一、概念（分析-回归-曲线估计）
曲线估计过程为11 种不同的曲线估计回归模型生成曲线估计回归统计量和相关的图。将对每个因变量生成一个单独的模型。也可以将预测值、残差和预测区间保存为新变量。
二、模型（分析-回归-曲线估计）
您可以选择一个或多个曲线估计回归模型。要确定使用哪种模型，请绘制数据。如果变量显示为线性相关，则使用简单线性回归模型。当变量不是线性相关时，请尝试转换数据。当转换没有帮助时，则可能需要更复杂的模型。查看数据的散点图；如果该图看起来像是您了解的某个数学函数，则将数据与该类型的模型进行拟合。例如，如果数据看起来像指数函数，请使用指数模型。
1、线性. 方程为Y = b0 + (b1 * t) 的模型。按时间的线性函数建模的序列值。
2、对数. 方程为Y = b0 + (b1 * ln(t)) 的模型。
3、逆模型. 方程为Y = b0 + (b1 / t) 的模型。
4、二次. 方程为Y = b0 + (b1 * t) + (b2 * t**2) 的模型。二次模型可用来对“减弱”的序列或阻尼衰减的序列进行建模。
5、三次. 由方程Y = b0 + (b1 * t) + (b2 * t**2) + (b3 * t**3) 定义的模型。
6、幂. 方程式为Y = b0 * (t**b1) 或ln(Y) = ln(b0) + (b1 * ln(t)) 的模型。
7、复合. 方程为Y = b0 * (b1**t) 或ln(Y) = ln(b0) + (ln(b1) * t) 的模型。
8、S. 方程式为Y = e**(b0 + (b1/t)) or ln(Y) = b0 + (b1/t) 的模型。
9、逻辑. 方程为Y = 1 / (1/u + (b0 * (b1**t))) 或ln(1/y-1/u)= ln (b0) + (ln(b1) * t) 的模型，其中u 是上界值。选择“逻辑”之后，请指定用在回归方程中使用的上界值。该值必须是一个大于最大因变量值的正数。
10、增长. 方程式为Y = e**(b0 + (b1 * t)) 或ln(Y) = b0 + (b1 * t) 的模型。
11、指数. 方程为Y = b0 * (e**(b1 * t)) or ln(Y) = ln(b0) + (b1 * t) 的模型。
三、保存（分析-回归-保存）
1、保存变量。对于每个选定的模型，您可以保存预测值、残差（因变量的观察值减去模型预测值）和预测区间（上限和下限）。新变量名称和描述标签显示在输出窗口中的表中。
2、预测个案。在活动数据集中，如果选择时间而不是变量作为自变量，则可以指定超出时间序列结尾的预测期。您可以选择以下选项之一：◎从估计期到最后一个个案的预测。在估计期内的个案的基础上预测文件中所有个案的值。显示在对话框底端的估计期可通过“数据”菜单上的“选择个案”选项的“范围”子对话框来定义。如果未定义任何估计期，则使用所有个案来预测值。◎预测范围。根据估计期中的个案，预测指定日期、时间或观察号范围内的值。此功能可以用于预测超出时间序列中最后一个个案的值。当前定义的日期变量确定可用于指定预测期结尾的文本框。如果没有已定义的日期变量，则您可以指定结尾的观察（个案）号。
转载请注明：数据分析 » SPSS回归分析：曲线估计_spss回归分析预测
