SPSS Modeler 进行Logistic回归分析（指南 第十章）

在前一节中，小编和大家一起学习了线性回归模型的建立，在实际应用中，当因变量是分类变量时，不符合传统线性回归的要求，无法对预测值直接进行建模，因此，考虑可以改用事件的发生概率作为目标变量。
以二分类变量为例，事件发生的期望值E(y)等价于事件发生概率。我们把事件发生与否与值域在[0,1]区间的事件发生概率相联系。

1. 理论基础

1.1 在使用概率作为目标进行预测时，需要注意两点：

(1) 一般线性函数的取值在负无穷到正无穷之间，而概率取值在0到1之间。在构建线性模型时，模型并不能保证求得的所有因变量估计值都在[0,1]之间，因此，用户需要进行合适的转换，使得模型两边的取值范围一致。
(2) 概率的变化通常并不遵循线性变化，实际上概率和输入变量间往往是非线性关系。
基于以上两点问题，找到一个合适地转换函数，使得能够解决这两个问题，即logit函数。

1.2 两个概念：
(1) 比值（Odds）或者优势：指事件发生的概率与不发生的概率的比值。
(2) 优势比（OR）：两个比值的比称为比值比或优势比。

1.3 检验方法
(1) 回归方程的检验：极大似然法。
(2) 回归系数的检验：似然比检验、Wald检验以及比分检验。
(