Question

logistic回归分析适用于

Answer 1

logistic回归分析适用于流行病学资料的危险因素分析。

logistic回归又称logistic回归分析，主要在流行病学中应用较多，比较常用的情形是探索某疾病的危险因素，根据危险因素预测某疾病发生的概率，等等。

例如，想探讨胃癌发生的危险因素，可以选择两组人群，一组是胃癌组，一组是非胃癌组，两组人群肯定有不同的体征和生活方式等。

这里的因变量就是是否胃癌，即“是”或“否”，为两分类变量，自变量就可以包括很多了，例如年龄、性别、饮食习惯、幽门螺杆菌感染等。

自变量既可以是连续的，也可以是分类的。通过logistic回归分析，就可以大致了解到底哪些因素是胃癌的危险因素。

Answer 2

Logit回归分析用于研究X对Y的影响，并且对X的数据类型没有要求，X可以为定类数据（可以做虚拟变量设置），也可以为定量数据，但要求Y必须为定类数据，并且根据Y的选项数，使用相应的数据分析方法。logit回归分析一般可分为三类，分别是二元logit回归、多分类logit回归、有序logit回归，三类logit回归区别如下：

（1）二元logit回归分析，因变量为二分类变量。

（2）多分类logit回归。因变量为分类数据多组且无序。

（3）有序logit回归，因变量为分类数据多组且有序。

二元Logit回归分析用于研究X对于Y的影响关系，其中X为定量数据或者定类数据，Y为二分类定类数据，（Y的数字一定只能为0和1）例如愿意和不愿意、是和否等。

（1）如果X是定类数据，比如性别或学历等。那么就需要首先对它们做虚拟哑变量处理，使用SPSSAU“数据处理”-“生成变量”功能。操作如下图：

因变量Y只能包括数字0和1，如果因变量的原始数据不是这样，那么就需要数据编码，设置成0和1，使用SPSSAU“数据处理”-“数据编码”功能，操作如下图：

（2）多分类logit回归

只要是logit回归，都是研究X对于Y的影响，区别在于因变量Y上，如果Y有多个选项，并且各个选项之间不具有对比意义，例如，1代表“黑龙江省”，2代表“云南省”，3代表“四川省”，4代表“陕西省”，数值仅代表不同类别，数值大小不具有对比意义，那么应该使用多分类Logit回归分析。如果说因变量Y的类别个数很多，比如为10个，此时建议时对类别进行组合下，尽量少的减少类别数量，便于后续进行分析。此步骤可通过SPSSAU数据处理模块的数据编码功能完成。

在“进阶方法”模块中选择“多分类Logit”方法，将Y定类变量放于上方分析框内，X定类/定量变量放于下方分析框内，点击“开始分析”即可。

有序logit回归：
只要是logit回归，都是研究X对于Y的影响，区别在于因变量Y上，如果Y有多个选项，并且各个选项之间具有对比意义，例如：1代表不满意，2代表一般，3代表满意就可以使用有序logit回归分析。

在“进阶方法”模块中选择“有序Logit”方法，将Y定类变量放于上方分析框内，X定类/定量变量放于下方分析框内，点击“开始分析”即可。