在前一节的学习中，我们了解了曲线估计的基本思路和操作步骤。那么，问题来了：既然曲线估计能得到回归方程，那能否以时间为解释变量，利用回归方程对未来进行预测呢？嗯嗯，这个嘛，小学僧可以悄悄告诉你，是可以的哦！

      本文仍以长沙市城市居民1980年-2017年的食品支出作为分析数据，讲一讲SPSS中如何运用曲线估计进行趋势外推预测分析。

01 基础数据

     从长沙市统计局网站“统计年鉴”专栏，可得到长沙市1980年-2017年城市居民调查户食品支出情况，数据如下。滑动边框可下拉查看。

长沙市1980年-2017年城市居民调查户食品支出

02 SPSS曲线估计的趋势外推分析步骤

      首先，绘制时间序列图，用作观察判别。选择菜单【图形（G）】→【旧对话框（L）】→【折线图（L）】，定义【单个个案的值（I）】。具体操作步骤如下：

点击【确定】，得到如下序列图

      观察上图可知，自1980年以来，长沙市居民食品支出非线性增加，大致呈二次曲线形式，可利用曲线估计进行分析。      

     第二步，选择菜单【分析（A）】→【回归（R）】→【曲线估计（C）】。选择“食品支出”至【因变量】，自变量框中选择【时间】，【模型】中勾选“二次（Q）”；同时选择【模型绘图（O）】选项，选择【显示ANOVA表格（Y）】。

      接下来，最关键的一步来了：点击【保存（A）】选项→勾选【预测值（P）】，在【预测个案】中勾选【预测范围（T）】，根据实际需要填写预测值。

      这里我们希望预测未来2年（即2018、2019年）的值，填写的观测值是40。（从1980年-2016年共38个值，38+2=40.）  

      点击【继续（C）】、【确定】，即可得到结果图表。 

03 结果分析

  从输出查看器窗口可看到以下结果：

      由上表可知，曲线模型的拟合优度为0.982，比较理想。在显著性水平为0.05时，回归方程的显著性检验和回归系数的显著性检验均显著，模型选择合理。

    此图即为拟合的二次曲线。最终的回归方程为：食品支出=463.9423 -43.713*t + 6.696*t*t

    式中，t为时间期数。

    为预测2018、2019年的食品消费支出，可取t为39、40，代入求得。当然，从spss数据视图中也能一目了然看到呢！请看下面：

     可以看到，t=39时（即2018年），按此曲线模型预测的食品支出8943.67元；t=40时（即2019年），按此曲线模型预测的食品支出9428.94元。

     如果小伙伴们需要做论文，还可以计算一下误差哦！这里就不做演示了呢。

 小伙伴们，这几期中讲到的回归分析中，总是有一个叫做“拟合优度”的东西，它是回归分析中的关键指标。那么，我们放在下一篇文章来讲讲这个吧！敬请关注，感谢！