一、多项Logistic回归（分析-回归-多项Logistic）

    如果希望基于一组预测变量的值对主体进行分类，多项Logistic 回归非常有用。此类型的回归与Logistic 回归类似，但更具一般性，因为因变量不限定为两个分类。

1、示例。为更有效地宣传影片，电影厂希望预测影迷们喜欢看何种类型的电影。通过执行“多项Logistic 回归”，电影厂可确定个人的年龄、性别以及恋爱状况对影片类型偏好的影响程度。然后，电影厂可以面向可能观看影片的人群有侧重点地开展特定影片的宣传活动。

2、统计量。迭代历史记录、参数系数、渐近协方差和相关矩阵、模型和偏效应的似然比检验，–2 对数似然统计。Pearson 和偏差卡方拟合优度。Cox 和Snell、Nagelkerke 以及McFadden R2。分类：按响应类别区分的观察频率和预测频率。交叉制表：按协变量模式和响应类别区分的观察频率和预测频率（带残差）以及比例。

3、方法。针对全因子模型或用户指定的模型拟合多项Logit 模型。通过迭代最大似然算法执行参数估计。

4、数据。因变量应为分类变量。因变量可以是因子或协变量。总的来说，因子应为分类变量，协变量应为连续变量。

5、假设。假设任意两个类别的几率比独立于所有其他响应类别。例如，如果将新产品推向市场，则此假设认为所有其他产品的市场份额都均等地受到影响。同时，在给定的协变量模式下，假设响应独立于多项变量。

二、统计量（分析-回归-多项Logistic-统计量）

1、伪R 方。打印Cox 和Snell、Nagelkerke 以及McFadden R2 统计量。

2、步骤摘要。此表汇总了逐步方法中每一步中进入或移去的效应。只有在模型对话框中指定逐步模型的情况下，才会生成此表。

3、模型拟合度信息。此表将拟合模型与仅截距或空模型进行比较。

4、信息准则。此表打印Akaike 的信息准则（AIC）和Schwarz 的Bayesian 信息准则（BIC）。

5、单元格概率。按协变量模式和响应类别打印观察的和期望的频率（带残差）和比例的表。

6、分类表。打印观察响应和预测响应的表。

7、拟合度卡方统计量。打印Pearson 和似然比卡方统计量。将为由所有因子和协变量，或由用户定义的因子和协变量子集确定的协变量模式计算统计量。