拟合二元 Logistic 模型概述 操作步骤 示例 数据 另请参见
拟合二元 Logistic 模型统计 > 回归 > 二进制 Logistic 回归 > 拟合二进制 Logistic 模型
使用二进制 logistic 回归对二进制响应变量执行 logistic 回归。二进制变量只有两个可能值，如存在或不存在某种特定疾病。使用迭代重加权最小二乘算法拟合具有一个或多个预测变量的模型，可获得参数 [29] 的极大似然估计。
二进制 Logistic 回归可以将观测值分成两个类别。在某些情况下，分类比判别分析的分类错误率更低 [10]，[31]。
默认模型包含您在连续预测变量和类别预测变量中输入的变量。如果要添加交互作用和多项式项，请使用模型子对话框中的工具。
Minitab 存储为每个响应变量拟合的最新模型。您可以使用存储的模型快速生成预测、等值线图、曲面图、重叠等值线图、因子图和优化的响应。
有关如何使用存储的模型的讨论，请参见存储的模型概述。
有关三种形式的响应数据的各个示例，请参阅为响应变量输入数据：二进制响应形式、频率形式和事件/试验形式。
二进制响应/频率形式的响应：如果响应数据作为包含 2 个不同值的列输入，请选择此项。
响应：输入包含响应值的列。
响应事件：选择分析的结果将描述的希望的事件。
频率（可选）：如果数据位于两列中（一列包含响应值，另一列包含它们的频率），请输入包含频率的列。
事件/试验格式的响应：如果响应数据是按两列输入的（一列包含成功次数或希望的事件数，另一列包含试验次数），请选择此项。
事件名称：在数据中输入事件的名称。
事件数：输入包含事件数的列。
试验数：输入包含非事件数的列。
连续预测变量：选择解释响应中出现的变化的连续变量。预测变量也称作 X 变量。
类别预测变量：选择解释响应中出现的变化的类别分类或组指定，如原料的类型。预测变量也称作 X 变量。