简介：

逻辑回归用于研究Y为定类数据时X和Y之间的影响关系情况，例如：客户是否会购买某个商品，如果Y为两类比如0和1（比如1为愿意和0为不愿意，1为购买和0为不购买），此时就叫二元逻辑回归；如果Y为三类以上,此时就称为多分类逻辑回归。

1 二元逻辑回归

1.1 数据处理

自变量并不一定非要定类变量，它们也可以是定量变量。如果X是定类（学历、年龄等）数据，此时需要对X进行哑变量设置。

spsspro会自动进行哑变量操作，也可以在数据处理——虚拟变量转换中自行处理：

如果X非常多(比如超过10个)，此时可以先对定类的X与Y进行卡方分析，对定量的X与Y进行方差分析，先看有没有差异关系，将最终有差异关系的X放入二元逻辑回归模型中，这样X会较少，并且X与Y均有差异关系，也更可能有影响关系，此时二元逻辑回归模型的预测准确率会更高。

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，如果不是，可以在数据处理——数据编码进行操作：

另外，逻辑回归分析对样本量是有一定要求的。这里有个简单的估算方法：样本量为自变量个数的10倍。

1.2 案例介绍

案例：不同年龄跟学历对顾客满意度的影响程度分析

1.3 软件操作

1.4 结果解读

1） 模型检验

模型的似然比卡方检验的结果显示，显著性 值0.027**，水平上呈现显著性，拒绝原假设，因而模型是有效的。

2）二分类逻辑回归结果

字段年龄段_36-45岁显著性 值为0.000***，水平上呈现显著性，拒绝原假设，因此年龄段_36-45岁会对口味满意度产生显著性影响，意味着年龄段_36-45岁每增加一个单位，口味满意度为满意的几率比不满意的几率高了440.008%。

字段学历本科显著性 值为0.000***，水平上呈现显著性，拒绝原假设，因此学历本科会对口味满意度产生显著性影响，意味着学历_本科每增加一个单位，口味满意度为满意的几率比不满意的几率高了145.663%。

所以，年龄段约靠近36-45岁，学历越靠近本科，顾客对于口味满意的概率越大。

2 多分类逻辑回归

2.1 案例介绍

不同性别跟年龄段对顾客满意度的影响程度分析，满意度从1到5分别对应不满意到非常满意。

2.2 软件操作

2.3 结果解读

1）多分类因变量基本汇总

将性别，年龄段作为自变量，满意度作为因变量进行多分类逻辑回归分析，从上表可以看出，总共有468个样本参加分析。

2）模型评价

模型的似然比卡方检验的结果显示，显著性 值0.010***，水平上呈现显著性，拒绝原假设，因而模型是有效的。

3）多分类逻辑回归结果

4）分类评价指标

通过模型预测准确率去判断模型拟合质量，从上表可知：研究模型的整体预测准确率为43.6 %，模型拟合情况一般。

3 总结

本篇文章包括二元逻辑回归和多元逻辑回归，首先可以分析p 值，如果此值小于0.05，说明具有影响关系，接着再具体研究影响关系情况即可，比如是正向影响还是负向影响关系等；除此之外，还可以写出回归分析的模型构建公式，以及模型的预测准确率情况等。