参数的拟合优度值有多精确？

检验拟合优度值的许多相同想法也适用于多元线性回归。Prism 可以选择报告每个二次系数估计值的标准误差、置信区间和 P 值。这些值可用于评估系数估计值的稳定性。标准误差大意味着置信区间大，这意味着点估计存在相当大的不确定性。P 值可以评估系数的真实值是否等于零。

变异性是相互交织还是多余的？

Prism 提供了两种方法来评估多元逻辑回归中预测因子的线性依赖度。您可以使用方差膨胀因子评估多重共线性，或使用相关矩阵评估成对相关性。详情请参阅此处。

比较模型诊断

选择这些选项可提供修正的 Akaike 信息准则 (AICc)、对数似然或模型偏差的原始输出。

在两种特殊情况下，Prism 有更简便的方法来比较模型。首先，如果您希望将您的模型与仅有截距的模型进行比较，那么在 Prism 中最简单的方法就是在拟合优度选项卡中运行假设检验。

其次，如果您想比较两个不同的逻辑回归模型，可以使用比较选项卡。

如果这两个选项都不能满足您的需求，而您只需要原始数据，那么请在本节中选择所需的方框。

计算

指定 Prism 在报告结果值时应使用的置信水平

输出

"阴性"和 "阳性"结果的标签： 为便于解释结果，可在此处为因变量（Y）添加文本标签（如 "存在"和 "不存在"、"是"和 "否"或 "活着"和 "死了"）。这些文本标签将在模型拟合的结果输出中使用。如果因变量使用的是分类变量，则不太可能需要更改这些标签。