SPSS在非线性回归分精讲
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
单击【Save】按钮，弹出如下图所示的对话框。它表示要保存到数据文件中的 统计量。
Predicted Values：输出回归模型的预测值。
Residuals：输出回归模型的残差。 Derivatives：模型各个参数的一阶导数值。 Loss function values：损失函数值。
8.4 SPSS
在非线性回归分析中的应用
【Name（名称）】文本框：用于输入参数名称。
【Starting Value（初始值）】文本框：用于输入参数的初始值。 当输入完参数名和初始值后，单击【Add】按钮，则定义的变量及 其初始值将显示在下方的参数框中，参数的初始值可根据给定模型中 参数定义范围情况而定。如果需要修改已经定义的参数变量，则先将 其选中，然后在【Name（名称）】和【Starting Value（初始值）】 文本框里进行修改，完成后点击【Change】按钮确认修改。如果要删 除已经定义的参数变量，先用将其选中，然后点击【Remove】按钮删 除 。 如 果 勾 选 【Use starting values from previous analysis （使用上一分析的起始值）】复选框，表示使用前一次分析确定的初 始值；当算法的收敛速度减慢时，可选择它继续进行搜索。完成后单 击【Continue】按钮返回主程序窗口。
Unconstrained：无约束条件，系统默认项。 Define parameter constraint：可对选定的参数变量设置取值范围。参数的取值范围用不等式“=， <=，>=”来定义。例如这里限制参数“b”的迭代范围是“b<=5”。
8.4 SPSS
在非线性回归分析中的应用
Step07：选择预测值和残差等输出
左侧的候选变量列表框中，“RESID_”代表所选变量的残差；“PRED_”代表预测 值。可以从左下角的【Parameters（参数）】列表框中选择已定义的参数进入 损失函数。
8.4 SPSS
在非线性回归分析中的应用
Step06：参数取值范围选择
单击【Constraints】按钮，将打开如下图所示的对话框。该对话框用来设置回归方程中参数的取值范围。
8.4 SPSS
在非线性回归分析中的应用
8.4.2 非线性回归分析的SPSS操作详解 Step01：打开对话框
选择菜单栏中的【Analyze（分析）】→【Regression（回归）】→ 【Nonlinear （非线性）】命令，弹出【Nonlinear Regression （非 线性回归）】对话框，这是非线性回归的主操作窗口。
8.4 SPSS
在非线性回归分析中的应用
Step08：迭代方法选择
单击【Options】按钮，弹出如下图所示的对话框。它用于选择各类迭代算法。
8.4 SPSS
在非线性回归分析中的应用
Bootstrap estimates of standard error ：采用样本重复法计算标准误。样本重复法需要 顺序二次规划算法的支持。当选中该项时， SPSS 将自动选中【Sequential quadratic Programming（序列二次编程）】项。 【Estimation Method】框中列出了参数的两种估计方法： ● Sequential Quadratic Programming ：顺序二次规划算法。该方法要求输入的参数如下。 “Maximum”：最大迭代步数。 “Step Iimit”：最大步长。 “Optimality”：目标函数的迭代误差限。 “Function precision”：函数精度，应比目标函数的迭代误差限小。 “Infinite step size”：当一次迭代中参数值的变化大于设置值，则迭代停止。 ● Levenberg-Marquardt ：系统缺省设置，列文博格 -麦夸尔迭代法。该法要求输入的参数 如下。 “Maximum iterations”：最大迭代步数。 “Sum-of-squares convergence”：在一步迭代中目标函数残差平方和的变化比例小于 设置的值时，迭代停止。 “ Parameter convergence” ：在一步迭代中参数的变化比例小于设置值时，迭代停止。
8.4 SPSS
在非线性回归分析中的应用
Step02：选择因变量
