曲线回归结果解读
曲线回归（curvilinear regression）是用于研究自变量X与因变量Y之间非线性关系的统计分析方法。当散点图显示变量间存在明显的曲线趋势而非线性关系时，可通过多项式变换将非线性模型转化为线性形式进行参数估计。本研究采用SPSSAU软件对施肥量与作物产量之间的二次曲线关系进行分析，样本量为120例，旨在揭示施肥量对作物产量的影响规律及最优施肥区间。
在SPSSAU【进阶方法】模块选择【曲线回归】，将变量拖拽至右侧对应分析框，操作如下图：
一、模型拟合优度分析
由表1可知，本次曲线回归模型的决定系数R²=0.932，调整R²=0.930，表明施肥量及其平方项可以解释作物产量变异的93.2%，模型拟合效果优良。标准误为3.690，处于较低水平，说明模型预测精度较高。AIC值为656.866，BIC值为665.228，可用于后续与其他曲线模型的对比选择。有效样本120例，无缺失数据。
二、模型方差分析
由表2可知，对回归模型进行方差分析（F检验），结果显示：回归平方和为21720.664，残差平方和为1593.196，总平方和为23313.860。F统计量为797.553，对应的p值为0.000（p<0.01），达到极显著水平，表明本次构建的二次曲线回归模型整体成立，自变量（施肥量及施肥量平方项）对因变量（作物产量）具有极显著的解释作用。
三、回归系数分析
由表3可知，二次曲线回归模型的各回归系数均达到极显著水平（p<0.01）。具体而言：常数项为27.214（t=27.482，p=0.000）；施肥量的一次项回归系数为4.934（t=25.820，p=0.000），标准化系数Beta=2.469，表明施肥量对作物产量具有显著的正向影响；施肥量的二次项（施肥量²）回归系数为-0.134（t=-17.281，p=0.000），标准化系数Beta=-1.652，表明随着施肥量的增加，作物产量的增长速率逐渐减缓，呈现先增后降的倒U型趋势。
综合以上分析，可建立二次曲线回归方程：作物产量=27.214+4.934×施肥量-0.134×施肥量²。该方程表明，当施肥量适度增加时，作物产量随之上升；但当施肥量超过一定阈值后，继续增加施肥量反而导致产量下降，符合农业科学中的"报酬递减"规律。通过对该方程求导可得最优施肥量约为18.4个单位，此时作物产量达到最大值。
四、曲线回归散点拟合图
图1 施肥量与作物产量曲线回归拟合图
由图1可知，散点图直观展示了施肥量与作物产量之间的非线性关系。数据点沿二次曲线分布，拟合效果良好。随着施肥量的增加，作物产量呈现先快速上升后逐渐下降的趋势，曲线形态与二次回归方程所描述的关系一致。R²=0.932进一步印证了模型对数据的拟合程度较高。
五、样本缺失情况
由表4可知，本次分析共纳入120例有效样本，无缺失数据，所有样本均进入模型分析，数据完整性良好。
六、结论
本研究采用SPSSAU软件对施肥量与作物产量进行二次曲线回归分析，结果表明：（1）模型整体拟合效果优良（R²=0.932，F=797.553，p<0.01），施肥量及其平方项可以解释作物产量变异的93.2%；（2）施肥量一次项系数为4.934（p<0.01），二次项系数为-0.134（p<0.01），表明施肥量与作物产量之间存在显著的倒U型非线性关系；（3）回归方程为作物产量=27.214+4.934×施肥量-0.134×施肥量²，适度施肥可显著提高作物产量，但过量施肥反而导致减产，该结论对农业生产中合理施肥具有重要的指导意义。
