二元變量是數據統計中常用的一種變量，這種變量只有兩個可能：是和否，對于這種變量來說，一般是很難進行直接的線性或非線性回歸分析的。這時要探究變量之間的關系，就需要用到二元回歸分析。

接下來我們就通過一個簡單的示例來介紹一下IBM SPSS Statistics中如何對二元變量進行回歸分析。

一、概述

1.樣本數據

圖1：樣本數據

這是一份腫瘤患者體內腫瘤情況的統計表，通過二元回歸分析，我們可以擬合年齡、腫瘤大小和擴散等級這三個變量與“癌變部位的淋巴結是否含有癌細胞”的回歸關系。

2.二元logistic回歸

圖2：功能位置

在“分析”菜單下，可以打開“回歸”中的“二元logistic回歸”分析，這是SPSS提供的專門用于二元回歸的一種分析方法。

二、操作指南

1.變量設置

圖3：變量設置

將“癌變部位的淋巴結是否含有癌細胞”作為因變量，將剩余三個變量移入“協變量”窗口。

下面的方法設置的是協變量的輸入方式，默認的“輸入”就是將變量全部輸入，其他的方法是根據一些特定的方法向前或向后剔除變量后再輸入，我們這里使用“輸入”即可。

選擇變量是用來設置篩選變量的，本數據樣本中變量較少，所以不使用這個功能。

2.分類設置

圖4：分類設置

分類窗口設置分類協變量，我們這里的分類變量是“腫瘤擴散等級”，選擇“指示燈”對比方法，“最后一個”參考類別。

3.保存設置

圖5：保存設置

這是IBM SPSS Statistics分析中較為常見的一個分析保存對話框，用戶可以在其中設置要保存的預測值、影響和殘差，在需要保存的項目前勾選復選框即可。

勾選概率、組成員、杠桿值、標準化和協方差矩陣。

4.選項設置

圖6：選項設置

這個對話框設置統計圖和步進概率，勾選分類圖、霍斯默-萊梅肖擬合優度，在每個步驟輸出。

步進概率中設置進入概率和刪除概率，前者數值應小于后者，保持系統默認即可。

5.完成分析

圖7：分析結果

在輸出日志中查看最終的分析結果，SPSS會為用戶提供模型的相關參數，包括個案統計、顯著性參數、模型擬合度參數等，本例中的顯著性系數均較小，擬合參數較大，因此對于這三個自變量來說，因變量與它們的擬合效果并不明顯。

三、小結

以上就是我們要介紹的如何使用SPSS二元回歸分析方法對二元變量進行擬合分析的案例分享了，希望可以對大家有所幫助！