Logit回歸分析用于研究X對(duì)Y的影響，并且對(duì)X的數(shù)據(jù)類(lèi)型沒(méi)有要求，X可以為定類(lèi)數(shù)據(jù)（可以做虛擬變量設(shè)置），也可以為定量數(shù)據(jù)，但要求Y必須為定類(lèi)數(shù)據(jù)，并且根據(jù)Y的選項(xiàng)數(shù)，使用相應(yīng)的數(shù)據(jù)分析方法。logit回歸分析一般可分為三類(lèi)，分別是二元logit回歸、多分類(lèi)logit回歸、有序logit回歸，三類(lèi)logit回歸區(qū)別如下：

二元logit分析

1.基本說(shuō)明

二元Logit回歸分析用于研究X對(duì)于Y的影響關(guān)系，其中X通常為定量數(shù)據(jù)（如果X為定類(lèi)數(shù)據(jù)，一般需要做虛擬(啞)變量設(shè)置）

Y為二分類(lèi)定類(lèi)數(shù)據(jù)，（Y的數(shù)字一定只能為0和1）例如愿意和不愿意、是和否等。

2.數(shù)據(jù)處理

（1）如果X是定類(lèi)數(shù)據(jù)，比如性別或?qū)W歷等。那么就需要首先對(duì)它們做虛擬啞變量處理，使用SPSSAU“數(shù)據(jù)處理”-“生成變量”功能。操作如下圖：

（2）因變量Y只能包括數(shù)字0和1，如果因變量的原始數(shù)據(jù)不是這樣，那么就需要數(shù)據(jù)編碼，設(shè)置成0和1，使用SPSSAU“數(shù)據(jù)處理”-“數(shù)據(jù)編碼”功能，操作如下圖：

3.SPSSAU上傳數(shù)據(jù)

（1）登錄賬號(hào)后進(jìn)入SPSSAU頁(yè)面，點(diǎn)擊右上角“上傳數(shù)據(jù)”，將處理好的數(shù)據(jù)進(jìn)行“點(diǎn)擊上傳文件”上傳即可。

（2）拖拽分析項(xiàng)

在“進(jìn)階方法”模塊中選擇“二元Logit”方法，將Y定類(lèi)變量放于上方分析框內(nèi)，X定類(lèi)/定量變量放于下方分析框內(nèi)，點(diǎn)擊“開(kāi)始分析”即可。

可以勾選“保存殘差和預(yù)測(cè)值” 將殘差和預(yù)測(cè)值保存起來(lái)，可用于進(jìn)—步分析使用。

4.分析前提示

（1）如果X為定類(lèi)數(shù)據(jù)，此時(shí)可以考慮使用交叉卡方分析去研究X和Y的關(guān)系。

（2）如果X非常多(比如超過(guò)10個(gè))，此時(shí)可以先對(duì)定類(lèi)的X與Y進(jìn)行卡方分析，對(duì)定量的X與Y進(jìn)行方差分析（或t檢驗(yàn)），先看有沒(méi)有差異關(guān)系，將最終有差異關(guān)系的X放入二元Logit回歸模型中，這樣X(jué)會(huì)較少，并且X與Y均有差異關(guān)系，也更可能有影響關(guān)系，此時(shí)二元Logit回歸模型的預(yù)測(cè)準(zhǔn)確率會(huì)更高。

如果例子里面自變量X較少，模型本身并不復(fù)雜，可忽略此步驟即可，直接進(jìn)行二元logistic回歸分析。

5.SPSSAU分析

背景：研究影響用戶(hù)購(gòu)買(mǎi)某品牌筆記本電腦的因素，其中0代表否，1代表是（僅供案例分析）。

（1）二元Logit回歸分析基本匯總

將價(jià)格, 品牌偏好度, 性能作為自變量，而將是否購(gòu)買(mǎi)某品牌筆記本電腦作為因變量進(jìn)行二元Logit回歸分析，從上表可以看出，總共有265個(gè)樣本參加分析，并且沒(méi)有缺失數(shù)據(jù)。

（2）二元Logit回歸模型似然比檢驗(yàn)結(jié)果

首先對(duì)模型整體有效性進(jìn)行分析，從上表可知：此處模型檢驗(yàn)的原定假設(shè)為：是否放入自變量（價(jià)格, 品牌偏好度, 性能）兩種情況時(shí)模型質(zhì)量均一樣；這里p值小于0.05，因而說(shuō)明拒絕原定假設(shè)，即說(shuō)明本次構(gòu)建模型時(shí)，放入的自變量具有有效性，本次模型構(gòu)建有意義。

