1、曲线拟合过程。
2、【分析】，【回归】，【曲线估计】，选择相应变量和拟合模型，得到结果，拟合效果较好。
3、利用指数模型进行预测。
4、首先按照传统的操作方法，n代表了x，y的个数，所以要对n实行加权个案处理。
5、这个时候再对x统计分析发现：数据显示有171个，接着进行线性回归。
自变量的曲线拟合。
就在分析回归当中有一项专门的曲线回归里面列出了一些常用的简单曲线模型。实际工作中，变量间未必都有线性关系，如服药后血药浓度与时间的关系；疾病疗效与疗程长短的关系；毒物剂量与致死率的关系等常呈曲线关系。曲线拟合（curve fitting）是指选择适当的曲线类型来拟合观测数据，并用拟合的曲线方程分析两变量间的关系。
扩展资料：
用连续曲线近似地刻画或比拟平面上离散点组所表示的坐标之间的函数关系的一种数据处理方法。用解析表达式逼近离散数据的一种方法。
在科学实验或社会活动中，通过实验或观测得到量x与y的一组数据对(xi，yi)（i=1，2，…m），其中各xi是彼此不同的 。
人们希望用一类与数据的背景材料规律相适应的解析表达式，y=f(x，c）来反映量x与y之间的依赖关系，即在一定意义下“最佳”地逼近或拟合已知数据。f(x，c)常称作拟合模型 ，式中c=(c1，c2，…cn)是一些待定参数。当c在f中线性出现时，称为线性模型，否则称为非线性模型。
有许多衡量拟合曲线拟合公式推导度的标准，最常用的一种做法是选择参数c使得拟合模型与实际观测值在各点的残差(或离差)ek=yk－f(xk，c)的加权平方和达到最小，此时所求曲线称作在加权最小二乘意义下对数据的拟合曲线。
有许多求解拟合曲线的成功方法，对于线性模型一般通过建立和求解方程组来确定参数，从而求得拟合曲线。至于非线性模型，则要借助求解非线性方程组或用最优化方法求得所需参数才能得到拟合曲线，有时称之为非线性最小二乘拟合。
曲线拟合：贝塞尔曲线与路径转化时的误差。值越大，误差越大；值越小，越精确。
参考资料来源：百度百科-曲线拟合
参考资料来源：百度百科-spss
本回答被网友采纳如果是复杂的多个自变量的曲线拟合 也是在分析---回归当中有一项 是 非线性回归，此时需要你自己根据数据的规律来构建模型方程本回答被网友采纳
