本文详细介绍了SPSS中的非线性回归过程，强调了其相对于曲线拟合过程的优势，如迭代稳定性及丰富的误差测量手段。通过毒物通风数据案例，展示了如何设定模型表达式和参数，并探讨了自定义损失函数应对离群点的方法。此外，还分享了参数初始值设定的技巧，包括利用线性拟合结果、方程解和简单模型预估。
SPSS（七）非线性回归过程
直线关系毕竟是较少数的情形，当因变量和自变量呈曲线关系，我们可以使用回归分析衍生方法----曲线拟合过程
但是使用曲线拟合过程还是存在局限性的
- 只能分析一个自变量
- 变量变换的局限
有的公式根本无法进行变换，如复杂的等式，或者无简单解的积分方程
当变换后，变量的数值分布状况已经改变，此时根据最小二乘法得到的最优解可能在原变量分布状况下并非最优
非线性回归过程
非线性回归过程的优势
- 它采用迭代方法对用户设置的各种复杂曲线模型进行拟合：迭代方法往往意味着结果较为稳定
- 将残差的定义从最小二乘法向外大大扩展，这意味着误差测量手段的大大丰富&#
最低0.47元/天 解锁文章
扫一扫
4万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