（3）二元Logit回歸分析結(jié)果匯總

從上表可知，將價(jià)格, 品牌偏好度, 性能共3項(xiàng)為自變量，而將是否購(gòu)買(mǎi)某品牌筆記本電腦作為因變量進(jìn)行二元Logit回歸分析，模型公式為：ln(p/1-p)=-9.900 + 3.663*價(jià)格-2.156*品牌偏好度 + 4.090*性能(其中p代表是否購(gòu)買(mǎi)某品牌筆記本電腦為1 的概率，1-p代表是否購(gòu)買(mǎi)某品牌筆記本電腦為0的概率)。最終具體分析可知：

價(jià)格的回歸系數(shù)值為3.663，并且呈現(xiàn)出0.05水平的顯著性(z=2.419，p=0.016<0.05)，意味著價(jià)格會(huì)對(duì)是否購(gòu)買(mǎi)某品牌筆記本電腦產(chǎn)生顯著的正向影響關(guān)系。以及優(yōu)勢(shì)比(OR值)為38.964，意味著價(jià)格增加一個(gè)單位時(shí)，是否購(gòu)買(mǎi)某品牌筆記本電腦的變化(增加)幅度為38.964倍。

品牌偏好度的回歸系數(shù)值為-2.156，但是并沒(méi)有呈現(xiàn)出顯著性(z=-1.583，p=0.113>0.05)，意味著品牌偏好度并不會(huì)對(duì)是否購(gòu)買(mǎi)某品牌筆記本電腦產(chǎn)生影響關(guān)系。

性能的回歸系數(shù)值為4.090，并且呈現(xiàn)出0.05水平的顯著性(z=3.346，p=0.001<0.05)，意味著性能會(huì)對(duì)是否購(gòu)買(mǎi)某品牌筆記本電腦產(chǎn)生顯著的正向影響關(guān)系。以及優(yōu)勢(shì)比(OR值)為59.750，意味著性能增加一個(gè)單位時(shí)，是否購(gòu)買(mǎi)某品牌筆記本電腦的變化(增加)幅度為59.750倍。

總結(jié)分析可知：價(jià)格, 性能共2項(xiàng)會(huì)對(duì)是否購(gòu)買(mǎi)某品牌筆記本電腦產(chǎn)生顯著的正向影響關(guān)系。但是品牌偏好度并不會(huì)對(duì)是否購(gòu)買(mǎi)某品牌筆記本電腦產(chǎn)生影響關(guān)系。

此外Logit回歸時(shí)會(huì)提供三個(gè)R 方值（分別是McFadden R 方、Cox & Snell R 方和Nagelkerke R 方），此3個(gè)R 方均為偽R 方值，其值越大越好，但其無(wú)法非常有效的表達(dá)模型的擬合程度，意義相對(duì)交小，而且多數(shù)情況此3個(gè)指標(biāo)值均會(huì)特別小，研究人員不用過(guò)分關(guān)注于此3個(gè)指標(biāo)值。一般報(bào)告其中任意一個(gè)R方值指標(biāo)即可。

（4）二元Logit回歸預(yù)測(cè)準(zhǔn)確率匯總

通過(guò)模型預(yù)測(cè)準(zhǔn)確率去判斷模型擬合質(zhì)量，從上表可知：研究模型的整體預(yù)測(cè)準(zhǔn)確率為96.23%，模型擬合情況良好。當(dāng)真實(shí)值為0時(shí)，預(yù)測(cè)準(zhǔn)確率為96.30%；另外當(dāng)真實(shí)值為1時(shí)，預(yù)測(cè)準(zhǔn)確率為96.15%。

（5）Hosmer-Lemeshow擬合度檢驗(yàn)

Hosmer-Lemeshow擬合度檢驗(yàn)用于分析模型擬合優(yōu)度情況，從上表可知：此處模型檢驗(yàn)的原定假設(shè)為：模型擬合值和觀測(cè)值的吻合程度一致；這里p值大于0.05(卡方值為3.109,p=0.927>0.05),因而說(shuō)明接受原定假設(shè)，即說(shuō)明本次模型通過(guò)HL檢驗(yàn)，模型擬合優(yōu)度較好。

（6）模型預(yù)測(cè)

