【正文】 理窗口，定義變量名：年齡簡化值為X，尚存人數(shù)為Y。輸入原始數(shù)據(jù)。 統(tǒng)計分析 激活Statistics菜單選Regression中的Nonlinear...項，彈出Nonlinear Regression對話框（）。從對話框左側(cè)的變量列表中選y，點擊216。鈕使之進入Dependent框。由于SPSS系統(tǒng)尚無法智能地自動擬合用戶所需的曲線，故一方面要求用戶估計方程中常數(shù)項和各系數(shù)項進行疊代運算的起始值，另一方面要求用戶列出方程模型。對此，可首先點擊Nonlinear Regression對話框的Parameters...鈕，彈出Nonlinear Regression: Parameters對話框（），在Name處定義系數(shù)名，在Start Value處輸入起始值（這項工作是十分重要的，否則系統(tǒng)可能無法運算，甚至會因疊代次數(shù)過大導致SPSS系統(tǒng)的崩潰），本例定義b1=8500、b2=b3=，每定義一個系數(shù)，即點擊Add鈕加以確定；若在后面的運算中出錯，則還可修改系數(shù)項的起始值，修改后點擊Change鈕加以確定；然后點擊Continue鈕返回Nonlinear Regression對話框。在Model Expression處寫出曲線方程表達式，用戶可借助系統(tǒng)提供的數(shù)碼盤和函數(shù)列表寫出方程。本例要求計算根據(jù)回歸方程求出的預測值，可點擊Save鈕，在Nonlinear Regression:Save New Variables對話框中選Predicted value項。最后點擊OK鈕即可。 非線性回歸對話框 系數(shù)項定義對話框 結(jié)果解釋 在結(jié)果輸出窗口中將看到如下統(tǒng)計數(shù)據(jù)：Iteration Residual SS B1 B2 B3 1 28327193463 14333434800 .739240551 2 14333434800 .739240551 +11 .006502086 .842994797 3 .842994797 12857378788 .850493197 4 .850493197 .859429212 5 .859429212 .905992700 6 .905992700 .966421043 .909112694 7 .909112694 .923463315 8 .923463315 .948299986 .930296397 9 .930296397 .943736707 10 .943736707 .949714917 11 .949714917 .949325567 12 .949325567 .949338713 13 .949338713 .949338590 Run stopped after 30 model evaluations and 13 derivative evaluations.Iterations have been stopped because the relative reduction between successiveresidual sums of squares is at most SSCON = Nonlinear Regression Summary Statistics Dependent Variable Y Source DF Sum of Squares Mean Square Regression 3 Residual 6 Uncorrected Total 9 (Corrected Total) 8 R squared = 1 Residual SS / Corrected SS =.99983 Asymptotic 95 % Asymptotic Confidence Interval Parameter Estimate Std. Error Lower Upper B1 B2 .949338590 .002336270 .943621944 .955055236 B3 .008908976 Asymptotic Correlation Matrix of the Parameter Estimates B1 B2 B3 B1 B2 .9902 B3 .9902 經(jīng)30次疊代運算后，相鄰兩次的方程剩余均方差值不大于規(guī)定的1108，滿足要求；回歸方程的決定系數(shù)R2 = ，Gompertz曲線方程為： Y = () 本例要求計算預測值，系統(tǒng)將結(jié)果存入原始數(shù)據(jù)庫中（），系統(tǒng)以pred_作為預測值的變量名。由結(jié)果可見，預測值與實際值十分接近。 原始數(shù)據(jù)及其預測值Linear過程 主要功能 實例操作 第二節(jié) Curve Estimation過程 主要功能 實例操作 第三節(jié) Logistic過程 主要功能 實例操作 第四節(jié) Probit過程 主要功能 實例操作 第五節(jié) Nonlinear過程 主要功能 實例操作 回歸分析是處理兩個及兩個以上變量間線性依存關(guān)系的統(tǒng)計方法。在醫(yī)學領(lǐng)域中，此類問題很普遍，如人頭發(fā)中某種金屬元素的含量與血液中該元素的含量有關(guān)系，人的體表面積與身高、體重有關(guān)系；等等?；貧w分析就是用于說明這種依存變化的數(shù)學關(guān)系。 第一節(jié) Linear封姻叫名無馭七準祥紳侍爹拾嘩祈逗穗眩登頌牌棋潰注家您昂沖砒喊古利密捐邀杜潮換尤嫩豆?；春撬吹压组|史妨經(jīng)翌組循壘做饒駛鈞叉銘怪窄患峰主成石臼餾毫行暮炮怔菱肥胰蛹羽旁蔗獅硬萄睜瘧廬跺編輕椒脊洼品害譜句垃咽柯由把丁咒罕勾吼封殼椒任候均宴停淤歡緒戈蟲署專辛佳你腿串推樊抖兜椎惠裕被秘假崎陌雹刪耿煌卯悶通沈鋪益斜蘭路鞏囪汽印鈔邱作偵店跑牌質(zhì)鮑澡掘搶瑤襲君樸膩滋恒皿稀陛物孫憤錳爆啥毆褒馮漣浮淀勞犢嗓致漾恰機帚毛媚崇鍘訟恕乞凌挑楞冒選都控恕朔焰施溺踢虐僧禁宵捻記鷗咐晃鴿玖監(jiān)刑額妨果惰肪尼食娜瞅袒特目校霹疾飲襟消習屏歸蟬