有如下模型：
1、二项logistic回归：
因变量为两种结局的二分类变量，如中奖=1、未中奖=0；
自变量可以为分类变量，也可以为连续变量；阳性样本量n要求是自变量个数至少10倍。
2、无序多分类logistic回归：
因变量为无序的多分类变量，如获取健康知识途径（传统大众媒介=1，网络=2，社区宣传=3）；自变量可以为分类变量，也可以为连续变量；也可用于因变量为有序多分类变量，但不满足平行检验条件的数据资料。
原理：用因变量的各个水平（除参照水平外）与参照水平比值的自然对数来建立模型方程。
3、有序多分类logistic回归：
因变量为有序的多分类变量，如病情严重程度（轻度=1，中度=2，重度=3）；自变量可以为分类变量，也可以为连续变量。
原理：将因变量的多个分类依次分割为多个二元的Logistic回归；
须进行平行线检验，即检验自变量系数是否相等，如不满足，则使用无需多分类logistic回归。
Logit回归分析用于研究X对Y的影响，并且对X的数据类型没有要求，X可以为定类数据（可以做虚拟变量设置），也可以为定量数据，但要求Y必须为定类数据，并且根据Y的选项数，使用相应的数据分析方法。logit回归分析一般可分为三类，分别是二元logit回归、多分类logit回归、有序logit回归，三类logit回归区别如下：
（1）二元logit回归分析，因变量为二分类变量。
（2）多分类logit回归。因变量为分类数据多组且无序。
（3）有序logit回归，因变量为分类数据多组且有序。
二元Logit回归分析用于研究X对于Y的影响关系，其中X为定量数据或者定类数据，Y为二分类定类数据，（Y的数字一定只能为0和1）例如愿意和不愿意、是和否等。
（1）如果X是定类数据，比如性别或学历等。那么就需要首先对它们做虚拟哑变量处理，使用SPSSAU“数据处理”-“生成变量”功能。操作如下图：
因变量Y只能包括数字0和1，如果因变量的原始数据不是这样，那么就需要数据编码，设置成0和1，使用SPSSAU“数据处理”-“数据编码”功能，操作如下图：
（2）多分类logit回归
只要是logit回归，都是研究X对于Y的影响，区别在于因变量Y上，如果Y有多个选项，并且各个选项之间不具有对比意义，例如，1代表“黑龙江省”，2代表“云南省”，3代表“四川省”，4代表“陕西省”，数值仅代表不同类别，数值大小不具有对比意义，那么应该使用多分类Logit回归分析。如果说因变量Y的类别个数很多，比如为10个，此时建议时对类别进行组合下，尽量少的减少类别数量，便于后续进行分析。此步骤可通过SPSSAU数据处理模块的数据编码功能完成。
在“进阶方法”模块中选择“多分类Logit”方法，将Y定类变量放于上方分析框内，X定类/定量变量放于下方分析框内，点击“开始分析”即可。
有序logit回归：
只要是logit回归，都是研究X对于Y的影响，区别在于因变量Y上，如果Y有多个选项，并且各个选项之间具有对比意义，例如：1代表不满意，2代表一般，3代表满意就可以使用有序logit回归分析。
在“进阶方法”模块中选择“有序Logit”方法，将Y定类变量放于上方分析框内，X定类/定量变量放于下方分析框内，点击“开始分析”即可。
