spss教程：回归分析：[2]二元逻辑回归

1、二元逻辑回归分析的操作步骤与别的回归分析差别不大，重点在于理解检验统计量，包含-2 log likelihood，-2LL、Hosmer和Lemeshow的拟合优度检验统计量、Wals统计量、Cox和Snell的R方、Nagelkerke的R方等等。

2、选择相关变量作为因变量和自变量，“方法”选择“进入”即所有的变量都进入模型中。在“保存”中只选择“预测值”中的“概率”、“组成员”即原始数据个案中，每一个个案最后的预测分类情况，PRE_1、PGR_1分别是最后的预测结果中的预测概率和预测组的变量名。

3、分类图：“比较因变量的预测值和观测值之间的关系，反应模型的拟合情况”；Hosmer和Lemeshow的拟合度：“检验整个回踞讨宀虔归模型的拟合优度”；个案残差列表：“输出标准方差大于某值的个案或全部个案的入选状态，因变量的观察值和预测值及相应预测概率、残差值”；估计值的相关性：“模型中各估计参数间相关矩阵”；迭代历史：“输出参数迭代过程中的系数及对数似然值”； exp（B）的CI（X）：“该选项将会在模型检验的输出结果中列出exp（B）（各回归系数指数函数值）的置信区间”。分类标准值：“作为分类的分割点，默认为0.5，用户可自定义为0.01-0.99”。最大迭代次数：“最大对数似然值的最大迭代次数”。