医学研究的数据管理与分析——第十章2精要.pptVIP

Curve Estimation: 曲线估计分析 曲线回归（估计、拟合）：选定一种用函数表达曲线，使理论数据与实际数据间的差异尽可能小。 解决问题：(1)曲线模型的选择；(2)模型参数的确定。 可以经变量变换转化为线性关系，SPSS中Curve Estimation解决。 不能经变换转化为线性关系，用迭代或分段平均值等方法处理， SPSS中Nonlinear解决 基本思路：通过散点图及专业、经验等确定函数类型，再利用SPSS解决。 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，可在多种可选择的模型中选择几种模型；然后SPSS自动完成模型的参数估计，并输出回归方程显著性检验的F值和概率p值、判定系数R2等统计量；最后，以判定系数为主要依据选择其中的最优模型，并进行预测分析等。另外，SPSS曲线估计还可以以时间为解释变量实现时间序列的简单回归分析和趋势外推分析。 Curve Estimation中提供了11种本质线性模型： 曲线估计的基本操作 可通过绘制并观察样本数据的散点图粗略确定被解释变量和解释变量之间的相关关系，为曲线拟合中的模型选择提供依据。SPSS曲线估计的基本操作步骤是： （1）选择菜单Analyze－Regression－Curve Estimation，出现窗口如下页所示。 （2）把被解释变量选到Dependent框中。 （3）