品牌型号：联想Think Book

系统：Windows10 64位旗舰版

软件版本：IBM SPSS Statistics 29.0

在数据分析领域，为了使数据呈现更简洁易读，二元分类变量通常取值为0和1来代表不同的分类定义，而对于自变量与因变量之间的关系分析，SPSS不仅有针对直线变化趋势的线性回归方法，还包括针对分类变量与多个自变量的逻辑回归手段。本文以SPSS逻辑回归多重分类是什么，SPSS逻辑回归多重分类参考类别设置这两个问题为例，给大家介绍一下SPSS逻辑回归的相关知识。

一、SPSS逻辑回归多重分类是什么

一般来讲，因变量和自变量的分析可以使用线性回归的方法，但是如果因变量不是连续数值型变量，而是分类变量，那么多元线性回归的思路就无法适用了，所以应该采用SPSS逻辑回归的方法来对非线性关系进行分析。

1、下图为某医院探究成年男性高血压、高血糖情况与脑血栓关系的研究数据，分别是285例脑血栓病例和705例健康人对照，0表示对照，代表不存在高血压情况、不存在高血糖情况，1表示病例，代表高血压、高血糖。

2、首先将高血压和高血糖的有无情况频率作为个案加权依据，然后在SPSS分析模块找到【二元Logistic】选项按键。将病例对照Y放入因变量内容框，高血压X1和高血糖X2移动到【块】，由此可以分析高血压和高血糖情况对病例的非线性影响。

3、然后点击页面的【分类】选项，将高血压X1和高血糖X2移动到【分类协变量】栏，在【更改对比】栏勾选【参考类别】的【第一个】，再勾选【预测值】的【概率】和【组成员】，这样就能够后续查看回归分析的数据概率统计等相关信息。

4、最后找到【选项】的【统计和图】模块，勾选【霍斯默莱梅肖拟合优度】，并且在置信区间填写95%，完成回归拟合优度和置信区间的设置。

二、SPSS逻辑回归多重分类参考类别设置

因为因变量属于脑血栓是否患病的分类变量，所以我们在逻辑回归的方法设置中需要进行分类协变量的设置。根据上述操作，我们可以评估数据模型的拟合程度进而了解相关回归模型情况，接下来展示一下如何进行逻辑回归的多重分类设置。

1、首先我们来看SPSS结果输出页面的模型系数检验，它是将纳入模型的所有自变量作为一个整体，我们看到显著性p＜0.05，表示至少有一个自变量可以解释因变量分类结果。

2、下图显著性p值为0.993大于0.05，表明观测值和预测值适配。在列联表中，我们可以看到病例和健康人对照数据在实测和期望方面的数值，总体上案例数据模型拟合好。

3、B表示回归模型系数，瓦尔德用于检验回归系数是否显著，高血压回归系数为0.465，wald值为7.951，显著性p＜0.05，证明高血压与患脑血栓之间存在关联。

三、小结

以上就是SPSS逻辑回归多重分类是什么，SPSS逻辑回归多重分类参考类别设置的解答。如果我们想要分析分类变量与自变量的关系，推荐使用SPSS逻辑回归的方法。最后，也欢迎大家前往SPSS的中文网站，学习更多关于数据分析的操作技巧。