二进制 Logistic 回归模型的等值线图示例主题 解释结果 会话命令 另请参见
二进制 Logistic 回归模型的等值线图示例这些数据是学期开始时对某个 MBA 班进行的调查的结果。数据中包含部分关于学生的教育和经济情况的特征数据，并用它们来检验学生有哪些信用卡。
1 打开工作表“MBA调查.MTW”。
2 选择统计 > 回归 > 二进制 Logistic 回归 > 拟合二进制 Logistic 模型。
3 在响应中，输入 AmEx。
4 在连续预测变量中，输入现金年收入。
5 在类别变量下，输入最高学历。
6 单击模型。
7 在预测变量中，突出显示现金。
8 在按阶数排列项的旁边，单击添加。
9 在预测变量中，突出显示现金和年收入。
10 在按阶数排列交互作用的旁边，单击添加。
11 在每个对话框中单击确定。
12 选择统计 > 回归 > 二进制 Logistic 回归 > 等值线图。
13 单击设置。
14 在保持类别变量在选项中，将设置改为硕士。
15 在每个对话框中单击确定。
图形窗口输出
可以看出，两组学生持有 American Express 卡的概率较低：年收入低于 5 万美元的学生携带现金不足 40 美元，年收入超过 10 万美元的学生携带现金在 50 至 250 美元之间。由于等值线比较陡峭，所以预测其他组的学生持有 American Express 卡的概率超过 90%。该预测仅针对最高教育水平为硕士学位的学生。要查看其他最高教育水平学生的模型，请更改设置中的保持值。
请记住，此图是以模型方程为基础的。在解释图之前，应该确保模型是合适的。