Logistic回归经常出现在医学科研中。比如，我们用Logistic回归分析低出生体重儿的影响因素，考虑的影响因素有：产妇年龄、产妇孕前体重、产妇孕期是否吸烟、种族等。分析——回归——二元Logistic回归这个路径必须是驾轻就熟啊。但是，Logistic回归的预测功能怎么实现呢?假设，来了一个孕妇，我们想知道她的孩子有多大风险是低出生体重儿?
如果您喜欢数学，喜欢数字，那下面的这个方法也许是您的菜哈。Logistic回归会输出如下的图。
根据Logistic回归模型的原理，我们可以写出一个公式：
接下来的故事您应该猜到了，简单的数学转换，就ok了。这里就不给大家演示了。因为我们有一个更简单、更快捷的方法。只需要一键哦。在SPSS中点开“保存”的对话框，选中“预测值——概率”，点击“继续”、“确定”。我们再回到数据视图，发现多了一个变量PRE_1，这就是我们心心念的概率(风险)。
这时候我们只需要在数据视图录入新数据，比如下图底行：35岁的产妇、孕前体重140斤、其他种族、孕期有吸烟史。这时候，我们重新运行下分析——回归——二元Logistic回归。又有新变化啊，数据视图多了一个变量PRE_2。PRE_2相比PRE_1多了一个数据0.48321。这时候，我们可以告诉这个35岁的孕妇，她产出低出生体重儿的风险是48%。最后，祝大家周末愉快!