在【Nonlinear Regression（非线性回归）】对话框左侧的候选变量列表框 中选择一个变量，将其添加至【Dependent（自变量）】列表框中，即选择该 变量作为非线性回归分析的因变量。 Step03：设置参数变量和初始值 单击【Parameters （参数）】按钮，将打开如下图所示的对话框，该对话框 用于设置参数的初始值。
SPSS在非线性回归分析中的应用
8.4 SPSS
在非线性回归分析中的应用
8.4.1 非线性回归分析的基本原理
非线性回归分析是探讨因变量和一组自变量之间的非线性相关模型的统计 方法。线性回归模型要求变量之间必须是线性关系，曲线估计只能处理能够通 过变量变换化为线性关系的非线性问题，因此这些方法都有一定的局限性。相 反的，非线性回归可以估计因变量和自变量之间具有任意关系的模型，用户根 据自身需要可随意设定估计方程的具体形式。因此，本方法在实际应用中有很 大的实用价值。
8.4 SPSS
在非线性回归分析中的应用
非线性回归模型一般可以表示为如下形式：
其中 f ( x, ) 为期望函数 , 该模型的结构和线性回归模型非常相似， 所不同的是期望函数可能为任意形式，甚至在有的情况下没有显式关 f ( x, ) 系式，回归方程中参数的估计是通过迭代方法获得的。
ˆ ei f ( x, ) ei yi y
8.4 SPSS
在非线性回归分析中的应用
Step04：输入回归方程
在【Model Expression （模型表达式）】文本框中输入需要拟合的方程式，该方 程中包含自变量、参数变量和常数等。自变量从左侧的候选变量列表框中选 择，参数变量从左侧的【Parameters （参数）】列表框里选入。同时，拟合 方程模型中的函数可以从【Function （函数组）】列表框里选入；方程模型 的运算符号可以用鼠标从窗口“数字符号”显示区中点击输入。
Step05：迭代条件选择
单击【Loss】按钮，将打开如下图所示的对话框。该对话框用来选择损失函数 来确定参数的迭代算法。
Baidu Nhomakorabea
8.4 SPSS
在非线性回归分析中的应用
Sum of squared residuals：系统默认项，基于残差平方和最小化的迭代算法。 User-defined loss function：自定义选项，设置其他统计量为迭代条件。在 下面文本输入框中输入相应的统计量的表达式，这里称为损失函数。
Predicted Values：输出回归模型的预测值。
Residuals：输出回归模型的残差。 Derivatives：模型各个参数的一阶导数值。 Loss function values：损失函数值。
8.4 SPSS
在非线性回归分析中的应用
【Name（名称）】文本框：用于输入参数名称。
【Starting Value（初始值）】文本框：用于输入参数的初始值。 当输入完参数名和初始值后，单击【Add】按钮，则定义的变量及 其初始值将显示在下方的参数框中，参数的初始值可根据给定模型中 参数定义范围情况而定。如果需要修改已经定义的参数变量，则先将 其选中，然后在【Name（名称）】和【Starting Value（初始值）】 文本框里进行修改，完成后点击【Change】按钮确认修改。如果要删 除已经定义的参数变量，先用将其选中，然后点击【Remove】按钮删 除 。 如 果 勾 选 【Use starting values from previous analysis （使用上一分析的起始值）】复选框，表示使用前一次分析确定的初 始值；当算法的收敛速度减慢时，可选择它继续进行搜索。完成后单 击【Continue】按钮返回主程序窗口。
Unconstrained：无约束条件，系统默认项。 Define parameter constraint：可对选定的参数变量设置取值范围。参数的取值范围用不等式“=， <=，>=”来定义。例如这里限制参数“b”的迭代范围是“b<=5”。
8.4 SPSS
在非线性回归分析中的应用
Step07：选择预测值和残差等输出
左侧的候选变量列表框中，“RESID_”代表所选变量的残差；“PRED_”代表预测 值。可以从左下角的【Parameters（参数）】列表框中选择已定义的参数进入 损失函数。
8.4 SPSS
在非线性回归分析中的应用
Step06：参数取值范围选择
单击【Constraints】按钮，将打开如下图所示的对话框。该对话框用来设置回归方程中参数的取值范围。
8.4 SPSS
在非线性回归分析中的应用
