曲线估计：模型

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，那么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，那么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，那么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。

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。

对数。 公式为 Y = b0 + (b1 * ln (t)) 的模型。

逆。 方程式为 Y = b0 + (b1/t) 的模型。

二次。 方程式为 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。

三次。 由方程 Y = b0 + (b1 * t) + (b2 * t**2) + (b3 * t**3) 定义的模型。

功率。 方程式为 Y = b0 * (t**b1) 或 ln(Y) = ln(b0) + (b1 * ln(t)) 的模型。

复合。 方程为 Y = b0 * (b1**t) 或 ln(Y) = ln(b0) + (ln(b1) * t) 的模型。

S 曲线。 公式为 Y = e**(b0 + (b1/t)) 或 ln(Y) = b0 + (b1/t) 的模型。

Logistic。 公式为 Y = 1 / (1/u + (b0 * (b1**t))) or ln(1/y-1/u) = ln (b0) + (ln(b1) * t) 的模型，其中 u 是上限值。 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。

增长。 方程式为 Y = e**(b0 + (b1 * t)) 或 ln(Y) = b0 + (b1 * t) 的模型。

指数。 方程为 Y = b0 * (e**(b1 * t)) or ln(Y) = ln(b0) + (b1 * t) 的模型。