spss中多元非线性回归问题

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

我的问题是关于用spss做多元非线性回归的，回归公式是
y=d1 * EXP(b1 * SQRT(x1)) + d2 * EXP(b2 * SQRT(x2)) + d3 * EXP(b3 * SQRT(x3)) + d4 * EXP(b4 * SQRT(x4))+ d5 * EXP(b5 * SQRT(x5))+ d6 * EXP(b6 * SQRT(x6))+d7 * EXP(b7 * SQRT(x7)) + d8 * EXP(b8 * SQRT(x8)) + d9 * EXP(b9 * SQRT(x9))
由于参数较多，达到18个，做回归的时候结果总是不尽人意。因为按照学科意义（区域密度模型）的话，b值应该在-0.0几即0~-1之间，d值应该为正，才有意义。但是最后总是不能全部得到范围内的值。

我想是不是下面原因：
1 是初始值设置的问题。b值得初始值我设置的是0或者-0.1之类的；d值设置的是区域实际的人口密度。我查了一些书，关于初始值的设置都语焉不详，或者有说是经验值，不知道这方面应该如何处理呢
2，是由于区域发展的不平衡性，使得这些地区值不能被一个函数完全表示，总有一两个相当误差值过大，后来经对照发现是区域值过于集中地区。

我现在想做的
第一就是通过回归，把不显著的地区去掉，留下几个集中地区；
然后得到最后的回归公式，b、d值都满足条件有意义。

这些通过spss应该是可以做的吧，请教

下面是示例数据。。。

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：多元非线性回归 非线性回归 线性回归 SPSS PSS 模型

试下1stOpt：

1. Parameter b(9)=[-1,0], d(9)=[0,];
   
2. Variable y,x(9);
   
3. Function y=d1 * EXP(b1 * SQRT(x1)) + d2 * EXP(b2 * SQRT(x2)) + d3 * EXP(b3 * SQRT(x3)) + d4 * EXP(b4 * SQRT(x4))+ d5 * EXP(b5 * SQRT(x5))+ d6 * EXP(b6 * SQRT(x6))+d7 * EXP(b7 * SQRT(x7)) + d8 * EXP(b8 * SQRT(x8)) + d9 * EXP(b9 * SQRT(x9));
   
4. Data;
   
5. //y x1-11 x2-23 x3-29 x4-46 x5-60 x6-71 x7-98 x8-115 x9-120
   
6. 5.621959901 174.1616165 139.226718 125.4496482 241.0735704 168.7310523 319.1925649 163.3654998 92.71736006 21.8097982
   
7. 0.267233776 126.3157162 296.5069576 305.5885066 398.6416357 424.4989466 250.5532031 260.8039657 333.7242346 278.9856429
   
8. 0.151606116 288.3026669 470.5311692 316.3142513 330.2322631 429.9530354 97.70799437 253.6598247 368.1471901 384.5592161
   
9. 0.262202654 116.1373291 302.4939008 221.4506601 298.4374583 345.0538952 148.4745944 166.7361217 260.6083881 237.7392311
   
10. 0.188677851 199.9948418 383.5617081 255.6058518 299.4807058 376.7443159 89.27524681 193.0705074 303.6524229 304.7681417
    
11. 0.270367526 63.72972954 246.3707141 243.1469515 342.5954024 360.2687351 226.7842835 203.0142497 268.9966224 214.8624461
    
12. 0.136406153 314.6107152 482.971286 287.866225 273.3808456 388.6212913 71.67369669 229.9955856 341.4313171 379.846583
    
13. 0.446988486 19.80896408 170.8889554 209.1419325 323.9632645 313.5442292 265.4198801 188.0133252 221.1753885 147.6050311
    
14. 0.659516838 71.69584364 145.3501488 251.1281398 369.8924293 345.4553588 317.23226 237.2190677 254.7892807 165.8011533
    
15. 0.787288095 45.12785195 221.0625177 175.0540453 278.2875548 292.305982 201.6195557 138.580533 201.5138058 158.457642
    
16. 27.36214452 0 188.1755932 201.2556458 312.8376392 310.3614448 245.881201 175.0431994 217.9088452 152.8120253
    
17. ....

复制代码

均方差(RMSE): 153.217603749934
残差平方和(SSE): 2817076.09186463
相关系数(R): 0.924383324127725
相关系数之平方(R^2): 0.854484529925422
决定系数(DC): 0.848950174542857

参数 最佳估算
---------- -------------
b1 -0.999999997243743
b2 -0.999999999133973
b3 -0.999915691330519
b4 -0.999999999990758
b5 -0.999999999741993
b6 -0.99999999999817
b7 -0.411592660624804
b8 -0.999999719039623
b9 -0.999999942460199
d1 13.8017685394641
d2 72.200802029183
d3 2.61915353070821E-9
d4 205.949846284805
d5 86.8269416376412
d6 24.5282049572831
d7 3098.7953695651
d8 763.662943687011
d9 47.619760612248