ｓｐｓｓ－logistic回归

logistic回归的因变量可以是二分类的，也可以是多分类的，但是二分类的更为常用，也更加容易解释，多类可以使用softmax方法进行处理。

Logistic回归分析也用于研究影响关系，即X对于Y的影响情况。Y为定类数据，X可以是定量数据或定类数据。

Logistic回归和线性回归最大的区别在于，Y的数据类型。线性回归分析的因变量Y属于定量数据，而Logistic回归分析的因变量Y属于分类数据。


spss logistic回归教程
spss里logistic回归的协变量就相当于自变量。
对于分类型的协变量需要进行哑变量的设置。在“分类”里把分类型的变量都选上，


参考类别点第一个，然后点变化量。

选项里勾选相关项

显著性大于0.05说明效果良好

Exp(B)就是常说的OR值，也就是二元ｌｏｇｉｓｔｉｃ回归的效验量。
性别（１）表示性别的参考类别是男性，表示女性出现焦虑症的可能性是男性的５.０３４倍，且０.０２５＜０．０５，说明是显著的。
家族史（１）表示有家族史的人患焦虑症的可能性是无家族史的人的１３.５９９倍。
糖尿病不显著影响患焦虑症。
BMI大一个单位是其小一个单位患焦虑症可能性的１.３２６倍。（BMI每提升一个单位，患病风险增加３２.６％）

标签：因变量,logistic,回归,分类,焦虑症,Logistic
来源： https://blog.csdn.net/bigdataZLB/article/details/114889897