spss教程：迴歸分析：[2]二元邏輯迴歸

邏輯迴歸分析是對定性變量的分析。二元邏輯迴歸中，因變量是定性變量，且結果只有兩個。

操作步驟

（01）二元邏輯迴歸分析的操作步驟與別的迴歸分析差別不大，重點在於理解檢驗統計量，包含-2 log likelihood，-2LL、Hosmer和Lemeshow的擬合優度檢驗統計量、Wals統計量、Cox和Snell的R方、Nagelkerke的R方等等。

（02）選擇相關變量作為因變量和自變量，“方法”選擇“進入”即所有的變量都進入模型中。在“保存”中只選擇“預測值”中的“概率”、“組成員”即原始數據個案中，每一個個案最後的預測分類情況，PRE_1、PGR_1分別是最後的預測結果中的預測概率和預測組的變量名。

（03）分類圖：“比較因變量的預測值和觀測值之間的關係，反應模型的擬合情況”；Hosmer和Lemeshow的擬合度：“檢驗整個迴歸模型的擬合優度”；個案殘差列表：“輸出標準方差大於某值的個案或全部個案的入選狀態，因變量的觀察值和預測值及相應預測概率、殘差值”；估計值的相關性：“模型中各估計參數間相關矩陣”；迭代歷史：“輸出參數迭代過程中的係數及對數似然值”；exp（B）的CI（X）：“該選項將會在模型檢驗的輸出結果中列出exp（B）（各回歸係數指數函數值）的置信區間”。分類標準值：“作為分類的分割點，默認為0.5，用户可自定義為0.01-0.99”。最大迭代次數：“最大對數似然值的最大迭代次數”。

結果解釋

（01）第一個圖片給出原始數據的大致描述；“迭代歷史記錄”：“此次只需要兩次的迭代，因為兩次的迭代變化小於0.001”；“分類表”：“給出初次的預測分析結果，自行車預測全部正確，公共汽車預測全部預測錯誤，總的正確率為0.536=15/（15+13）”。

（02）“方程中的變量”：“解釋常量的性質，數值為-0.143，概率為0.706，説明常量有顯著性意義”，0.8667=2.718^(-0.143)即對原值的指數運算。“不在方程中的變量”：“觀察知，只有月收入變量的概率大於顯著性水平0.05，其留在方程中不是太好，但是觀察總統計量知概率為0.015，説明若是整體看，月收入還是可以加入原方程中的”。

（03）“迭代歷史記錄”：“從中可以看出方程中變量係數的迭代計算變化情況”。“模型係數的綜合檢驗”：“給出模型係數的Omnibus Tests結果”。“模型彙總”：“給出-2對數似然值、Cox和Snell的R方、Nagelkerke的R方的檢驗統計結果，其中R方的意義與線性迴歸模型中的R方的意義差不多，越大越好”。“Hosmer和Lemeshow的檢驗”：“概率P值大於顯著性水平，不拒絕原假設，在可接受的水平上的模型估計擬合了數據”。“Hosmer和Lemeshow檢驗的隨機性表”：“在總計那欄中的總數為28，結合原始數據觀察得知，數據共有28個，這是一樣的，在公共汽車上班中已觀測的共有13，也是如此，圖中展示了計算過程”。“分類表”：“展示了第一次迭代擬合的結果，總計百分比0.821=（13+10）/（13+2+3+10）”。

（04）“方程中的變量”：“給出方程中變量的係數、統計量等，Wals統計量越大，或者相伴概率越小，則表示該變量更加重要”。“相關矩陣”:“給出方程中變量的相關性，道理同線性迴歸分析一樣，相關性越小越好”。“案例列表”：“列出學生化殘差大於2的個案，被列出的個案表示邏輯迴歸是錯誤的”。