Logistic 回归：变量选择方法

方法选择允许您指定自变量将如何进入到分析中。 通过使用不同的方法，您可以根据相同的变量组构造多个回归模型。

• 进入。一种变量选择过程，块中的所有变量均通过一个步骤输入。
• 向前选择（条件）(Forward Selection (Conditional)). 一种逐步选择方法，其输入检验基于评分统计值的显著性，而移除检验则基于以条件参数估计值为依据的似然比统计值概率。
• 向前选择（似然比）(Forward Selection (Likelihood Ratio)). 一种逐步选择方法，其输入检验基于评分统计量的显著性，而移除检验则基于以极大偏似然估计值为依据的似然比统计量概率。
• 向前选择 (Wald) (Forward Selection (Wald)). 一种逐步选择方法，其输入检验基于评分统计量的显著性，而移除检验则基于 Wald 统计量的概率。
• 向后去除（条件）(Backward Elimination (Conditional)). 向后逐步选择。 移去检验基于在条件参数估计的似然比统计的概率。
• 向后去除（似然比）(Backward Elimination (Likelihood Ratio)). 向后逐步选择。 移去检验基于在最大偏似然估计基础上的似然比统计的概率。
• 向后去除 (Wald) (Backward Elimination (Wald)). 向后逐步选择。 移去检验基于 Wald 统计的概率。

输出中的显著性值基于与单个模型的拟合。 因此，当使用逐步法时，显著性值通常无效。

所有被选自变量将被添加到单个回归模型中。 不过，您可以为不同的变量子集指定不同的进入方法。 例如，您可以使用逐步式选择将一个变量块输入到回归模型中，而使用向前选择输入第二个变量块。 要将第二个变量块添加到回归模型，请单击下一个。