回歸分析是數據處理中較為常用的一類方法，它可以找出數據變量之間的未知關系，得到較為符合變量關系的數學表達式，以幫助用戶完成數據分析。

接下來我們要介紹的就是回歸分析中的多元回歸分析方法，IBM SPSS Statistics為用戶提供了成熟的多元logistic回歸分析算法。

一、概述

1.數據

圖1：數據樣本

這是一份對不同人群早餐選擇的調查數據，通過SPSS的多元回歸分析，可以將人群特征變量對早餐類型進行分析，找到它們之間的關系。

2.功能位置

圖2：功能位置

在“分析”菜單下，我們可以找到“回歸”中的“多元logistic”分析，進入多元回歸分析的窗口。

二、分析方法

1.因變量設置

圖3：因變量設置

因變量就是跟隨自變量變化的量，本例中指的是“首選的早餐”這一變量。

點擊“參考類別”，設置因變量的參考類別，這是分析時的參考樣，我們設置為所有類別都和最后一個類別對比，類別順序選擇升序。

2.因子和協變量

圖4：因子和協變量

因子可以簡單理解為自變量，我們這里將年齡分段、婚姻狀況和生活方式作為因變量處理。

協變量是分析過程中需要控制的、對因變量有一定影響的控制變量，這里設置為性別。

3.分析模型

圖5：分析模型

SPSS的多元回歸分析有三類模型可選，主效應是指設置好的因子和協變量與因變量之間的關系分析；全因子模型既包括主效應，也包括因子和協變量之間的交互分析；定制步進式則可以有用戶自己定義分析類型。

我們這里選擇主效應進行分析即可。

4.統計設置

圖6：統計設置

這個窗口內設置的是需要進行的統計數據分析，包括多類統計數據可選，我們勾選模型下的偽R方、單元格可能性、步驟摘要、分類表、模型擬合度信息和擬合度，參數下的估計（置信區間設置為95%）和似然比檢驗。

定義子群體選擇“由因子和協變量定義的協變量模式”。

5.收斂條件

圖7：收斂設置

在條件對話框中，進行收斂設置。

最大迭代數是數據進行回歸分析時可進行迭代的次數，這個數值必須是大于或小于100的整數，最大步驟對分設置的是迭代時的等分數，系統默認是5。

對數似然收斂可設置收斂值，回歸過程中對數似然比函數是大于設定值的；參數收斂的數值設置類似。

本例中該對話框保持默認即可。

6.選項設置

圖8：選項設置

在選項對話框中設置離散度量為“無”。

數據的進入概率為0.05，出去概率為0.1，這兩個參數中，前者越大，進入模型的數據越多；后者越小，數據被剔除的越多，進入和出去方法均選擇似然性。

其余保持默認即可。

7.保存設置

圖9：保存設置

在這個對話框中設置需要保存的變量，如果需要將模型信息輸出到XML文件，也可以在次設置。

8.完成分析

圖10：結果輸出

完成上述設置后，就可以在日志輸出窗口中查看分析結果啦！分析結果包含多個表格，每個數值都有特定含義，大家在分析的時候也要認真觀察數據哦！

三、小結

多元logistic回歸分析實質上是二元logistic回歸分析的加和，在操作方法和結果分析上都有一定的相似之處，如果大家認為多元回歸分析理解起來有困難，可以先學習一下IBM SPSS Statistics二元回歸分析的操作和分析。