一般對數線性分析
在交叉表列或列聯表中，「一般對數線性分析」程序會分析那些落入每個交叉分類中的觀察值個數。 表格中的每個交叉分類會構成一個儲存格，而每個類別變數就稱為一個因素。 另外，應變數是指交叉表列中儲存格的個案個數（次數），而說明變數則是指因素和共變量。 該程序使用 Newton-Raphson 法來估計階層式與非階層式對數線性模型的最大概似參數。 可以分析 Poisson 或多項式分佈。
使用時，您最多可以選擇 10 個因素來定義表格內的儲存格。 而且儲存格結構變數讓您可以替不完整的表格定義結構性零值、在模型中包括偏移項、適合對數比模型，或實施邊際表格的調整方法。 至於對比變數，則能讓您計算概化對數勝算比 (GLOR)。
系統會自動顯示模型資訊與適合度統計量。 此外，您也可以顯示各種統計量和圖形，或將殘差和預測值存入作用中資料集。
範例。 以一份有關佛羅里達州汽車意外事件的報告資料為例，它可用來確定繫安全帶與傷害是否致命之間的關聯性。 資料上的勝算比，明顯地指出其關聯性。
統計資料。 觀察和期望頻次；原始殘差、調整後殘差和離差；設計矩陣；參數估計值；勝算比；對數勝算比；GLOR；Wald 統計量；信賴區間。 圖形：調整後殘差、偏誤殘差和一般機率。
一般對數線性分析資料考量
資料。 因素是類別的，而所有的資料格共變數都是連續的。 當共變數在模型中時，系統會將資料格中觀察值的平均值共變數值套用至該資料格。 相對變數是連續的。 它們用於計算概化對數勝算比。 其值是期望資料格數的對數線性組合的係數。
此時，儲存格結構變數會指派加權值。 例如，如果部分儲存格是結構零，則儲存格結構變數的值為 0 或 1。 請勿使用儲存格結構變數來加權聚集資料。 請改用「資料」功能表中的「加權觀察值」。
假設。 「一般對數線性分析」中有兩種可用的分佈：卜瓦松和多項式。
在卜瓦松 (Poisson) 分配的假設之下：
- 在研究進行之前，總樣本的大小應該不是固定的，否則分析不會取決於總樣本大小。
- 資料格中的觀察值事件，在統計上與其他資料格中的資料格數是互相獨立的。
那麼，在多項式分佈的假設之下：
- 總樣本的大小必須是固定的，否則分析會取決於總樣本大小。
- 儲存格數在統計上並不是獨立的。
相關程序。 使用「交叉列表」程序來檢驗交叉列表。 若原本將一個或多個類別變數視為回應值，而其他的視為說明變數，請使用「對數勝算對數線性」程序。
取得一般對數線性分析
此功能需要 自訂表格及進階統計量。
- 從功能表中選擇：
- 在「一般對數線性分析」對話框中，選擇最多 10 個因素變數。
您可以選擇性地：
- 選取資料格共變數。
- 選取資料格結構變數，以定義結構性零值或包括偏移項。
- 選擇對比變數。
此程序會貼上 GENLOG 指令語法。