品牌型号:微软
系统: Windows 10 64位专业版
软件版本: IBM SPSS Statistics
多元非线性回归主要用于进行多变量的分析比较和预测，当现实中的自变量和因变量，即输出和输入数据不成线性关系时，我们要通过对数型变化将非线性问题转换为线性问题，但这仅靠人力明显难以做到，这个时候我们就可以借助数据分析工具——SPSS来进行多元非线性回归分析，下面来为大家具体介绍有关SPSS多元非线性回归分析步骤，SPSS多元非线性回归分析结果的相关内容。
一、SPSS多元非线性回归分析步骤
首先我们进行多元非线性回归分析时需要先介绍一个模型——logistic分析的回归模型。
logistic可以处理分类问题，logistic分析就是针对因变量是分类变量的而进行回归分析的一种统计方法，因变量的分类主要有两种类别——二元和多元，二元就是指因变量只有两种情况，比如客户是否续约，或者是否满意等情况，而多元就是指因变量有多种情况，比如客户最后决定购买哪种商品。
下面主要以二元logistic回归分析为例，具体操作步骤如下：
步骤一：依次点击【分析】，【回归】，【二元logistic…】（以下是有关客户是否满意即影响因素的量表，其中1是满意，0是不满意）。
图一：打开二元logistic回归方法展示步骤二：将“客户是否满意”放入【因变量】，需要调查的影响因素放入【块（自变量）】，剩下的作为默认值处理，然后点击【确定】，就可以完成多元非线性回归分析了。
图二：logistic回归面板展示二、SPSS多元非线性回归分析结果
完成分析后，我们需要对SPSS输出的结果进行解读，下面来为大家介绍一下最后的结果所代表的意义。
结果会输出九张图表，但我们主要只需要看其中的四张表格。
图三：模型系数表格展示（一）这张表我们需要看的是显著性，显著性图四：模型摘要展示
（二）其中的R方主要用于比较多个模型比较，和其他回归模型一样，越接近1越好，虽然图表中的R方值不高，但这个数据最主要还是和其他模型相比较，尤其是在控制变量时，我们这次只有一个模型，不看它也可以。而【-2对数似然】近似于误差平方和，越小越好。
图五：分类表展示（三）这张表代表预测准确度，其中对用户不满意的正确率为0%，满意的正确率为100%，其实这个数据在实际中出现的概率不大，准确率在50%以上就算是比较高的准确率了。
图六：方程中的变量展示（四）这张表的重点在最左边的那列数据【B】，这是方程系数，如果有多个自变量，可以比较系数来比较哪个自变量的影响大。
以上便是有关SPSS多元非线性回归分析步骤，SPSS多元非线性回归分析结果的相关内容，希望可以帮助到大家，