使用logistic回归的前提：因变量是逻辑变量，即0-1变量或1-2-3顺序变量。若因变量是连续变量，则需要用多重线性回归。

单因素分析主要用于初步判断哪些因素对随访结局有影响，一次统计只分析一个变量；多因素分析则常常是在单因素分析的基础上，对所有可能的影响因素进行一次性的分析。在操作上的差别，只是在于自变量的个数。

另外，单因素分析的结果会受到混杂因素的影响，往往不是很可靠；多因素分析能校正各种混杂因素的影响，结果更加可信。

3.1 前面的结果不用看，直接来到【霍斯默-莱梅肖检验】，根据P值判断模型的优劣（P>0.05，说明模型比较好）。对此结果的表述：该模型建模中，卡方值=6.48，P=0.594>0.05，模型建立良好。同时，【模型系数的Omnibus检验】中的【模型】对应的P=0.000，也能说明模型建立良好，此处可说可不说。

3.2 看模型的预测率。下表数据显示设定模型的预测正确率为84.5%，这算是高的，如果在50%以下就说明这个模型设定的就没什么意义。

3.3 看最终结果。B列是模型的系数，瓦尔德即卡方值，显著性即P值，P1的是危险因素，0