2024年1月20日发(作者：)

二元logistic回归分析1.理论Logistic回归模型：设因变量为Y，自变量为x1，x2，...，xn。事件发生与不发生的概率比Pi/（1-pi）被称为事件发生比。后对事件发生比做对数变换，能得到logistic回归的线性模式：ln（pi/（1-pi））=β0+β1x1+...βnxn采用最大似然比法或者迭代法对参数的估计，参数通过似然比检验和Wold检验。二元logistic回归是指因变量为二分类变量时的回归分析。在建立回归模型时，目标的取值范围在0-1之间。常因变量为二分类数据自变量可以是连续型随机变量和分类数据图1数据类型2.重新编码操作步骤首先将数据导入spss中，数据情况如下图所示，首先先对变量进行重新编

码处理。图2数据情况第一步、点击转换、重新编码为相同的变量。图3数据编码第一步

第二步：进入图中变量框后，将需要处理的变量放入变量放入框中，后点击旧值和新值，在旧值中输入原有值，后在新值中输入新值，点击添加、继续。图4数据编码第二步3.二元logistic回归分析操作步骤第一步：点击分析、回归、二元logistic。图5二元logistic回归分析第一步

第二步：进入图中对话框后将因变量、自变量放入对应变量框中，点击分类、进入定义分类变量框后。将协变量框中的分类变量放入分类协变量框中（一般情况除二分类或有序分类数据不需哑变量设置），并进行哑变量的设置，点击继续。图6第二步第三步：点击选项，勾选霍斯默-莱梅肖拟合优度、Exp(B)的置信区间、迭代历史记录。点击继续、确定。

图7选项勾选4.二元logistic回归分析结果二元logistic回归分析的个案摘要、因变量编码、分类变量编码结果。图8分类变量编码

迭代历史记录、分类表、方程中的变量、未包括在方程中的变量结果。图9块0：起始块迭代历史记录、模型中的Omnibus检验、模型摘要、霍斯默-莱梅肖检验。图10块1：方法=输入

分类表、方差中的变量结果。图11方程中的变量5.结果整理将块1：方法=输入中的方程中的变量表结果粘贴复制到表格中进行整理：可以保留EXP（B）的置信区间，也可以删除，一般来说删除该部分的内容，后将模型系数的Omnibus检验中的卡方值及模型摘要的-2对数似然值，及伪R方放在表格的下方。也可将变量中不显著的删除保留显著的。将整理好的结果粘贴复制到Word文档中进行三线表的制作和文字描述。

图12结果整理

无序logistic回归分析1.基础知识在现实生活中，很多情况遇到的因变量为多分类（多元）变量情况。常分为无序多分类变量或有序多分类变量，这样的情况不能直接用二元logistic回归分析进行分析，需要引入多元logistic回归分析。多元logistic回归分析由多个二元logistic回归分析模型来描述各个类别与参照类别相比较时的作用大小。对于因变量每个取值的概率范围均在0-1之间，且自变量连续型随机变量或分类变量，均可以用logistic回归方法对因变量的概率取值建立回归模型。因此可得回归方程：ln（pi/（1-pi））=β0+β1x1+...βnxn采用最大似然比法或者迭代法对参数的估计，参数通过似然比检验和Wold检验。常因变量为三分类及以上分类数据自变量可以是连续型随机变量和分类数据2.多元logistic回归分析结果第一步：先将数据导入spss中点击分析、回归、多元logistic回归分析。图1多元logistic回归第一步

第二步：进入图中对话框后先自变量和因变量放入对应的变量框中，点击参考类别，进入参考类别设置框。点击继续、确定。图2参考类别设置第三步：若需要看拟合优度、分类表结果可以点击统计，勾选单元格概率、分类表、拟合优度。点击继续。

图3统计勾选第四步：若需要看效应概率、预测概率、实际概率，可以点击保存、勾选红色标记框中的选项。

图4保存设置3.多元logistic回归分析结果多元logistic回归分析的个案处理摘要、模型拟合信息、伪R方、似然比检验结果。图5拟合信息

参数估算结果。图6参数估算结果4.结果整理将参数估算结果粘贴复制到表格中进行整理，在整理好的参数估算值结果后加入拟合信息结果。图7结果整理