試驗六用SPSS進(jìn)行非線性回歸分析

1、實驗六用SPSSS行非線性回歸分析例：通過對比12個同類企業(yè)的月產(chǎn)量（萬臺）與單位成本（元）的資料（如圖1）,試配合適當(dāng)?shù)幕貧w模型分析月產(chǎn)量與單位成本之間的關(guān)系單位成本15D00-10.00-12QXJD-100.00-80.00-60.00-1C,OO200030.0040.005k口口60.0070.00月產(chǎn)量圖1原始數(shù)據(jù)和散點圖分析一、散點圖分析和初始模型選擇在SPSSa據(jù)窗口中輸入數(shù)據(jù)，然后插入散點圖（選擇Graphs-Scatter命令），由散點圖可以看出，該數(shù)據(jù)配合線性模型、指數(shù)模型、對數(shù)模型和募函數(shù)模型都比較合適。進(jìn)一步進(jìn)行曲線估計：從Statistic下選Regression菜

2、單中的CurveEstimation命令；選因變量單位成本到Dependent框中，自變量月產(chǎn)量到Independent框中，在Models框中選擇Linear、Logarithmic>Power和Exponential四個復(fù)選框，確定后輸出分析結(jié)果，見表1。分析各模型的R平方，選擇指數(shù)模型較好，其初始模型為但F=】76.57*DULKJ，考慮到在線性變換過程可能會使原模型失去殘差平方和最小的意義，因此進(jìn)一步對原模型進(jìn)行優(yōu)化。模型匯總和參數(shù)估計值因變量：單位成本方程模型匯總參數(shù)估計值R方Fdf1df2Sig.常數(shù)b1線性.912104.179110.000158.497-1.727對數(shù).

3、943166.595110.000282.350-54.059嘉.931134.617110.000619.149-.556指數(shù).955212.313110.000176.571-.018自變量為月產(chǎn)量。表1曲線估計輸出結(jié)果二、非線性模型的優(yōu)化SPSS提供了非線性回歸分析工具，可以對非線性模型進(jìn)行優(yōu)化，使其殘差平方和達(dá)到最小。從Statistic下選Regression菜單中的Nonlinear命令；按Paramaters按鈕，輸入?yún)?shù)A：176.57和B：-.0183;選單位成本到Dependent框中，在模型表達(dá)式框中輸入“A*EXP（B*月產(chǎn)量）”，確定。SPSS俞出結(jié)果見表2。由輸出結(jié)

4、果可以看出，經(jīng)過6次模型迭代過程，殘差平方和已有了較大改善，縮小為568.97,誤差率小于0.00000001,優(yōu)化后的模型為:迭代歷史記錄b迭代數(shù)a殘差平方和參數(shù)AB1.0104710.523176.570-.1831.15.346E+133-3455.8132.24330684076640.87476.032.0871.231.397312.724215.183-.1602.097312.724215.183-.1602.183887.036268.159-.1333.083887.036268.159-.1333.159358.745340.412-.1024.059358.745340

5、.412-.1024.126232.008385.967-.0655.026232.008385.967-.0655.17977.231261.978-.0386.07977.231261.978-.0386.11388.850153.617-.0157.01388.850153.617-.0157.1581.073180.889-.0198.0581.073180.889-.0198.1568.969182.341-.0199.0568.969182.341-.0199.1568.969182.334-.01910.0568.969182.334-.01910.1568.969182.334-.019導(dǎo)數(shù)是通過數(shù)字計算的。a.主迭代數(shù)在小數(shù)左側(cè)顯示，次迭代數(shù)在小數(shù)右側(cè)顯示。b.由于連續(xù)殘差平方和之間的相對減少量最多為SSCON=1.000E-008,因此在22模型評估和10導(dǎo)數(shù)評估之后，系統(tǒng)停止運行。表2非線性回歸的輸出結(jié)果傳統(tǒng)手工運算求解，運算量與迭代次數(shù)成