栏目：炒股赚钱 作者：网上配资股票 更新：2025-08-22 阅读：12
<{网上配资股票}>上期讲完单因素二元logistic回归，这期开讲多因素的？
作者/风仕
在上一期，我们已经讲完了单因素二元回归分析，这期开始讲多因素二元回归分析用spss做多元回归分析，我们主要从回归分析介绍、二元回归分析的使用条件及案例的SPSS操作演示这几方面进行讲解。
回归分析介绍
根据因变量的不同，可将回归分为二元回归和多元回归
1.二元回归模型的因变量Y是必须是两分类变量（不是指多个变量），如是否患病、是否死亡、成功与失败、疗效分为是否治愈，其取值常编码为0和1。
2.多元回归顾名思义，因变量Y是多分类变量，进一步分为有序多分类（如疾病轻、中、重）（如显效、有效、无效）和无序多分类（如鳞癌、腺癌、大细胞癌）。
根据纳入回归模型的自变量个数不同，可将回归分为单因素和多因素。
1.单因素回归（又称简单回归），指在模型中只包含一个自变量的情况，用来评估单一因子对结果概率的影响大小和方向。
2.多因素回归即包含两个及以上的自变量的情况，可同时考察多个因素对结果变量的影响，因为现实中某一个疾病的发生往往是多变量共同作用所致。
总之，二元回归分析包括了单因素二元和多因素二元回归分析。而平时所说的（单因素）多因素回归，是指自变量所命名，有多个自变量上期讲完单因素二元logistic回归，这期开讲多因素的？，而因变量仍然可能是二分类、多分类、条件或非条件。
二元回归分析使用条件
1.因变量必须是二分类的：因变量应该是两个互斥的选项，例如，是否患有某种疾病、是否购买某种产品等。
2.自变量可以是任何形式的数据：自变量可以包括定量数据（如年龄、收入等）和定类数据（如性别、教育水平等）。对于定类数据，通常需要进行编码处理，使其转换为二进制形式，以便与因变量匹配。
3.自变量与因变量的关系基本上呈“S”形曲线关系，或者自变量与（P）呈直线关系。但不要求自变量符合正态分布。
4.个体间的独立性，即甲是否患病不影响乙是否患病。（可以解释为自变量之间无多重共线性）
5.各自变量间的联合作用符合乘法模型
案例的SPSS操作演示
多因素二元回归分析：其实就是指自变量包含多个因素。
分析示例
我们搜集33名正常人和47名焦虑症患者的性别、家族史、糖尿病、高脂血症、BMI、年龄数据，数据情况如下：
SPSS中的操作步骤
第1步：点击“分析”→“回归”→“二元”
第2步：选择“自变量”和“因变量”
第3步：对分类自变量进行虚拟化处理
第4步：点击“保存”→“概率”→“组成员”
第5步：点击“选项”→“拟合优度”→“EXP(B)的置信区间”
点击“继续”，再点击“确定”，SPSS软件就会把输出完整的运算结果。
结果解读
SPSS输出结果中用spss做多元回归分析，我们需要看以下3个输出结果，这里就有3大技巧：
技巧一：
技巧二：
技巧三：
以上的运算结果的详细解释是：
1.女性患焦虑症的可能性是男性的5.034倍，P=0.025
2.有家族史患焦虑症的可能性是无家族史的13.599倍，P=0.001
3.糖尿病不是患焦虑症影响因素，P=0.865>0.05；
4.有高脂血症患焦虑症的可能性是无高脂血症的6.354倍，P=0.014
5.BMI每增加1，患病风险就增加32.6%，P=0.025
6.年龄≥35岁的人患焦虑症的可能性是年龄
最后，对于以上的运算结果，可以绘制森林图上期讲完单因素二元logistic回归，这期开讲多因素的？，对结果进行可视化处理，让结果更加清晰明了。
欢迎关注我，让你身边多一位熟悉统计分析方法的帮手，有以下付费视频或服务可供选购：
1.单个问题答疑咨询。1对1答疑、小额付费、48小时内有效。
2.答疑咨询年度会员。一年365天时限内各种统计分析问题1对1答疑，性价比高。
3.购买视频课程赠送课程相关主题内容1对1答疑1年。
Tags： logistic回归 统计分析 二元回归 多因素分析 SPSS操作
