多项 Logistic 回归
如果您希望基于一组预测变量的值对主体进行分类，多项 Logistic 回归非常有用。 此类型的回归与 Logistic 回归类似，但更具一般性，因为因变量不限定为两个分类。
示例。 为更有效地宣传影片，电影厂希望预测影迷们喜欢看何种类型的电影。 通过执行“多项 Logistic 回归”，电影厂可确定个人的年龄、性别以及恋爱状况对影片类型偏好的影响程度。 然后，电影厂可以面向可能观看影片的人群有侧重点地开展特定影片的宣传活动。
统计。 迭代历史记录、参数系数、渐近协方差和相关性矩阵、模型和偏效应的似然比检验，- 2 对数似然统计。 Pearson 和偏差卡方拟合优度。 Cox 和 Snell、Nagelkerke 以及 McFadden R 2。 分类：按响应类别区分的观察频率和预测频率。 交叉表格：按协变量模式和响应类别区分的观察频率和预测频率（带残差）以及比例。
:NONE. 针对全因子模型或用户指定的模型拟合度多项 Logit 模型。 通过迭代最大似然算法执行参数估计。
多项 Logistic 回归数据注意事项
数据。 因变量应为分类变量。 因变量可以是因子或协变量。 总的来说，因子应为分类变量，协变量应为连续变量。
假设。 假设任意两个类别的几率比独立于所有其他响应类别。 例如，如果将新产品推向市场，那么此假设认为所有其他产品的市场份额都均等地受到影响。 同时，在给定的协变量模式下，假设响应独立于多项变量。
获取多项 Logistic 回归
此功能需要 定制表和高级统计信息。
- 从菜单中选择：注意： 红色标记的字段为必填项。 在所有必填字段中输入有效值后，" 粘贴 "和 "确定 "按钮将被启用。
- 选择一个因变量。
- 因子是可选的，可以是数值或类别。
- 协变量是可选的，但必须是数值（如果指定）。
此过程将粘贴 NOMREG 命令语法。