將價(jià)格、品牌偏好度以及性能輸入該模型就能夠預(yù)測(cè)消費(fèi)者是否購(gòu)買(mǎi)某品牌筆記本電腦。

（7）模型結(jié)果圖

可以更直觀的看見(jiàn)自變量與因變量的關(guān)系。

（8）coefPlot

coefPlot展示具體的回歸系數(shù)值和對(duì)應(yīng)的置信區(qū)間，可直觀查看數(shù)據(jù)的顯著性情況，如果說(shuō)置信區(qū)間包括數(shù)字0則說(shuō)明該項(xiàng)不顯著，如果置信區(qū)間不包括數(shù)字0則說(shuō)明該項(xiàng)呈現(xiàn)出顯著性。

6.其它說(shuō)明

（1）二元logit回歸提示數(shù)據(jù)質(zhì)量異常？

如果出現(xiàn)此提示，建議按以下步驟進(jìn)行檢驗(yàn)。

第一：將所有分析項(xiàng)（X和Y全部一起）做相關(guān)分析，查看是否有相關(guān)系數(shù)非常低或 者非常高的項(xiàng)；如果非常低（比如小于0.1）說(shuō)明完全沒(méi)有關(guān)聯(lián)關(guān)系，非常高（比如 大于0.8）說(shuō)明共線(xiàn)性問(wèn)題嚴(yán)重，將此類(lèi)自變量移除出去，再次分析就好；

第二：檢查因變量Y的分布情況，因變量Y僅僅兩個(gè)數(shù)字0和1，如果分布嚴(yán)重不均勻（比如100個(gè)樣本中僅5個(gè)樣本為0，95個(gè)為1），有可能出現(xiàn)模型無(wú)法收斂最后無(wú)法輸出結(jié)果；

第三：自變量中放入虛擬變量，比如學(xué)歷有5項(xiàng)，虛擬變量出來(lái)為5項(xiàng)，5項(xiàng)全部都放入了模型，這一定會(huì)出錯(cuò)；

第四：分析樣本量過(guò)小，比如分析項(xiàng)有10個(gè)，但分析樣本量?jī)H20個(gè)。

（2）Y值只能為0或1？

二元logistic回歸研究X對(duì)Y的影響，Y為兩個(gè)類(lèi)別，比如是否愿意，是否喜歡，是否購(gòu)買(mǎi)等，數(shù)字一定有且僅為2個(gè)，分別是0和1。如果不是這樣就會(huì)出現(xiàn)此類(lèi)提示，可使用SPSSAU頻數(shù)分析進(jìn)行檢查，并且使用數(shù)據(jù)處理-數(shù)據(jù)編碼功能進(jìn)行處理成0和1。

（3）crude OR和adjusted OR值？

在SPSSAU中進(jìn)行二元Logit回歸，如果放入一個(gè)X，得到的OR值即為crude OR，如果放入該X的時(shí)候還放入其余的控制項(xiàng)，并且得到對(duì)應(yīng)該X的OR值，就稱(chēng)為adjusted OR值。

多分類(lèi)logit分析

1.基本說(shuō)明

只要是logit回歸，都是研究X對(duì)于Y的影響，區(qū)別在于因變量Y上，如果Y有多個(gè)選項(xiàng)，并且各個(gè)選項(xiàng)之間不具有對(duì)比意義，例如，1代表“黑龍江省”，2代表“云南省”，3代表“四川省”，4代表“陜西省”，數(shù)值僅代表不同類(lèi)別，數(shù)值大小不具有對(duì)比意義，那么應(yīng)該使用多分類(lèi)Logit回歸分析。

2.數(shù)據(jù)要求與處理

如果說(shuō)因變量Y的類(lèi)別個(gè)數(shù)很多，比如為10個(gè)，此時(shí)建議時(shí)對(duì)類(lèi)別進(jìn)行組合下，盡量少的減少類(lèi)別數(shù)量，便于后續(xù)進(jìn)行分析。此步驟可通過(guò)SPSSAU數(shù)據(jù)處理模塊的數(shù)據(jù)編碼功能完成。

如果說(shuō)自變量X是定類(lèi)數(shù)據(jù)，那么可對(duì)X進(jìn)行虛擬啞變量處理，使用SPSSAU數(shù)據(jù)處理模塊的生成變量功能。其實(shí)定類(lèi)數(shù)據(jù)在做影響關(guān)系研究時(shí)，通常都會(huì)做虛擬啞變量處理。

3.SPSSAU上傳數(shù)據(jù)

