二值Logistic回归模型与普通的回归模型一样，取因变量为Y，自变量为X1、X2...则有：Y=a0+a1X1+a2X2+...anXn；将Y写成Logistic形式为：Logit(P)=ln(p/1-p)=a0+a1X1+a2X2+...anXn

选择SPSS作为分析软件，Analyze->Regression->Binary

Logistic，以此选入因变量Dependent，下面选入所筛选的全部自变量Covaiates,(如果选入的是变量不全是二分类变量，则为非条件回归模型)，注意，如果选入的是一个多分类变量，这里应该对该变量进行哑变量(虚拟变量)变换。做这样的变换的解释很简单，因为对于一个多分类变量，不能将1，2，3对其进行简单的标识，每个分类之间无数字化差距。如果要做哑变量变化，点击Categorical，选入多分类变量，Continue。这里注意选择Method，里面有多种变量进入方程的方式，通常选择Enter(一次性进入)，和stepwise，有后退剔除式，做后退剔除式相对来说严格些，选择Backward:Conditional。

点击OK，系统进行建模，在这里观察几个主要表的分析数据：

1.Categorical Variables Codings

这个表显示了所做的多分类变量的哑变量变换。

2.Block 1: Method = Backward Stepwise

(Conditional)->Omnibus Tests of Model

Coefficients

对模型的系数进行的卡方检验，是否显著相关。

3.Model Summary->-2 Log likelihood

最大似然估计值，范围在(0，正无穷大)，一般观察此值是否随步数变化递增或递减，以判断方程收敛情况。所以，-2LL可用于检验Logistic回归的显著性。-2LL反映了在模型中包括了所有自变量后的误差，用于处理因变量无法解释的变动部分的显著性问题，又称为拟合劣度卡方统计量。当-2LL的实际显著性水平大于给定的显著性水平α时，因变量的变动中无法解释的部分是不显著的，意味着回归方程的拟合程度越好。

3.Model Summary->R Square

在回归模型里面，R方是决定系数，表明该变量的参与能够决定因变量的一个比例。比方说，儿子的身高和父亲的身高之间的回归模型为：Y=a0+a1X，R方=0.942；这个值说明儿子的身高有94.2%可以取决于其父亲的身高。但在二值回归里面，这个R方是伪决定值，一般不能直接判断变量的决定值。

4.Hosmer and Lemeshow Test

这是一个方程拟合度检验，做的是虚无假设，假设拟合无偏差，查看sig值，如果是>0.05，说明应该接受结果，即认同拟合方程与真实的方程基本没有偏差。也就是说这个sig值越大越好。

5.Classification Table->Percentage Correct

观察最后一项值，Overall

Percentage：88.3，这是说明通过该方程预测结果正确率可以达到88.3%，这里可以与Block

0里面的该值做比较，即引入变量比不引入变量后的预测正确率是提升还是减少，提升了多少。

6.Variables in the

Equation

最主要的是要看懂这个表格里面的值。B：偏回归系数；S.E.：标准误差；(注意：这里是标准误差，而不是标准差，标准差指的是标准方差S.D.，有很多人在其后做系数标准化的时候以这个值为标准差代入计算，其实是错误的。)；wald：检验因子；df：自由度；sig：显著性检验；EXP(B)：OR值，也就是比数比。

设某变量的OR值为1.45。OR值的含义是指：如果该变量是连续变量，则该变量每增加1的时候，因变量为1预测正确率提升45%；如果是二分类变量，则是以0为基准，取值为1的时候预测正确率的比值；如果是多分类变量，则以常数重编码为0，0，0的变量为基准，其他几个分类对于它的比值。

这时，二值回归方程就可以写出来了。如果要考察各进入方程的变量之间的影响力大小，则应该对偏回归系数做标准化，标准化的公式为：β=B×S.D./1.8138；SPSS一般手工计算，SAS自带。观察β的绝对值，大者则影响力大，以此排序。

在binary logistic输出结果里的Omnibus

Tests of Model

Coefficients那张表显示的就是似然比检验的内容本文来自: 人大经济论坛

SPSS专版 版，详细出处参考：http://www.pinggu.org/bbs/viewthread.php?tid=968228&page=1

Hosmer and lemeshow test for goodness of

fit里P=0.414，不显著，方程是好的

Wald值代表的是卡方检验，p都显著，进入Logistic回归方程