当因变量（Y）是二分的（是/否、成功/失败等）时，使用多元逻辑回归。因变量（Y）仅可有两个值。因变量可以是值为“0”和“1”的连续变量，也可以是有两个（文本）级别的分类变量。给定一个或多个X变量的特定值，多元逻辑回归将提供Y等于1的概率（或Y等于分配分类级别的概率）的拟合。

选择因变量

从下拉菜单中选择包含您的因变量（Y）的适当列。请注意，该变量仅可包含两个值（其必须是值为“1”和“0”的连续变量或有两个级别的分类变量）。如果连续变量（值为“0”和“1”）用作因变量，则可添加标号，在“参数”对话框的“选项”选项卡上标识这些值。

定义模型

除对Y值的限制外，数据的输入方式与多元线性回归的方式相同。Prism可简单地选择将哪些变量纳入模型中，包括两因素和三因素交互作用和变换。然而，Prism无法自动为您选择一组变量或交互作用。阅读为什么。

截距

对于逻辑回归，截距是所有X值为零时的预期对数优势。如果其并未给您带来直观价值，并不是只有您一个人遇到该问题。由于逻辑回归中使用的因变量的对数优势变换，因此该值比线性回归的值更难以解读。也许理解该值最简单的方法是，根据可通过简单逻辑回归绘制的S逻辑曲线进行思考。当X为零时，截距项可提供有关该S曲线上的值的信息。使用一些单代数，可证明在X=0时，该S曲线上的值由下式给出：

X等于0时的概率=eβ0/（1+eβ0）

另一种思考方式是，截距项允许您在缺少（或考虑）您的预测变量的情况下确定成功的概率。

关于逻辑回归模型的截距，需要记住的一件非常重要的事情是，几乎没有理由排除该截距。如上所述，逻辑回归模型的截距（β0）值告诉您，当所有预测变量（X变量）均等于零时，有关预测对数优势的结果。如果我们将这一信息从对数优势标度变换为概率标度，模型的截距可提供在考虑所有其他变量后观察到“成功”（Y=1）的概率信息。然而，通过从模型中排除截距，您假定当所有的X变量均为零时，观察到“成功”的概率等于0.5（或50%）。如果您感兴趣的话，您可以在此处阅读有关数学的更多内容。但底线是，在无预测因子的情况下，您能够假设（或您想要假设）“成功”的概率为0.5的情况是非常罕见。因此，您几乎始终希望将截距项纳入您的模型中。

主效应

使用复选框选择希望纳入模型中的X变量。拟合模型时，Prism将为每个选定的主效应（以及每个选定的交互作用和变换）确定一个回归系数。默认情况下，将选择所有主效应。如果您取消选中其中一个主效应，则该X变量基本上不会成为分析的一部分（除非该变量是交互作用或变换的一部分，如下所述）。

交互

Prism可简单地在模型中纳入自变量的两因素和三因素交互作用。两因素交互作用将两个变量相乘以创建一个新变量，而模型将为该变量确定一个回归系数。类似地，三因素交互作用将三个变量相乘。三因素交互作用比两因素交互作用更不常用。

变换

Prism允许您使用模型中任何变量的平方、立方或平方根。定义多元回归模型时，如果您希望Prism提供其他变换，请告知我们。