（1）登錄賬號(hào)后進(jìn)入SPSSAU頁(yè)面，點(diǎn)擊右上角“上傳數(shù)據(jù)”，將處理好的數(shù)據(jù)進(jìn)行“點(diǎn)擊上傳文件”上傳即可。

（2）拖拽分析項(xiàng)

在“進(jìn)階方法”模塊中選擇“多分類(lèi)Logit”方法，將Y定類(lèi)變量放于上方分析框內(nèi)，X定類(lèi)/定量變量放于下方分析框內(nèi)，點(diǎn)擊“開(kāi)始分析”即可。

可以勾選“保存預(yù)測(cè)類(lèi)別” 將預(yù)測(cè)值保存起來(lái)，可用于進(jìn)—步分析使用。

4.SPSSAU分析

背景：研究影響手機(jī)偏好的因素（僅供案例分析）。

（1）多分類(lèi)Logistic回歸分析基本匯總

將年齡, 學(xué)歷, 性別作為自變量，而將手機(jī)品牌偏好作為因變量進(jìn)行多分類(lèi)Logit回歸分析，從上表可以看出，總共有1847個(gè)樣本參加分析。

（2）多分類(lèi)Logistic回歸模型似然比檢驗(yàn)

此處模型檢驗(yàn)的原定假設(shè)為：是否放入自變量(年齡, 學(xué)歷, 性別)兩種情況時(shí)模型質(zhì)量均一樣；這里p值小于0.05，因而說(shuō)明拒絕原定假設(shè)，即說(shuō)明本次構(gòu)建模型時(shí)，放入的自變量具有有效性，本次模型構(gòu)建有意義。

（3）多分類(lèi)Logistic回歸分析結(jié)果匯總

上表格中可以看出年齡和性別的p值<0.05均呈現(xiàn)顯著性，以下具體說(shuō)明：

女性的回歸系數(shù)值為0.309，并且呈現(xiàn)出0.05水平的顯著性(z=2.127，p=0.033<0.05)，這說(shuō)明女性更加偏好于小米手機(jī)。原因：在多分類(lèi)logit回歸中，SPSSAU將因變量Y的第1項(xiàng)（此處為華為手機(jī)）作為參照項(xiàng)。那么性別女呈現(xiàn)出正向影響，就說(shuō)明相對(duì)于華為手機(jī)來(lái)講，女性明顯更加偏好于小米手機(jī)。

相對(duì)華為手機(jī)來(lái)講，年齡的回歸系數(shù)值為-0.437，并且呈現(xiàn)出0.01水平的顯著性(z=-6.076，p=0.000<0.01)，負(fù)向影響，即說(shuō)明年齡越大用戶(hù)越偏好于華為手機(jī)。

金立手機(jī)分析結(jié)果可以看出女性相對(duì)于更喜歡華為手機(jī)，年齡越大用戶(hù)越偏好于金立手機(jī)。

此外Logit回歸時(shí)會(huì)提供三個(gè)R 方值（分別是McFadden R 方、Cox & Snell R 方和Nagelkerke R 方），此3個(gè)R 方均為偽R 方值，其值越大越好，但其無(wú)法非常有效的表達(dá)模型的擬合程度，意義相對(duì)交小，而且多數(shù)情況此3個(gè)指標(biāo)值均會(huì)特別小，研究人員不用過(guò)分關(guān)注于此3個(gè)指標(biāo)值。一般報(bào)告其中任意一個(gè)R方值指標(biāo)即可。

（4）預(yù)測(cè)準(zhǔn)確率匯總

通過(guò)模型預(yù)測(cè)準(zhǔn)確率去判斷模型擬合質(zhì)量，從上表可知：研究模型的整體預(yù)測(cè)準(zhǔn)確率為49.49 %，模型擬合情況一般。

5.其它說(shuō)明

（1）提示“Y的選項(xiàng)過(guò)少或過(guò)多”?

如果出現(xiàn)此提示，意味著因變量Y的選項(xiàng)不符合多分類(lèi)logit回歸分析要求，通常情況下因變量Y的分類(lèi)個(gè)數(shù)應(yīng)該介于3~8個(gè)之間。

1）研究者可使用SPSSAU頻數(shù)分析功能進(jìn)行查看因變量Y的選項(xiàng)個(gè)數(shù)情況；

2）如果選項(xiàng)個(gè)數(shù)過(guò)多需要進(jìn)行合并處理等，可使用SPSSAU【數(shù)據(jù)處理->數(shù)據(jù)編碼】功能操作。

