.7spss中的回归分析.ppt

二、模型建立与结果分析 （一）是否担心养老问题（养老风险） （二）养老途径 1、自我养老 2、子女养老 3、亲戚支援 4、社区养老 5、养老保险 6、政府救助 * * * 5.7.4 非线性回归分析 （一）常用非线性模型 * （二）应用举例 例5-7-4已知变量X，Y的数据如下，试进行非线性回归分析。 散点图显示: 两变量呈抛物线关系。 作散点图 “graphs------legacy Dialogs ------“scatter/Dot”------“Simple” * 为求得初始值，方法如下： 消元法，取三对观察值代入二次曲线方程：y=b0+b1*x+b2*x2 214.5＝b0＋b1*300＋b2*3002（1） 87.5=b0＋b1*400＋b2*4002 （2） 92.5=b0+b1*500+b2*5002 (3) ? （2）－（1）式：－127＝b1*100＋b2*70000（4） （3）－（1）式：－122＝b1*200＋b2*160000（5） 由上述方程可解得：b0, b1, b2初始值分别为 1387.5, -5.89, 0.0066 操作步骤： 在菜单栏中选择“Analyze”----“ Regression” ----“ Nonlinear”。进入 Nonlinear Regression对话框。 * （1）选择因变量进入Dependent框 （2）在Model Expression框中输入表达式 （3）单击“ Parameter”按钮。进入参数录入对话框。 * 输人初始值：b0＝1387.5，b1=-5.89，b2=0.0066。 单击“ Continue”按钮，返回 Nonlinear Regression对话框中。 （5）单击“OK”按钮。 * * * * * 结论： 判定系数R2为0.83685。 抛物线方程为：y=671.996-2.246*x+0.00219*x2 * （三）其它选项 1、Loss Function：Loss函数对话框。 （1）Sum of squared residuals：离均差平方和选项。选择此项，采用最小二乘法作参数估计，系统默认值。 （2）User－defined loss function：用户自定义1oss函数项。选择此项时，允许用户自定义参数估计时的最小化标准。 * 2. Parameter Constraints：参数限制对话框。 （l）Unconstrained 无参数限制选项，系统默认值。 （2）Define parameter constraint：参数限制选项。选择此项允许用户自定义参数范围。 * 3. Save New Var: 变量存储对话框。 (1)Predicted: 预测值选项 (2)Residuals:残差选项 (3)Derivatives: 派生值选项 (4)Loss function values: Loss函数数值选项 * 6. Options: 选择项对话框 （1）Bootstrap estimates of standard error: 标准误的Bootstrap估计 (2) Estimation Method: 估计方法选项 * Sequential quadratic program：用连续二次方程迭代法求解方程。选择该方法后，有以下参数可供设定，均可用系统默认值。 Maximum：设定最大迭代次数，设定后为优先项。 Step limit：设定参数矢量长度改变的最大允许值。 Optimality：设定函数方程显著性P值的显示位数。 Function：设定要求函数方程要达到的精确度。 Infinite Step：设定选代时不能收敛的标识值。 Levenberg - Marquardt：为默认选项，用 Levenberg－Marquardt迭代法求解方程。 有以下结束迭代的参数可供设定，均可用系统默认值。 Maximum iterations：设定最大选代次数，设定后为优先项。 Sum-of- squares：收敛结束的均方标识值，为二级项。 Parameter convergence：收敛结束的参数标识值，为三