1楼：
logistic回归与多重线性回归一样，在应用之前也是需要分析一下资料是否可以采用logistic回归模型。并不是说因变量是分类变量我就可以直接采用logistic回归，有些条件仍然是需要考虑的。
首要的条件应该是需要看一下自变量与因变量之间是什么样的一种关系。多重线性回归中，要求自变量与因变量符合线性关系。而logistic回归则不同，它要求的是自变量与logit（y）符合线性关系，所谓logit实际上就是ln（p/1-p）。
也就是说，自变量应与ln（p/1-p）呈线性关系。当然，这种情形主要针对多分类变量和连续变量。对于二分类变量就无所谓了，因为两点永远是一条直线。
这里举一个例子。某因素y与自变量x之间关系分析，y为二分类变量，x为四分类变量。如果x的四分类直接表示为1，2，3，4。
则分析结果为p=0.07，显示对y的影响在0.05水准时无统计学意义，而如果将x作为虚拟变量，以1为参照，产生x2，x3，x4三个变量，重新分析，则结果显示：
x2，x3，x4的p值分别为0.08，0.05和0.
03。也就是说，尽管2和1相比无统计学意义，但3和1相比，4和1相比，均有统计学意义。
为什么会产生如此结果？实际上如果仔细分析一下，就可以发现，因为x与logit（y）并不是呈线性关系。而是呈如下图的关系：
这就是导致上述差异的原因。从图中来看，x的4与1相差最大，其次是2，3与1相差最小。实际分析结果也是如此，上述分析中，x2，x3，x4产生的危险度分别为3.
1，2.9，3.4。
因此，一开始x以1，2，3，4的形式直接与y进行分析，默认的是认为它们与logit（p）呈直线关系，而实际上并非如此，因此掩盖了部分信息，从而导致应有的差异没有被检验出来。而一旦转换为虚拟变量的形式，由于虚拟变量都是二分类的，我们不再需要考虑其与logit（p）的关系，因而显示出了更为精确的结果。
最后强调一下，如果你对自变量x与y的关系不清楚，在样本含量允许的条件下，最好转换为虚拟变量的形式，这样不至于出现太大的误差。
如果你不清楚应该如何探索他们的关系，也可以采用虚拟变量的形式，比如上述x，如果转换的虚拟变量x2，x3，x4他们的or值呈直线关系，那x基本上可以直接以1，2，3，4的形式直接与y进行分析。而我们刚才也看到了，x2，x3，x4的危险度分别为3.1，2.
9，3.4。并不呈直线关系，所以还是考虑以虚拟变量形式进行分析最好。
总之，虚拟变量在logistic回归分析中是非常有利的工具，善于利用可以帮助你探索出很多有用的信息。
统计的分析策略是一个探索的过程，只要留心，你就会发现在探索数据关系的过程中充满了乐趣，因为你能发现别人所发现不了的隐藏的信息。希望大家多学点统计分析策略，把统计作为一种艺术，在分析探索中找到乐趣。
样本量的估计可能是临床最头疼的一件事了，其实很多的临床研究事前是从来不考虑样本量的，至少我接触的临床研究大都如此。他们大都是想到就开始做，但是事后他们会寻求研究中样本量的依据，尤其是在投文章被审稿人提问之后。可能很少有人想到研究之前还要考虑一下样本够不够的问题。
其实这也难怪，临床有临床的特点，很多情况下是很难符合统计学要求的，尤其一些动物试验，可能真的做不了很多。这种情况下确实是很为难的。
本篇文章仅是从统计学角度说明logistic回归所需的样本量的大致估计，不涉及临床特殊问题。
其实不仅logistic回归，所有的研究一般都需要对样本量事前有一个估计，这样做的目的是为了尽可能地得出阳性结果。比如，你事前没有估计，假设你做了20例，发现是阴性结果。如果事前估计的话，可能会提示你需要30例或25例可能会得出阳性结果，那这时候你会不会后悔没有事前估计？
当然，你可以补实验，但是不管从哪方面角度来讲，补做的实验跟一开始做得实验可能各种条件已经变化，如果你在杂志中说你的实验是补做的，那估计发表的可能性就不大了。
