如何在SPSS中进行条件Logistic回归分？如何在SPSS中

我觉得c 2.0用848p的板子就可以了，虽然这种板子不支持双通道，但是你只有一条512内存，所以也就无所谓啦，而且是AGP 8x的哦，至于品牌当然还是选购一线的产品，比如华硕，微星，技嘉，磐正，当然，如果你喜欢超频的话，升技是一个非常好的选择，还有，我觉得你的显卡本身的64bit很大程度上限制了整机游戏的能力，其只有128bit性能的60％，所以不放把钱花到显卡上，比如9550的双128配置，500左右吧，（或者双128的9600pro,现在已经很便宜了）而且4x有1066BM/s 带宽，在低端显卡中8x带来的高带宽及性能提升是非常有限的，9550在4x和8x中的性能提升并不是非常明显，所以还是建议换显卡来提高游戏性能，

相关因素logistic回归分析结果怎么看

logistic回归又称logistic回归分析，是一种广义的线性回归分析模型，常用于数据挖掘，疾病自动诊断，经济预测等领域。例如，探讨引发疾病的危险因素，并根据危险因素预测疾病发生的概率等。以胃癌病情分析为例，选择两组人群，一组是胃癌组，一组是非胃癌组，两组人群必定具有不同的体征与生活方式等。

关于logit和logistic模型的区别

关于logit和logistic模型的区别貌似是个老生常谈的问题，学习之后稍微整理一下： （1）二者的根本区别在于广义化线性模型中的联系函数的形式。logit采用对数形式log(a)，logistic形式为log(a/1-a)。

（2）应用上，普通logistic的响应变量是二元的，多元logistic的因变量可为多元。logit的响应变量可以是多元的。

（3）统计软件spss中：logit属于对数线性模型，分析结果主要为因变量和自变量之间的关系，可以细化到各分类因变量与分类自变量之间；logistic属于回归分析，分析结果为估计出自变量参数。regression下有Binary logistic regression和 Multinomial logistic regression 。因变量只取0和1时用的就是Binary logistic regression 。而Multinomial logistic regression 分为多分类无序因变量和多分类有序因变量的logistic回归。即因变量多于两个的。

（4）当因变量是多类的，可以采用logistic，也可以用logit，计算结果并无多少差别。

看到前面几个有关Logit回归的问题，给大家做点贡献吧。

1，对于（0，1）的情况，SAS里面默认0在先。要么你编码的时候讲事件编为0，要么在回归的时候加上Descending的选项。

2，结果一般用两张表。第一张就像一般的OLS回归，汇报系数的大小和符号（是的，Logit系数大小没有意义，符号表示影响的方向），系数是否为0的统计值，样本量（这个很重要，我看所有的文章里都有），最后就是模型的Fit。

3，系数是否为零的检验，可以直接汇报SAS结果里面的P值，也可以根据开方值计算通常用的T值，你知道，开方的平方根就是近似的T值。注意，不要汇报开方，看起来很傻的。 4，拟合度方面，现在流行报告一个PseudoR2（有人叫假R2）。比较流行的就是McFadden1974的方法。很简单，用Log－Likelihood（SAS结果的－2 Log L）的Intercept Only除于InterceptAndCovariates再减去1就是假R2了。

第一章表就结束了。因为Logit不是线性模型，系数大小没有意义，要解释每个变量到底在多大程度上影响自变量，就有了第二张表，就是要汇报概率相对于解释变量变化的变化，也就是DependentVar的Derivative，下次再说。（1）二者的根本区别在于广义化线性模型中的联系函数的形式。logit采用对数形式log(a)，logistic形式为log(a/1-a)。

（2）应用上，普通logistic的响应变量是二元的，多元logistic的因变量可为多元。logit的响应变量可以是多元的。

（3）统计软件spss中：logit属于对数线性模型，分析结果主要为因变量和自变量之间的关系，可以细化到各分类因变量与分类自变量之间；logistic属于回归分析，分析结果为估计出自变量参数。regression下有binary logistic regression和 multinomial logistic regression 。因变量只取0和1时用的就是binary logistic regression 。而multinomial logistic regression 分为多分类无序因变量和多分类有序因变量的logistic回归。即因变量多于两个的。

（4）当因变量是多类的，可以采用logistic，也可以用logit，计算结果并无多少差别。关于logit和logistic模型的区别貌似是个老生常谈的问题，学习之后稍微整理一下： （1）二者的根本区别在于广义化线性模型中的联系函数的形式。logit采用对数形式log(a)，logistic形式为log(a/1-a)。

（2）应用上，普通logistic的响应变量是二元的，多元logistic的因变量可为多元。logit的响应变量可以是多元的。

（3）统计软件spss中：logit属于对数线性模型，分析结果主要为因变量和自变量之间的关系，可以细化到各分类因变量与分类自变量之间；logistic属于回归分析，分析结果为估计出自变量参数。regression下有Binary logistic regression和 Multinomial logistic regression 。因变量只取0和1时用的就是Binary logistic regression 。而Multinomial logistic regression 分为多分类无序因变量和多分类有序因变量的logistic回归。即因变量多于两个的。

（4）当因变量是多类的，可以采用logistic，也可以用logit，计算结果并无多少差别。

做logistic回归分析之前做一些别的分析可以吗？比如，因子分析，相关性分析，T检验等?

当然可以啊

你具体要求分析就行了