（2）參照項(xiàng)或參考項(xiàng)設(shè)置問(wèn)題？

進(jìn)行多分類(lèi)Logit時(shí)， SPSSAU默認(rèn)以第一項(xiàng)【即數(shù)字最小的那項(xiàng)】作為參考項(xiàng)。如果需要進(jìn)行改變，可使用【數(shù)據(jù)處理->數(shù)據(jù)編碼】功能進(jìn)行設(shè)置，將參考項(xiàng)的數(shù)字設(shè)為最小即可，如下圖所示（原本以1作為參考項(xiàng)，現(xiàn)在改為3作為參考項(xiàng)，將3設(shè)置為數(shù)字最小0即可，當(dāng)然設(shè)置其它更小值比如-1也可以）：

有序logit分析

1.基本說(shuō)明

只要是logit回歸，都是研究X對(duì)于Y的影響，區(qū)別在于因變量Y上，如果Y有多個(gè)選項(xiàng)，并且各個(gè)選項(xiàng)之間具有對(duì)比意義，例如：1代表不滿(mǎn)意，2代表一般，3代表滿(mǎn)意就可以使用有序logit回歸分析。

2.SPSSAU上傳數(shù)據(jù)

（1）登錄賬號(hào)后進(jìn)入SPSSAU頁(yè)面，點(diǎn)擊右上角“上傳數(shù)據(jù)”，將處理好的數(shù)據(jù)進(jìn)行“點(diǎn)擊上傳文件”上傳即可。

（2）拖拽分析項(xiàng)

在“進(jìn)階方法”模塊中選擇“有序Logit”方法，將Y定類(lèi)變量放于上方分析框內(nèi)，X定類(lèi)/定量變量放于下方分析框內(nèi)，點(diǎn)擊“開(kāi)始分析”即可。

3.參數(shù)選擇

（1）接連函數(shù)選擇

（2）平行性檢驗(yàn)選擇

用于檢驗(yàn)各回歸方程相互平行。如果不滿(mǎn)足平行性檢驗(yàn)(或出現(xiàn)異常)，建議使用多分類(lèi)Logit回歸即可。

4.SPSSAU分析

背景：究民眾幸福度影響因素，包括性別，年齡，學(xué)歷和年收入水平共4個(gè)潛在的影響因素對(duì)于幸福水平的影響情況。

（1）有序Logistic回歸分析因變量頻數(shù)分布

本次有序Logit回歸模型將性別(女性作為參照項(xiàng)), 年齡, 學(xué)歷, 年收入水平作為自變量，將幸福水平作為因變量進(jìn)行有序logistic回歸分析，從上表可知：幸福水平共分為三個(gè)類(lèi)別，分布較為均勻，其中比較幸福這一類(lèi)別的占比較低為20.70%。

（2）有序Logistic回歸模型平行性檢驗(yàn)

首先對(duì)模型進(jìn)行平行性檢驗(yàn)，從上表可知：平行性檢驗(yàn)的原假設(shè)是各回歸方程互相平行，分析顯示接受原假設(shè)(χ=1.858,p =0.762> 0.05)，因而說(shuō)明本次模型通過(guò)平行性檢驗(yàn)，模型分析結(jié)論可信，可繼續(xù)進(jìn)一步的分析。

如果沒(méi)有通過(guò)平行性檢驗(yàn)則有以下建議：

1. 改用多分類(lèi)logit回歸；換個(gè)方法，因?yàn)橐话憧墒褂糜行騦ogit回歸的數(shù)據(jù)也可以使用多分類(lèi)logit回歸分析；

2. 改用線(xiàn)性回歸；可考慮換成線(xiàn)性回歸分析嘗試；

3. 改變連接函數(shù)；選擇更適合的連接函數(shù)；

4. 將因變量的類(lèi)別選項(xiàng)進(jìn)行一些合并處理等，使用SPSSAU數(shù)據(jù)處理->數(shù)據(jù)編碼功能。

一般來(lái)說(shuō)，有序logit回歸有一定的穩(wěn)健性，即平行性檢驗(yàn)對(duì)應(yīng)的p值接近于0.05時(shí)，可考慮直接接受有序logit回歸分析的結(jié)果。

• 有序Logistic回歸模型似然比檢驗(yàn)

首先對(duì)模型整體有效性進(jìn)行分析(模型似然比檢驗(yàn))，從上表可知：此處模型檢驗(yàn)的原定假設(shè)為：是否放入自變量(年齡, 年收入水平, 文化程度, 性別男)兩種情況時(shí)模型質(zhì)量均一樣；分析顯示拒絕原假設(shè)(chi=62.510,p=0.000<0.05)，即說(shuō)明本次構(gòu)建模型時(shí)，放入的自變量具有有效性，本次模型構(gòu)建有意義。

