logistics回归分析 logistic回归分析的应用

一、单因素logistic回归的意义

单因素logistic回归对许多不同的领域具有重要的意义，比如医学、社会科学、经济学等，帮助人们更好地探究解释变量与响应变量之间的关系，为后续研究提供切入点，还可以对患病率进行可靠地预测和管理。

二、Logit、Logist和Logistic回归有什么不同

一、意思不同

logistic回归是概率模型，非线性表达式，其线性表达式即logit回归。logistic回归计算的是P，而logit回归计算的是logit(p)。logistic属于概率型非线性回归，是研究二分类(可扩展到多分类)观察结果与一些影响因素之间关系的一种多变量分析方法。

二、参照不同

Logit是把其中的一种选择作为另一种选择的参照，而Logistic是把一件事不发生作为这件事发生的参照。模型上完全一致。只不过由于Logit选取了一种选择项作为参照，因此在模型中的一个参数对应两个变量，分别对应两种选择项。而Logistic由于参照对象是事件的不发生，即事件自身，因此一个参数只对应一个变量。但是本质完全一样。

三、模式不同

Logit模型的左侧是Odds的对数，而Logistic模型的左侧是概率。

Logit模型的右侧是一个线性结构，而Logistic模型的右侧是非线性的。

三、logistic回归分析结果怎么看

可以使用在线spss平台SPSSAU进行分析，格式更加易理解，分析结果如下：

第一：对模型整体情况进行说明，比如对R方值进行描述，以及列出模型公式。

第二：逐一分析X对于Y（相对于的对比项）影响情况；如果X对应的P值小于0.05则说明X会对Y（相对于的对比项）产生影响关系，此时可结合OR值进一步分析影响幅度。

第三：总结分析结果。以及可结合输出的智能文字分析，进行解读。