曲线估算

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。

示例。 一个 Internet 服务提供商跟踪其网络上随时间变化的受病毒感染的电子邮件流量百分比。散点图显示关系是非线性的。您可以用二次或立方模型来拟合数据，并检查假设的有效性和模型的拟合优度。

统计。 对于每个模型：回归系数、复 R、R ²、调整 R ²、估计值的标准误差、方差分析表、预测值、残差和预测区间。模型：线性、对数、逆、二次、三次、幂、复合、S 曲线、Logistic、增长和指数。

曲线估计数据注意事项

数据。 因变量和自变量必须是定量的。如果从活动数据集中选择时间作为自变量（而不是选择变量），那么曲线估计过程生成个案之间时间长度均匀的时间变量。如果选择了时间，那么该因变量应为时间序列度量。时间序列分析需要这样一种数据文件结构：其中每个个案（行）代表不同时间的一组观测值，而个案之间的时间长度是均匀的。

假设。 以图形方式过滤数据，以确定自变量和因变量的相关方式（线性相关、指数相关等）。好模型的残差应呈随机正态分布。如果使用了线性模型，那么应满足下列假设：对于自变量的每个值，因变量必须呈正态分布。对于自变量的所有值，因变量分布的方差必须是恒定的。因变量和自变量之间的关系应该为线性关系，而所有观测值应该是独立的。

获取曲线估计

从菜单中选择：
分析 > 回归 > 曲线估计 ...
选择一个或多个因变量。将对每个因变量生成一个单独的模型。
选择一个自变量（选择活动数据集中的变量或选择时间）。
选择性地执行下列操作：

选择一个变量以用于在散点图中标注个案。对于散点图中的每个点，您可以使用“点选择”工具来显示个案标签变量的值。
单击保存将预测值、残差和预测区间保存为新变量。

还可以使用以下选项：

在方程中包含常量。 估计回归方程式中的常数项。缺省情况下包含常数。
绘制模型。 对照自变量绘制因变量的值和每个选定的模型。为每个因变量产生一个单独的图表。
显示 ANOVA 表。 为每个选定的模型显示摘要方差分析表。

此过程将粘贴 CURVEFIT 命令语法。