7
二元 logistic 回归
7.1 导读
线性回归的因变量 Y 必须为连续变量，但当我们研究的因变量为分类变量时，因为不
再是随机变量，不符合正态分布，因此不能采用线性回归，此时应该使用Logistic 回归。
Logistic 回归分析也用于研究变量之间的影响关系，即 X 对 Y 的影响情况，此处涉及的
Y 是分类数据。结合 Y 的具体情况，Logistic 回归分析可以分为三种，分别是二元 Logistic
回归、多元无序 Logistic 回归和多元有序 Logistic 回归。Logistic 回归分析的分类情况如下
图：
如果因变量Y 仅有两个类别，分别是有无之类的分类数据，则属于二元 Logistic 回归分析
。如果因变量 Y 有两个以上的类别，并且类别之间没有高低、顺序关系，比如血型“A 型、B 型
、AB 型和 O 型”，则可以使用多元无序 Logistic 回归分析。如果因变量 Y 的类别有两个以
上的类别，并且类别之间有高低、顺序关系，如伤痛级别“轻度、中度、重度”，则可以使用
多元有序Logistic 回归分析
问卷研究中，二元Logistic 回归使用频率最高，该方法简单易懂，多元无序Logistic 回
归和多元有序Logistic 回归则相对复杂。本次仅对二元Logistic 回归进行说明。
温馨提示：
在进行二元 Logistic 回归（包括其他 Logistic 回归）分析前，建议先通过单因素分析（t
检验、卡方检验等）考察所有自变量与因变量之间的关系，筛掉一些可能无意义的变量，再
进行多因素分析，这样可以保证结果更加可靠。同时为了防止一些有意义的自变量被单因素分
析剔除，单因素分析时将检验水准设为 P<0.01，只要小于 0.01，就认为有意义，然后进行多
因素分析。
7.2 操作步骤
问题：性别、学历、独生子女对去新疆就业意愿的影响？
性别：1=男，2=女；
学历：1=研究生，2=本科生；
独生子女：1=是，2=否；
