试验六用SPSS进行非线性回归分析

1、实验六用SPSSS行非线性回归分析例：通过对比12个同类企业的月产量（万台）与单位成本（元）的资料（如图1）,试配合适当的回归模型分析月产量与单位成本之间的关系单位成本15D00-10.00-12QXJD-100.00-80.00-60.00-1C,OO200030.0040.005k口口60.0070.00月产量图1原始数据和散点图分析一、散点图分析和初始模型选择在SPSSa据窗口中输入数据，然后插入散点图（选择Graphs-Scatter命令），由散点图可以看出，该数据配合线性模型、指数模型、对数模型和募函数模型都比较合适。进一步进行曲线估计：从Statistic下选Regression菜

2、单中的CurveEstimation命令；选因变量单位成本到Dependent框中，自变量月产量到Independent框中，在Models框中选择Linear、Logarithmic>Power和Exponential四个复选框，确定后输出分析结果，见表1。分析各模型的R平方，选择指数模型较好，其初始模型为但F=】76.57*DULKJ，考虑到在线性变换过程可能会使原模型失去残差平方和最小的意义，因此进一步对原模型进行优化。模型汇总和参数估计值因变量：单位成本方程模型汇总参数估计值R方Fdf1df2Sig.常数b1线性.912104.179110.000158.497-1.727对数.

3、943166.595110.000282.350-54.059嘉.931134.617110.000619.149-.556指数.955212.313110.000176.571-.018自变量为月产量。表1曲线估计输出结果二、非线性模型的优化SPSS提供了非线性回归分析工具，可以对非线性模型进行优化，使其残差平方和达到最小。从Statistic下选Regression菜单中的Nonlinear命令；按Paramaters按钮，输入参数A：176.57和B：-.0183;选单位成本到Dependent框中，在模型表达式框中输入“A*EXP（B*月产量）”，确定。SPSS俞出结果见表2。由输出结

4、果可以看出，经过6次模型迭代过程，残差平方和已有了较大改善，缩小为568.97,误差率小于0.00000001,优化后的模型为:迭代历史记录b迭代数a残差平方和参数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导数是通过数字计算的。a.主迭代数在小数左侧显示，次迭代数在小数右侧显示。b.由于连续残差平方和之间的相对减少量最多为SSCON=1.000E-008,因此在22模型评估和10导数评估之后，系统停止运行。表2非线性回归的输出结果传统手工运算求解，运算量与迭代次数成