非线性回归过程，但只能处理比较简单的模型。如果有多个自变量与因变量呈非线性关系时，就需要用其他非线性模型对因变量进行拟合，SPSS 19中提供了“非线性”过程，由于涉及的模型很多，且非线性回归分析中参数的估计通常是通过迭代方法获得的，而且对初始值的设置也有较高的要求，如果初始值选择不合适，即使指定的模型函数非常准确，也会导致迭代过程不收敛，或者只得到一个局部最优值而不能得到整体最优值。 主要内容 8.1 回归分析概述 8.2 线性回归分析 8.3 曲线估计 8.4 二元Logistic回归分析 8.4.1 基本概念及统计原理 （1）基本概念Logistic回归分析就是针对因变量是定性变量的回归分析。根据因变量取值类别数量不同，Logistic回归分析又分为二元Logistic回归分析和多元Logistic回归分析。二元Logistic回归模型中因变量只可以取两个值1和0（虚拟因变量），而多元Logistic回归模型中因变量可取多个值。 8.4 二元Logistic回归分析 （2）统计原理 logit变换8.4 二元Logistic回归分析 Logistic回归模型 Logistic回归模型 （3）统计检验与线性回归一样，拟合时也要考虑模型是否合适、哪些变量该保留、拟合效果如何等问题。线性回归中常用的是决定系数R2，T检验、F检验等工具在这里均不再适用。在Logistic回归中常用的检验有-2对数似然检验（-2 log（likelihood）, -2LL）、Hosmer和Lemeshow的拟合优度检验、Wald检验等。8.4 二元Logistic回归分析 8.4.2 SPSS实例分析 【例8-4】 诊断发现运营不良的金融企业是审计核查的一项重要功能，审计核查的分类失败会导致灾难性的后果。下表列出了66家公司的部分运营财务比率，其中33家在2年后破产（Y = 0），另外33家在同期保持偿付能力（Y = 1）。请用变量X1（未分配利润/总资产）、X2（税前利润/总资产）和X3（销售额/总资产）拟合一个Logistic回归模型。 8.4 二元Logistic回归分析 X1 X2 X3 Y X1 X2 X3 Y X1 X2 X3 Y X1 X2 X3 Y -62.8 -89.5 1.7 0 43 16.4 1.3 1 -27.9