7.曲线估计与回归分析.pptVIP

社会科学统计软件SPSS教程 第七章 曲线估计与回归分析 在数量分析中，经常会看到变量与变量之间存在着一定的联系。要了解变量之间如何发生相互影响的，就需要利用相关分析和回归分析。本章介绍回归分析基本概念，回归分析的主要类型：曲线估计、线性回归分析、非线性回归分析。 7.1 曲线估计 7.2 回归分析基本概念 7.3 线性回归分析 7.1 曲线估计 曲线估计即曲线拟合，恰当的曲线拟合方法可以准确而快速地反映出实际情况。 在曲线估计中，一般首先绘制自变量和因变量间的散点图，然后通过数据在散点图中的分布特点选择所要进行回归分析的类型。确定函数关系后再进一步确定函数关系中的未知参数，并进行显著性检验。 在实际问题中，用户往往不能确定究竟该选择何种函数模型更接近样本数据，这时可以采用曲线估计的方法，其步骤如下： 1.根据实际问题本身特点，同时选择几种模型； 2.SPSS自动完成模型的参数估计，并显示R2、F检验值、相伴概率值等统计量； 3.选择具有R2统计量值最大的模型作为此问题的回归模型，并作一些预测。 P144 线性估计示例 利用数据文件“Cars.sav”，对horse和mpg两变量进行曲线拟合（曲线估计）。 关键数值说明： 1. R：自变量与因变量的相关系数； 2. R2和校正的R2：决定系数，度量