一般来说，简单的研究，比如组间比较，包括两组和多组比较，都有比较成熟的公式计算一下你到底需要多少例数。这些在多数的统计学教材和流行病学教材中都有提及。而对于较为复杂的研究，比如多重线性回归、logistic回归之类的，涉及多个因素。
这种方法理论上也是有计算公式的，但是目前来讲，似乎尚无大家公认有效的公式，而且这些公式大都计算繁琐，因此，现实中很少有人对logistic回归等这样的分析方法采用计算的方法来估计样本量。而更多地是采用经验法。
其实关于logistic回归的样本量在部分著作中也有提及，一般来讲，比较有把握的说法是：每个结局至少需要10例样品。这里说得是每个结局。
例如，观察胃癌的危险因素，那就是说，胃癌是结局，不是你的总的例数，而是胃癌的例数就需要这么多，那总的例数当然更多。比如我有7个研究因素，那我就至少需要70例，如果你是1：1的研究，那总共就需要140例。
如果1：2甚至更高的，那就需要的更多了。
而且，样本量的大小也不能光看这一个，如果你的研究因素中出现多重共线性等问题，那可能需要更多的样本，如果你的因变量不是二分类，而是多分类，可能也需要更大的样本来保证你的结果的可靠性。
理论上来讲，logistic回归采用的是最大似然估计，这种估计方法有很多优点，然而，一个主要的缺点就是，必须有足够的样本才能保证它的优点，或者说，它的优点都是建立在大样本的基础上的。一般来讲，logistic回归需要的样本量要多于多重线性回归。
最后仍然需要说一句，目前确实没有很好的、很权威的关于logistic回归样本量的估计方法，更多的都是根据自己的经验以及分析过程中的细节发现。如果你没有太大的把握，就去请教统计老师吧，至少他能给你提出一些建议。
相关因素logistic回归分析结果怎么看?logistic回归在spss中怎么操作?要选哪些统计量?谢谢!
2楼：匿名用户
在这地方有些说不清楚，我给你找到这个例子，说的比较明白，你看看：
http://blog.sina.***.**/s/blog_4af3f0d20100byr9.html
3楼：匿名用户
所谓logistic模型，或者说logistic回归模型，就是人们想为两分类的应变量作一个回归方程出来，可概率的取值在0~1之间，回归方程的应变量取值可是在实数集中，直接做会出现0~1范围之外的不可能结果，因此就有人耍小聪明，将率做了一个logit变换，这样取值区间就变成了整个实数集，作出来的结果就不会有问题了，从而该方法就被叫做了logistic回归。
随着模型的发展，logistic家族也变得人丁兴旺起来，除了最早的两分类logistic外，还有配对logistic模型，多分类logistic模型、随机效应的logistic模型等。由于spss的能力所限，对话框只能完成其中的两分类和多分类模型，下面我们就介绍一下最重要和最基本的两分类模型
4楼：紫菱音飞
最近刚完成了一份~基本上t检验和相关性检验成显著就成``具体的可以给我发邮件```yfz688@163.***```因为你说的很空具体的不好作答哈
logistic回归分析结果怎么看
5楼：匿名用户
求logistic回归分析的思路及spss分析结果解释，单因素与多因素logistic回归分析，到底是什么关系，spss分析中，怎样才是单因素分析，怎样才是多因素分析？
logistic 回归一般步骤:
一:变量编码,
二:哑变量的设置,涉及如何设计哑变量
三:各个自变量的单因素分析,主要检查有无共线性和交互作用四:变量的筛选,若有共线性的话,只有一个变量能进入方程五:
交互作用的引入,分析有无此必要,主要看引入后方程是不是更加好六:建立多个模型
七:选择最优模型,主要看r平方校正值,越大越好八：模型应用条件的评价
九：输出结果的解释
网上查找到的资料
请采纳~
多因素logistic 回归分析结果怎么看