8.4.2 非线性回归分析的SPSS操作详解 Step01：打开对话框
选择菜单栏中的【Analyze（分析）】→【Regression（回归）】→ 【Nonlinear （非线性）】命令，弹出【Nonlinear Regression （非 线性回归）】对话框，这是非线性回归的主操作窗口。
8.4 SPSS
在非线性回归分析中的应用
Step08：迭代方法选择
单击【Options】按钮，弹出如下图所示的对话框。它用于选择各类迭代算法。
8.4 SPSS
在非线性回归分析中的应用
Bootstrap estimates of standard error ：采用样本重复法计算标准误。样本重复法需要 顺序二次规划算法的支持。当选中该项时， SPSS 将自动选中【Sequential quadratic Programming（序列二次编程）】项。 【Estimation Method】框中列出了参数的两种估计方法： ● Sequential Quadratic Programming ：顺序二次规划算法。该方法要求输入的参数如下。 “Maximum”：最大迭代步数。 “Step Iimit”：最大步长。 “Optimality”：目标函数的迭代误差限。 “Function precision”：函数精度，应比目标函数的迭代误差限小。 “Infinite step size”：当一次迭代中参数值的变化大于设置值，则迭代停止。 ● Levenberg-Marquardt ：系统缺省设置，列文博格 -麦夸尔迭代法。该法要求输入的参数 如下。 “Maximum iterations”：最大迭代步数。 “Sum-of-squares convergence”：在一步迭代中目标函数残差平方和的变化比例小于 设置的值时，迭代停止。 “ Parameter convergence” ：在一步迭代中参数的变化比例小于设置值时，迭代停止。
8.4 SPSS
在非线性回归分析中的应用
Step02：选择因变量
在【Nonlinear Regression（非线性回归）】对话框左侧的候选变量列表框 中选择一个变量，将其添加至【Dependent（自变量）】列表框中，即选择该 变量作为非线性回归分析的因变量。 Step03：设置参数变量和初始值 单击【Parameters （参数）】按钮，将打开如下图所示的对话框，该对话框 用于设置参数的初始值。
SPSS在非线性回归分析中的应用
8.4 SPSS
在非线性回归分析中的应用
8.4.1 非线性回归分析的基本原理
非线性回归分析是探讨因变量和一组自变量之间的非线性相关模型的统计 方法。线性回归模型要求变量之间必须是线性关系，曲线估计只能处理能够通 过变量变换化为线性关系的非线性问题，因此这些方法都有一定的局限性。相 反的，非线性回归可以估计因变量和自变量之间具有任意关系的模型，用户根 据自身需要可随意设定估计方程的具体形式。因此，本方法在实际应用中有很 大的实用价值。
8.4 SPSS
在非线性回归分析中的应用
非线性回归模型一般可以表示为如下形式：
其中 f ( x, ) 为期望函数 , 该模型的结构和线性回归模型非常相似， 所不同的是期望函数可能为任意形式，甚至在有的情况下没有显式关 f ( x, ) 系式，回归方程中参数的估计是通过迭代方法获得的。
ˆ ei f ( x, ) ei yi y
8.4 SPSS
在非线性回归分析中的应用
Step04：输入回归方程
在【Model Expression （模型表达式）】文本框中输入需要拟合的方程式，该方 程中包含自变量、参数变量和常数等。自变量从左侧的候选变量列表框中选 择，参数变量从左侧的【Parameters （参数）】列表框里选入。同时，拟合 方程模型中的函数可以从【Function （函数组）】列表框里选入；方程模型 的运算符号可以用鼠标从窗口“数字符号”显示区中点击输入。
Step05：迭代条件选择
单击【Loss】按钮，将打开如下图所示的对话框。该对话框用来选择损失函数 来确定参数的迭代算法。
Baidu Nhomakorabea
8.4 SPSS
在非线性回归分析中的应用
Sum of squared residuals：系统默认项，基于残差平方和最小化的迭代算法。 User-defined loss function：自定义选项，设置其他统计量为迭代条件。在 下面文本输入框中输入相应的统计量的表达式，这里称为损失函数。