-
Notifications
You must be signed in to change notification settings - Fork 0
/
Copy pathREGRESION NO LINEAL
67 lines (49 loc) · 1.79 KB
/
REGRESION NO LINEAL
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
*###############################REGRECION NO LINEAL#############################
*1./////////////ABRIR BASE DE DATOS///////////////////////////////////////////
GET
FILE='C:\Users\Adrian\Documents\UMSS\seminario de estadistica\sociologos\regresion.sav'.
DATASET NAME ConjuntoDatos1 WINDOW=FRONT.
*2.
* Estimación curvilínea.
TSET MXNEWVAR=20.
CURVEFIT
/VARIABLES=consumo WITH peso
/CONSTANT
/MODEL=LINEAR LOGARITHMIC INVERSE QUADRATIC CUBIC COMPOUND POWER S GROWTH EXPONENTIAL
/PRINT ANOVA
/PLOT FIT
/SAVE=PRED RESID .
*/////////// solo seleccionamos un tipo de modelo////////////////////////////////////////////////////////////////////
* Estimación curvilínea.
TSET MXNEWVAR=2.
CURVEFIT
/VARIABLES=consumo WITH peso
/CONSTANT
/MODEL=INVERSE
/PRINT ANOVA
/PLOT FIT
/SAVE=PRED RESID .
*2.1explorar //////// seleccionamos el error de prediccion gurdado para ver la prueba de normalidad
EXAMINE VARIABLES=ERR_1
/PLOT BOXPLOT HISTOGRAM NPPLOT
/COMPARE GROUPS
/MESTIMATORS HUBER(1.339) ANDREW(1.34) HAMPEL(1.7,3.4,8.5) TUKEY(4.685)
/PERCENTILES(5,10,25,50,75,90,95) HAVERAGE
/STATISTICS DESCRIPTIVES EXTREME
/CINTERVAL 95
/MISSING LISTWISE
/NOTOTAL.
*################REGRESION LOGISTICA####################################################
*1./////////////ABRIR BASE DE DATOS///////////////////////////////////////////
GET
FILE='C:\Users\Adrian\Documents\UMSS\seminario de estadistica\sociologos\logistica2.sav'.
DATASET NAME ConjuntoDatos3 WINDOW=FRONT.
*Regresio logistica
DATASET ACTIVATE ConjuntoDatos3.
LOGISTIC REGRESSION VARIABLES nodos
/METHOD=ENTER edad acido
/SAVE=PRED PGROUP COOK LEVER DFBETA RESID LRESID SRESID ZRESID DEV
/CLASSPLOT
/CASEWISE OUTLIER(2)
/PRINT=GOODFIT
/CRITERIA=PIN(0.05) POUT(0.10) ITERATE(20) CUT(0.5).