6楼：
我已经做出结果，但是p值很大，说明没有统计学意义，为何？有懂得原因的吗？（上述自己说的第一步没有做，只做了第二步）
logistic回归分析结果解读
7楼：匿名用户
第一：对模型整体情况进行说明，比如对r方值进行描述，以及列出模型公式。
第二：逐一分析x对于y（相对于的对比项）影响情况；如果x对应的p值小于0.05则说明x会对y（相对于的对比项）产生影响关系，此时可结合or值进一步分析影响幅度。
第三：总结分析结果。
以及可结合输出的智能文字分析，进行解读。
8楼：匿名用户
不知道你是否听说过辛普森悖论，了解这个玩意也许能解决你的问题，如果需要在考虑a而不分析a，如果a是离散的，将不同a不同取值放入不同的模型中，然后分析其他变量。如果a是连续的，，，那就复杂一点。。。。。
9楼：七彩虹科技****
logistic回归主要用于危险因素探索。因变量y为二分类或多分类变量，自变量既可以为分类变量，也可以为连续变量。 回归分析**法，是在分析市场现象自变量和因变量之间相关关系的基础上，建立变量之间的回归方程，并将回归方程作为**模型，根据自变量在**期的数量变化来**因变量关系大多表现为相关关系，因此，回归分析**法是一种重要的市场**方法，当我们在对市场现象未来发展状况和水平进行**时，如果能将影响市场**对象的主要因素找到，并且能够取得其数量资料，就可以采用回归分析**法进行**。
它是一种具体的、行之有效的、实用价值很高的常用市场**方法。
10楼：土行仔
不一定！这取决于因变量的编码，情况十分复杂：
假如，因变量编码为1时代表无病，2代表有病，那么偏回归系数为负就说明是保护性因素；如果编码为1时代表有病，2代表无病，那么偏回归系数为负就说明是危险因素，正好与前面的说法相反！注意，这个说法仅仅对于自变量为连续变量者（如体重、年龄、身高等）而言。
因此，在spss的logistic回归分析中，因变量编码十分重要，总结以上规律不难发现，logistic回归默认因变量编码小者为对照分类（或称参考分类）。
对于自变量为分类变量者（如性别、婚姻状态等）而言，偏回归系数的符号不但取决于因变量编码，还取决于自变量的对照分类（或称参考分类）的设定，这个设定用户是可以调整的，系统默认编码最大者为对照分类（或称参考分类），这个情况你可以在分析结果的参数估计表中看到。因此，在因变量编码为1时代表无病，2代表有病默认设置下，如果自变量也采用默认设置，那么某一偏回归系数为负就说明，相对于自变量的对照分类而言，该自变量分类为保护性因素，其他情况可以类推。
以上回答你满意么？
多因素非条件logistic回归分析怎么做
1楼 好程序员 一般是先做单因素分析，再做多因素分析 多元线性回归可以通过标准参数 来确定贡献大小，多元logistic回归的不知道用什么来确定 如何在spss中进行条件logistic回归分析 2楼 深圳市励拓软件 我觉得c 2 0用848p的板子就可以了，虽然这种板子不支持双通道，但是你只有一条...
spss中怎么看时间序列arima的结果
1楼 看建立的模型的参数系数等 2楼 匿名用户 看acf和pacf图确定参数 怎么用spss软件对时间序列用arima模型进行 3楼 慕仲萍 时间序列模型 间序列分析 在生产和科学研究中，对某一个或一组变量x t 进行观察测量，将在一系列时刻t1 t2 tn t为自变量且t1 时间序列分析是根据系统...
VB中mod取模是什么意思,怎么用法，结果怎么看
1楼 mod是取模运算，例如求8的模运算，所得的结果就可看作八进制数的基类数字0 7， 如 6mod8 6 9mod8 1 8mod8 0 也就是取余运算 2楼 梦想种子 mod 求余运算符，用来算除 法的余数的。 这东西作用很多，最简单的，判断是否是偶数 num inputbox if num m...