曲線回歸分析結(jié)果解讀一、方法概述曲線回歸Curvilinear Regression是研究非線性關(guān)系變量之間回歸分析的重要方法。當(dāng)自變量與因變量之間的關(guān)系并非簡單的線性關(guān)系而是呈現(xiàn)出某種曲線趨勢時曲線回歸能夠通過多項(xiàng)式、對數(shù)、指數(shù)等函數(shù)形式對數(shù)據(jù)進(jìn)行擬合從而建立更為精確的回歸模型。曲線回歸在關(guān)系形式上是非線性關(guān)系但可通過各類轉(zhuǎn)換變成線性關(guān)系最終建立回歸模型。本研究借助SPSSAU軟件進(jìn)行曲線回歸分析以探究自變量x1對因變量y的非線性影響關(guān)系。在SPSSAU【進(jìn)階方法】模塊選擇【曲線回歸】將變量拖拽至右側(cè)對應(yīng)分析框操作如下圖二、模型匯總分析從表1可知模型的R2值為0.933調(diào)整R2值為0.932說明自變量x1及其二次項(xiàng)能夠解釋因變量y高達(dá)93.3%的變異模型擬合效果極為理想。標(biāo)準(zhǔn)誤為3.572反映了模型預(yù)測值與實(shí)際值之間的平均偏差處于較低水平。AIC值為649.086BIC值為657.448這兩個信息準(zhǔn)則指標(biāo)可用于后續(xù)與其他曲線模型的對比分析值越低說明模型在擬合優(yōu)度與復(fù)雜度之間的平衡越好。本次分析的有效樣本量為120個數(shù)據(jù)完整無缺失。三、ANOVA方差分析* p0.05 ** p0.01表2為模型的方差分析結(jié)果?；貧w平方和為20831.273殘差平方和為1493.182總平方和為22324.455?；貧w自由度為2對應(yīng)x1的一次項(xiàng)和二次項(xiàng)殘差自由度為117。F統(tǒng)計量值為816.129對應(yīng)的p值為0.000遠(yuǎn)小于0.01的顯著性水平表明模型整體高度顯著即曲線回歸模型成立自變量對因變量的非線性影響關(guān)系具有統(tǒng)計學(xué)意義。從F值的大小來看816.129遠(yuǎn)超過一般臨界值說明模型的解釋力極強(qiáng)。四、回歸系數(shù)分析* p0.05 ** p0.01 因變量y表3展示了曲線回歸模型的系數(shù)估計結(jié)果。常數(shù)項(xiàng)為27.347t28.119p0.001高度顯著。自變量x1的一次項(xiàng)系數(shù)為4.725t25.330p0.001標(biāo)準(zhǔn)化系數(shù)Beta為2.419呈現(xiàn)出極其顯著的正向效應(yīng)。x1的二次項(xiàng)系數(shù)為-0.125t-16.642p0.001標(biāo)準(zhǔn)化系數(shù)Beta為-1.589呈現(xiàn)出極其顯著的負(fù)向效應(yīng)。綜合一次項(xiàng)和二次項(xiàng)的系數(shù)符號可以判斷x1與y之間呈現(xiàn)倒U型關(guān)系即隨著x1的增大y先上升后下降。根據(jù)SPSSAU軟件輸出的模型公式y(tǒng) 27.347 4.725 × x1 - 0.125 × x12可以計算出當(dāng)x1取值為4.725/(2×0.125)18.9時y達(dá)到最大值。這一非線性關(guān)系的發(fā)現(xiàn)對于理解和預(yù)測因變量的變化趨勢具有重要的實(shí)際意義。圖1 曲線回歸散點(diǎn)擬合圖從圖1的曲線回歸散點(diǎn)擬合圖可以直觀觀察到數(shù)據(jù)點(diǎn)圍繞擬合曲線呈現(xiàn)出明顯的二次拋物線形態(tài)與模型分析結(jié)果一致。散點(diǎn)的分布趨勢清晰地展示了x1與y之間的倒U型非線性關(guān)系進(jìn)一步驗(yàn)證了曲線回歸模型的適用性。五、樣本缺失情況從表4可知本次分析共有120個有效樣本進(jìn)入模型無缺失數(shù)據(jù)被排除數(shù)據(jù)完整性良好確保了分析結(jié)果的可靠性。六、結(jié)論本研究采用曲線回歸方法分析了x1對y的非線性影響關(guān)系。模型擬合效果優(yōu)異R20.933F檢驗(yàn)高度顯著F816.129p0.001。模型公式為y 27.347 4.725x1 - 0.125x12x1的一次項(xiàng)和二次項(xiàng)均達(dá)到極其顯著的水平p0.001二者共同揭示了x1與y之間的倒U型曲線關(guān)系。建議在實(shí)際應(yīng)用中可依據(jù)該模型公式對y值進(jìn)行預(yù)測并將x1控制在最優(yōu)取值附近以實(shí)現(xiàn)y的最大化。