Учись работать с SPSS!быстрая и профессиональная обработка данных
психологических исследований
Типичные задачи
Легко решаемые
с помощью программы SPSS.
SPSS для профи
Специальные возможности
программы SPSS.
Вопросы и ответы
Часто задаваемые
вопросы по использованию
программы.
  добавить в избранное :: ссылки ::
Смотрите здесь серии свежие Дом 2 бесплатно. | Польские шапки оптом. | Смотрите информацию двери страж тут.
     :: Регрессионный анализ

Главная страничка
Учебники по SPSS
Регрессионный анализ <<

Необходимые файлы:
lohn.sav

 

Приближение с помощью кривых

При помощи этого пункта меню можно строить графики реального течения наблюдаемых процессов и приближать их при помощи аппроксимационных кривых. Для этого в ваше распоряжение предоставляется, в общей сложности, одиннадцать различных типов кривых. В большинстве случаев речь здесь будет идти о временных рядах.

В качестве примера рассмотрим изменение зарплаты в Федеративной республике Германии с 1950 года по 1988, описываемое так называемым индексом действительной зарплаты. Его можно получить при помощи соотнесения текущего годового уровня зарплаты к уровню к 1980 году, для которого значение индекса принимается равным 100.

Год

Индекс действительной зарплаты

1950

28,6

1960

46,9

1965

63,0

1970

80,4

1975

87,9

1980

100,0

1981

98,2

1982

96,5

1983

96,0

1984

96,9

1985

98,0

1986

101,2

1987

104,5

1988

107,6

Эти данные находятся в файле lohasav. В файле также находится и ещё одна, третья, переменная, которая отражает разность между текущим значением года и 1949 годом. Эта переменная принимает значения от 1 до 39 и указывает на количество лет, прошедших с 1949 года.

  • Откройте файл lohn.sav.

  • Выберите в меню Analyze (Анализ) Regression (Регрессия) Curve Estimation...(Подгонка кривых)

Рис.: Диалоговое окно Curve Estimation (Подгонка кривых)

Откроется диалоговое окно Curve Estimation (Подгонка кривых), в котором можно выбрать одну из одиннадцати различных моделей.

Предлагаемым моделям соответствуют следующие формулы:

Молель Формула

Линейная

у= b 0 + b 1 хX

Логарифмическая

у= b 0 + b 1 х ln(х)

Обратная

Квадратичная

у= b 0 + b 1 хX + b 2 хX 2

Кубическая

у= b 0 + b 1 хХ + b 2 хX 2 + b 3 хX 3

Степенная

y= b 0 хX b 1

Показательная (комбинированная)

y= b 0 * b 1

S

у= е ^(b 0 +b 1 xX)

Логистическая

Рост

у= е^(b 0 + b 1 xX)

Экспоненциальная

y=b 0 х е^( b 1 xt)

Для логистической модели необходимо предварительно задать параметр и, который задается непосредственно в диалоговом окне Curve Estimation (Подгонка кривых) в качестве верхнего предела. Задачей программы является определение коэффициентов b 0 , b 1 , b 2 и b 3 .

В поле для меток наблюдений (Case labels) можете указать некоторую переменную для описания данного наблюдения, которая затем будет появляться в режиме выбора точек (см. гл. 22.8.1) на построенном графике (см. рис.).

  • Перенесите переменную lohn в поле для зависимых переменных, а переменную anz в поле для независимых переменных.

  • Произведём оценку при помощи квадратичной функции; деактивируйте линейную модель и отметьте вместо неё квадратичную модель.

Активирование опции Time (Время) имеет смысл только тогда, когда анализируемые переменные представлены в виде временных рядов с одинаковыми интервалами.

  • Затем щёлкните на кнопке Save (Сохранение) и в появившемся диалоговом окне выберите опцию, с помощью которой прогнозируемые значения переменной будут сохранены в исходном файле данных.

  • Вернувшись в первое диалоговое окно, начните расчёт нажатием ОК.

Вывод результатов производится в старой табличной форме. Самыми важными показателями являются:

Independent: ANZ Dependent Mth Rsq d.f. F Sigf b0 b1 b2 LOHN QUA ,979 11 251,10 ,000 22,5918 3,0615 -,0242

Эта таблица содержит значения коэффициентов а, b 1 , и b 2 . К данным исходного файла была добавлена переменная fit_1, которая содержит прогнозируемые значения, найденные на основе рассчитанных коэффициентов. Далее в окне просмотра появляется график, на котором отображаются кривые, соответствующие изменению наблюдаемых и спрогнозированных значений.

Приближение с помощью выбранной кривой, как кажется, удалось довольно не плохо. В противном случае можно было бы применить и другие модели, для использования которых, конечно же, не помешал бы некоторый опыт в области подобных криволинейных приближений.

Рис: Наблюдаемая и оценочная кривая

назад :: оглавление :: дальше


 
© 2005 learnSPSS.ru. Все права защищены.