SPSS逻辑回归是什么 SPSS逻辑回归二分类变量设置方法

品牌型号：联想Think Book

系统：Windows10 64位旗舰版

软件版本：IBM SPSS Statistics 29.0

当进行SPSS数据分析的时候，如果遇到的是二分类的变量数据，研究者通常会使用逻辑回归的分析方法，这可以适用于分类变量与多个自变量之间的关系分析。本文以SPSS逻辑回归是什么，SPSS逻辑回归二分类变量设置方法这两个问题为例，给大家介绍一下SPSS逻辑回归的相关知识。

一、SPSS逻辑回归是什么

简单来讲，逻辑回归是针对二分类变量与多个自变量之间的关系分析方法。不同于连续数值型变量，分类变量通常取值为0和1来代表数据的类型，所以就无法运用一般的线性思路去分析，所以我们通常使用SPSS逻辑回归的方法来分析变量之间的非线性关系。

1、下图为某医院探究成年男性高血压、高血糖情况与脑血栓关系的研究数据，0表示对照，代表不存在高血压情况、不存在高血糖情况，1表示病例，代表高血压、高血糖。既然我们想要了解高血压、高血糖是否与患有脑血栓存在相关关系，依据案例数据是分类变量的情况，就需要使用SPSS逻辑回归的方法。

2、为了分析血压和血糖情况是否对患有脑血栓产生影响，我们把高血压和高血糖的有无情况频率作为个案加权依据，这需要我们在SPSS分析模块找到【二元Logistic】选项按键。将病例对照Y放入因变量内容框，高血压X1和高血糖X2移动到【块】，由此可以分析高血压和高血糖情况对病例的非线性影响。

3、如下图所示，高血压和高血糖作为分类协变量，也就是我们在逻辑回归中定义为自变量的数据，存在高血压、高血糖的情况为数值1，不存在高血压、高血糖的情况为数值0，这照应了分类变量的主题意涵。

4、与此同时，我们还需要得到概率和组成员的预测值，以便于清晰、全面地查看后续逻辑回归的数值测量结果，帮助我们判定多个分组变量之间的关系情况。

5、接下来我们进入SPSS逻辑回归的选项界面，然后勾选【霍斯默-莱梅肖拟合优度】，并且在置信区间填写95%，完成回归拟合优度和置信区间的设置。

二、SPSS逻辑回归二分类变量设置方法

由于二分类变量是以数值的形式来代表不同的数据类型或组别，所以我们不能将其视作简单的数值变量，如果数据本身只是文本形式的分类，为了便利后续的数据分析，我们还需要对不同文本数据进行赋值，一般就是用0和1两个数值代表不同的类别。在对二分类变量进行设置之后，我们得以依据逻辑回归的模型拟合情况来判定多个变量之间的关系。

1、在模型系数的Omnibus检验中，步骤、块、模型的显著性数值均为0.012，这小于了一般规定的0.05的范围，表示至少有一个自变量可以解释因变量分类结果，也就是说高血压和高血糖两种情况中至少有一种对患有脑血栓具有显著影响。

2、在列联表中，我们可以看到病例和健康人对照数据在实测和期望方面的数值，总体上案例数据模型拟合良好。而显著性p值为0.993大于0.05，表明观测值和预测值拟合良好，这代表了SPSS逻辑回归的建模拟合的基本情况。

3、最后我们来看一下方程中的变量结果，下图的B表示回归模型系数，瓦尔德检验用于检验回归系数是否显著，高血压回归系数为0.465，Wald值为7.951，显著性p＜0.05，证明高血压与患脑血栓之间存在关联。

三、小结

以上就是SPSS逻辑回归是什么，SPSS逻辑回归二分类变量设置方法的解答。如果我们想要分析分类变量与自变量的关系，推荐使用SPSS逻辑回归的方法。最后，也欢迎大家前往SPSS的中文网站，学习更多关于数据分析的操作技巧。