補(bǔ)充說(shuō)明：SPSSAU還提供AIC和BIC這兩個(gè)指標(biāo)值，如果模型有多個(gè)，而且希望進(jìn)行模型之間的優(yōu)劣比較，可使用此兩個(gè)指標(biāo)，此兩個(gè)指標(biāo)是越小越好。具體可直接查看SPSSAU的智能分析和分析建議即可。

• 有序Logistic回歸模型分析結(jié)果匯總

• 有序Logistic回歸模型預(yù)測(cè)準(zhǔn)確率

通過(guò)模型預(yù)測(cè)準(zhǔn)確率去判斷模型擬合質(zhì)量，從上表可知：研究模型的整體預(yù)測(cè)準(zhǔn)確率為55.65%，模型擬合情況較差。建議剔除掉無(wú)關(guān)的自變量，或者對(duì)自變量進(jìn)行數(shù)據(jù)編碼組合重新處理后再次進(jìn)行分析，得到更佳的分析結(jié)果，同時(shí)可考慮使用多分類(lèi)logit回歸進(jìn)行分析。

• 模型結(jié)果圖

可以更直觀的看見(jiàn)自變量與因變量的關(guān)系（基于回歸系數(shù)的基礎(chǔ)上）。

• coefPlot

coefPlot展示具體的回歸系數(shù)值和對(duì)應(yīng)的置信區(qū)間，可直觀查看數(shù)據(jù)的顯著性情況，如果說(shuō)置信區(qū)間包括數(shù)字0則說(shuō)明該項(xiàng)不顯著，如果置信區(qū)間不包括數(shù)字0則說(shuō)明該項(xiàng)呈現(xiàn)出顯著性?？梢钥吹侥挲g、年收入水平、文化程度以及性別男的or值以及95％CI。

5.其它說(shuō)明

（1）OR值的意義

OR值=exp(b)值，即回歸系數(shù)的指數(shù)次方，該值在醫(yī)學(xué)研究里面使用較多，實(shí)際意義是X增加1個(gè)單位時(shí)，Y的增加幅度。如果僅僅是研究影響關(guān)系，該值意義較小。

（2）z 值的意義是什么？

z 值=回歸系數(shù)/標(biāo)準(zhǔn)誤，該值為中間過(guò)程值無(wú)意義，只需要看p 值即可。有的軟件會(huì)提供wald值（但不提供z 值，該值也無(wú)實(shí)際意義），wald值= z 值的平方。

總結(jié)

本篇文章包括二元logit回歸步驟分析、多分類(lèi)logit回歸步驟分析、有序logit回歸步驟分析,其中二元Logit回歸分析時(shí)，首先可以分析p 值，如果此值小于0.05，說(shuō)明具有影響關(guān)系，接著再具體研究影響關(guān)系情況即可，比如是正向影響還是負(fù)向影響關(guān)系等；除此之外，還可以寫(xiě)出二元Logit回歸分析的模型構(gòu)建公式，以及模型的預(yù)測(cè)準(zhǔn)確率情況等。

對(duì)于多分類(lèi)Logit回歸分析模型的具體情況進(jìn)行分析，首先分析p?值，如果此值小于0.05，說(shuō)明X對(duì)于Y有影響關(guān)系，接著再具體研究影響關(guān)系情況即可，比如是正向影響還是負(fù)向影響關(guān)系等；除此之外，還可以寫(xiě)出回歸模型構(gòu)建公式，以及模型的預(yù)測(cè)準(zhǔn)確率情況等。

有序Logit回歸分析時(shí)，首先進(jìn)行模型平行性檢驗(yàn)，如果p 值大于0.05，說(shuō)明滿(mǎn)足平行性檢驗(yàn)，如果p 值小于0.05，說(shuō)明不滿(mǎn)足平行性檢驗(yàn)，此時(shí)SPSSAU建議使用多分類(lèi)Logit回歸分析；滿(mǎn)足平行性檢驗(yàn)后，接著再具體研究影響關(guān)系情況即可，比如是正向影響還是負(fù)向影響關(guān)系等；除此之外，還可以寫(xiě)出有序Logit回歸分析的模型構(gòu)建公式，以及模型的預(yù)測(cè)準(zhǔn)確率情況等。