曲线回归分析在一元回归中,若因变量和自变量相关的趋势不是线性分布,呈现曲线关系。这种情况可以利用SPSS提供的曲线估计过程(Curve Estimation)方便地进行线性拟合,选出最佳的回归模型来拟合出相应曲线。 下面以一个实例来介绍曲线拟合的基本步骤和使用方法。 例子 台湾稻螟蚁螟侵入不同叶龄稻茎后的生存率数据(表4-1)。拟合出适合的曲线模型,来表达不同叶龄稻茎对台湾稻螟蚁螟侵入的生存关系。 表4-1 台湾稻螟蚁螟侵入不同叶龄稻茎后的生存率数据
本例子数据保存在DATA6-3.SAV。
1)准备分析数据 在SPSS数据编辑窗口建立变量“生存率”和“叶龄”两个变量,把表6-13中的数据输入到对应的变量中。 或者打开已经存在的数据文件(DATA6-3.SAV)。
2)启动线性回归过程 单击SPSS主菜单的“Analyze”下的“Regression”中“Curve Estimation”项,将打开如图4-1所示的线回归对话窗口。
3) 设置分析变量 设置因变量:从左侧的变量列表框中选择一个或多个因变量进入“Dependent(s)”框。本例子选“生存率”变量为因变量。 设置自变量:选择一个变量为自变量,进入“Independent”框,也可选取“Independent”框中的“Time”项,即以时间为自变量。本例子选“叶龄”变量为自变量。 选择标签变量: 选择一个变量进入到“Case Labels”框中,该变量为标签变量,可以利用该变量的值在图上查找观测值。本例子没有标签变量。
4)选择曲线方程模型 在“Models”框中选择一个或多个回归方程模型,这11个模型都可化为相应的线性模型。其中各项的意义分别为: (1) Linear 线性模型 在各项模型上单击鼠标右键,可以得到模型的方程类型。当选中“Logistic”项时,应在“Upper bound”框中输入一个数值作为逻辑模型的上限值。 本例子选中第9号模型(Inverse,倒数模型)。
5)设置方程常数项 选中“Include constant in equation”项回归方程中包含常数项。
6)绘制模型拟合图 选中“Plot models”项绘制出回归方程模型图。本例子选中此项。
7)输出方差分析表 选中“Display ANOVA table”项,将输出方差分析表。
8) 保存分析数据 单击“Save”按钮,将打开如图4-2所示的对话框。该对话框用于选择要保存的新变量。
“Save Variables”框中列出了可保存的新变量: “Predicted values”预测值。因变量的预测值。 本例子选中“Predicted values”项、“Residuals”项和“Prediction intervals”项。 “Predict cases”:当选择时间序列为自变量时,本栏设置一个超过数据时间序列的预测周期。其中各项的意义分别为: “Predict from estimation period through last case”根据估计周期为所有的观测量提供预测周期。 “Predict through”当要预测的观测量超过当前的数据时间序列时,输入观测量的一个周期数值。
9)提交执行 在主对话框里单击“OK”,提交执行,结果将显示在输出窗口中。输出结果主要分两部分:第一部分是文本输出,给出了曲线模型、各统计量、方差分析以及曲线方程系数,见图3-3;第二部分是预测模型与分析数据的图形比较,见图3-2。 有时SPSS在输出浏览窗口不会完全显示出来所有的文本,在文本框左下角显示了一个红色三角形来提示我们。可以使用鼠标选中文本块,拖动鼠标把文本框扩大,直至显示出全部文本。 根据“曲线回归保存值设置对话窗口”的设置,SPSS在数据编辑窗口增添如下变量:
10) 结果分析 主要结果:
分析: 建立回归模型: 根据图3-3中方程变量表得: 回归方程的显著性检验: 回归方程的方差分析表明:F=81.94,显著水平为0.000。相关系数平方(R2)=0.91105。 从图3-4回归方程模型图中也可以看出模型拟合程度是很好的。 结果: 表明用“ y = 14.861706 - 11.890356/x”模型能很好地描述了水稻不同叶龄(x)对台湾稻螟蚁螟侵入后生存率(y)影响的数量相关关系。 |
|
来自: 昵称13590490 > 《待分类1》