Estimación curvilínea
El procedimiento Estimación Curvilínea genera estadísticos de estimación curvilínea por regresión y gráficos relacionados para 11 modelos diferentes de estimación curvilínea por regresión. Se produce un modelo diferente para cada variable dependiente. También se pueden guardar valores predichos, residuos e intervalos de predicción como nuevas variables.
Ejemplo. Un proveedor de servicios de Internet realiza un seguimiento del porcentaje de tráfico de correo electrónico infectado de virus en la red a lo largo del tiempo. Un diagrama de dispersión revela que la relación es no lineal. Se puede ajustar un modelo lineal a los datos y comprobar la validez de los supuestos y la bondad de ajuste del modelo.
Estadísticas. Para cada modelo: coeficientes de regresión, R múltiple, R cuadrado, R cuadrado corregida, error estándar de la estimación, tabla de análisis de varianza, valores pronosticados, residuos e intervalos de predicción. Modelos: lineal, logarítmico, inverso, cuadrático, cúbico, de potencia, compuesto, curva-S, logístico, de crecimiento y exponencial.
Estimación curvilínea: Consideraciones sobre los datos
Datos. Las variables dependiente e independientes deben ser cuantitativas. Si selecciona Tiempo del conjunto de datos activo como variable independiente (en lugar de una variable), el procedimiento Estimación curvilínea generará una variable de tiempo en la que la distancia temporal entre los casos es uniforme. Si se selecciona Tiempo, la variable dependiente debe ser una medida de serie temporal. El análisis de series temporales requiere una estructura particular para los archivos de datos, de manera que cada caso (cada fila) represente un conjunto de observaciones en un momento determinado del tiempo y que la distancia temporal entre los casos sea uniforme.
Supuestos. Represente los datos gráficamente para determinar cómo se relacionan las variables dependientes e independiente (linealmente, exponencialmente, etc.). Los residuos de un buen modelo deben distribuirse de forma aleatoria y normal. Si se utiliza un modelo lineal, se deben cumplir los siguientes supuestos: para cada valor de la variable independiente, la distribución de la variable dependiente debe ser normal. La varianza de distribución de la variable dependiente debe ser constante para todos los valores de la variable independiente. La relación entre la variable dependiente y la variable independiente debe ser lineal y todas las observaciones deben ser independientes.
Para obtener una estimación curvilínea
- En los menús seleccione:Nota: Los campos resaltados en rojo son obligatorios. Los botones Pegar y Aceptar se activan después de introducir valores válidos en todos los campos obligatorios.
- Seleccione una o más variables dependientes. Se produce un modelo diferente para cada variable dependiente.
- Seleccione una variable independiente (seleccione una variable del conjunto de datos activo o Tiempo).
- Si lo desea:
- Seleccionar una variable para etiquetar los casos en los diagramas de dispersión. Para cada punto en el diagrama de dispersión, se puede utilizar la herramienta de Identificación de puntos para mostrar el valor de la variable utilizada en Etiquetas de caso.
- Pulsar en Guardar para guardar los valores pronosticados, los residuos y los intervalos de predicción como nuevas variables.
También se encuentran disponibles las siguientes opciones:
- Incluir la constante en la ecuación. Estima un término constante en la ecuación de regresión. La constante se incluye de forma predeterminada.
- Representar los modelos. Representa los valores de la variable dependiente y cada modelo seleccionado frente a la variable independiente. Se genera un gráfico distinto para cada variable dependiente.
- Ver tabla de ANOVA. Muestra una tabla de análisis de varianza de resumen para cada modelo seleccionado.
Este procedimiento pega la sintaxis del mandato CURVEFIT .