二元logistic回归分析

1.理论

Logistic回归模型：设因变量为Y，自变量为x1，x2，...，xn。事件发生与不发生的概率比Pi/（1-pi）被称为事件发生比。后对事件发生比做对数变换，能得到logistic回归的线性模式：

ln（pi/（1-pi））=β0+β1x1+...βnxn

采用最大似然比法或者迭代法对参数的估计，参数通过似然比检验和Wold检验。

二元logistic回归是指因变量为二分类变量时的回归分析。在建立回归模型时，目标的取值范围在0-1之间。

常因变量为二分类数据

自变量可以是连续型随机变量和分类数据

2.重新编码操作步骤

首先将数据导入spss中，数据情况如下图所示，首先先对变量进行重新编码处理。

图2 数据情况

第一步、点击转换、重新编码为相同的变量。

第二步：进入图中变量框后，将需要处理的变量放入变量放入框中，后点击旧值和新值，在旧值中输入原有值，后在新值中输入新值，点击添加、继续。

3. 二元logistic回归分析操作步骤

第一步：点击分析、回归、二元logistic。

第二步：进入图中对话框后将因变量、自变量放入对应变量框中，点击分类、进入定义分类变量框后。将协变量框中的分类变量放入分类协变量框中（一般情况除二分类或有序分类数据不需哑变量设置），并进行哑变量的设置，点击继续。

第三步：点击选项，勾选霍斯默-莱梅肖拟合优度、Exp(B)的置信区间、迭代历史记录。点击继续、确定。

4.二元logistic回归分析结果

二元logistic回归分析的个案摘要、因变量编码、分类变量编码结果。

迭代历史记录、分类表、方程中的变量、未包括在方程中的变量结果。

迭代历史记录、模型中的Omnibus检验、模型摘要、霍斯默-莱梅肖检验。

分类表、方差中的变量结果。

5.结果整理

将块1：方法=输入中的方程中的变量表结果粘贴复制到表格中进行整理：可以保留EXP（B）的置信区间，也可以删除，一般来说删除该部分的内容，后将模型系数的Omnibus检验中的卡方值及模型摘要的-2对数似然值，及伪R方放在表格的下方。也可将变量中不显著的删除保留显著的。

将整理好的结果粘贴复制到Word文档中进行三线表的制作和文字描述。