我们的教程中曾详细讲述了SPSS线性回归分析,尽管线性回归可以满足绝大多数的数据分析,但是在现实情况中,并不能适用于所有的数据,当因变量和自变量之间的关系我们无法确定是否为线性或者其他非线性类型的模型关系时候,那么我们就需要用到曲线回归,来确定因变量和自变量之间到底最适合什么样的模型。
以下是若干样本的人数和β指标的数据,我们想分析人数和β指标之间到底是一种什么样的关系,或者说最拟合什么类型的模型(图1)
图1曲线回归操作步骤:
①点击“分析”--“回归”--“曲线估算”(图2)
图2②将β指标选入因变量栏中,将人数选入独立变量栏中(图3)
图3③勾选下方模型中的除了“Logistic”以外的所有模型,因为logistics模型需要因变量为分类变量,明显不适合(图4),点击确定
图4④分析结果
图5由上表可以看出:观察拟合程度指标R方,发现三次(立方)模型的R方最高,为98%,因此可以得出人数和β指标拟合程度最高的模型为三次(立方)模型。
图6由上图(图6)也可以看出:圆圈为实际数据,与之最为接近匹配的确为三次模型曲线,和图5运算结果一致。
表明了本次数据的自变量人数和因变量β之间关系函数表达式,最适合的为三次函数表达式。至于三次函数表达式如何书写将在今后的文章中进一步详细讲解。以上就是今天所讲解的SPSS曲线回归分析的应用与操作详解。敬请大家关注!
本期课程就到这里哦,感谢大家耐心观看!每日更新,敬请关注!
【杏花开生物医药统计】微信公众号(xhkdata)
相关文章(灰色区域可滑动)● 方差分析之多因素方差分析(3)Graphpad Prism绘制简单效应折线图
● SPSS方差分析之多因素方差分析(2)(简单效应)
● SPSS方差分析之多因素方差分析(1)(主效应和交互效应)
● SPSS虚拟线性回归分析在问卷数据分析中的应用
● SPSS进行问卷量表信度检验(详细操作过程及结果分析)
● SPSS进行中介效应检验的实战操作与分析结果详解
● AMOS结构方程教程,调节效应分析操作与结果的详细解读
● SPSS混合线性模型在生物医药统计中的应用与操作
● SPSS无序Logistic回归在生物医药统计分析中的应用
● AMOS处理生物医药问卷中的中介效应分析
● AMOS进行问卷分析中效度分析之验证因子分析教程
● SPSS重复测量方差分析在生物医药中的应用
● SPSS调节回归分析在生物医药统计分析中的应用
● SPSS进行组间差异比较及其两两比较
● SPSS独立样本T检验与SPSS单因素方差分析详细教程
● GraphPad Prism绘制ROC曲线的具体操作步骤
● SPSS进行连续型数据的正态分布检验
● SPSS有序Logistic回归在生物医药统计分析中的应用
● GraphPad Prism绘制生存曲线详细教程
● SPSS如何比较样本两组样本的组内和组间差异
● SPSS生存分析在生物医药统计中的应用之COX风险比例回归
● AMOS结构方程进行医学问卷量表分析教程
● SPSS生存分析在生物医药统计中的应用
● GraphPad Prism绘制柱状图
● SPSS中对问卷数据进行探索因子分析
● SPSS问卷数据统计分析之项目分析
● Excel进行线性回归模型分析的操作与结果解读
● Excel在统计分析中的应用之单因素方差分析
● Excel进行基础数据分析之VLOOKUP函数及透视表的应用
● Excel进行数据分析常用方法及函数汇总
● SPSS中常用的参数和非参数检验方法、基本原理和操作步骤
● ROC曲线在SPSS中的具体操作及医学和生物统计中的应用
● 一文读懂R语言如何实现逐步回归分析
● R语言中如何绘制散点图和箱线图?看完即会
● SPSS中的Variable数据变量类型介绍
点赞!