選擇「二元邏輯迴歸」的程序
可使用邏輯迴歸程序及多元邏輯迴歸程序來適合二元邏輯迴歸模型。 每種程序都有其他程序未提供的選項。 理論上很重要的差異是邏輯迴歸程序會產生所有的預測、殘差、影響統計量、以及在個別觀察值等級使用資料的適合度檢定，而不管資料是如何輸入的，以及共變異數型樣的數量是否小於觀察值的總數量。但是多元邏輯迴歸程序會內部整合觀察值以形成預測變數相同的共變異數型樣的次母體，以產生預測、殘差、以及根據這些次母體的適合度檢定。 如果所有的預測變數都是類別變數，或是任何連續預測變數只具有有限的變數值以使每個共變異數型樣中都有數個觀察值 次母體方式可以產生有效的適合度檢定和情報殘差，但是個別觀察值等級方法則不能。
- 邏輯迴歸
- 提供下列獨特的功能：
- Hosmer-Lemeshow 適合度檢定模型
- 逐步迴歸分析
- 對照定義模式 parameterization
- 其他分類選擇切割點
- 分類圖
- 符合觀察值集合到保留觀察值集合的模式。
- 儲存預測、殘差、以及影響統計量
- 多項式羅吉斯迴歸
- 提供下列獨特的功能：
- 模型適合度的皮爾遜和離差卡方檢定
- 為適合度檢定將資料分組的次母體的規格。
- 列出次母體的次數、預測次數、以及殘差
- 過於分散情形的變異數估計修正
- 參數估計的共變異數矩陣
- 參數的線性結合檢定
- 巢狀模型的清楚規格
- 適合 1-1 使用差異變數的符合條件邏輯迴歸模型
附註：
- 這兩個程序都適合二進位資料的模型（即使用二項式分佈與對數勝算鏈結函數的廣義線性模型）。 如果其他鏈結函數更適合您的資料，您應該使用「廣義線性模型」程序。
- 如果您已重複測量二進位資料，或者已更正記錄，您應該考量使用「一般性線性混合模型」或「一般性估計方程式」程序。