logistic回归分析spss（logistic回归分析）

你们好，最近小时发现有诸多的小伙伴们对于logistic回归分析spss，logistic回归分析这个问题都颇为感兴趣的，今天小活为大家梳理了下，一起往下看看吧。

1、 打开数据后，依次点击菜单栏上的分析-回归-二元逻辑，弹出二元回归对话框。

2、 把因变量和自变量放入网格列表，如图，上面的是因变量，下面的是自变量。我们看到这里有三个独立变量。

3、 设置回归方法，这里选择最简单的方法：enter，意思是一次性将所有变量纳入方程。其他方法都是循序渐进的方法，上一篇文章已经介绍过了，这里不再赘述。

4、 单击“确定”开始处理数据并测试回归方程。过一会儿，会弹出数据结果窗口。

5、 您看到的第一个结果是对案例的描述。第一个列表告诉您计算中涉及多少数据，以及有多少数据是默认值。第二个列表告诉你因变量是如何编码的，1分代表生病，0分代表没生病。

6、 这个列表告诉你，在任何自变量进入之前，所有病例都被预测为正确的患病几率，正确的几率是R.6。

7、 下面的列表告诉你在任何自变量进入之前常数项的预测。b是不引入自变量时常数项的估计值，SE是其标准差，Wald是检验整体回归系数是否为0的卡方。

8、 下表结果，通过sig值，可以知道如果将模型外的所有变量都纳入模型，整个模型的拟合优度变化是否具有统计显著性。小于0.05的Sig值表示统计显著性。

9、 此表是模型的全局测试，提供了似然比测试的三个结果：相同的sig值0.05表示统计显著性。

10、 以下结果显示了-2log似然值和两个伪决定系数。两个伪决定系数反映的是自变量解释因变量的变化量占因变量总变化量的比例。他们有不同的价值观，因为他们使用不同的方法。

11、 分类表，表明用回归方程对病例进行分类，其精度为q.8。

12、 最后输出回归方程中各变量的系数和系数的检验值，sig值表示该系数是否具有统计显著性。至此，回归方程求解完毕。

以上就是logistic回归分析这篇文章的一些介绍，希望对大家有所帮助。