Prism 根据最大似然估计为 β0 和 β1 提供拟合优度值。请记住，逻辑模型的形式可以用两种等效形式表示：

Log（几率）= β0 + β1*X 或

Logit（P（Y=1））= β0 + β1*X

由于采用了对数变换，对模型系数的解读比线性回归更困难。β0 和 β1 分别是 Y = 1 的对数几率模型的截距和斜率。这句话很拗口，大多数人很难解读。说 "X 增加 1 个单位，几率对数增加 β1 "是正确的（虽然不是特别有用）。相反，人们通常使用几率来解读系数，如后面章节所述。您可以在此了解概率、几率和对数几率之间关系的更多信息。

Prism 报告了 β0 和 β1 估计数的标准误差和（剖面似然）置信区间。

通常，β0 和 β1 分别被称为简单逻辑回归的 "截距 "和 "斜率"。请注意，这些术语只与在 Y 轴上绘制 Log(Odds) 时的回归图有关（见下文）。然而，通常情况下，Y=1 的概率被绘制在 Y 轴上，从而生成特征性的 S 形逻辑曲线：

概率 Y=1 vs. X

β0 = -4.614, β1 = 1.370

对数几率 vs. X

β0 = -4.614, β1 = 1.370