1. 此时依变数是一个二元(Binary)型态的类别资料,依变数其值仅为0或1。

2. 考量在不同的自变项(X)下,依变数为1比起依变数为0的胜算。

视为胜算(风险)高,请注意β系数≠胜算比(OR值)。

以下我们以收缩压是否高于140 mm-Hg作为依变项(Y),是否喝酒作为自变项(X),并以年龄、性别、是否抽烟作为校正因子。

1. 请先确认依变数(Y)以定义为二元型态,通常0是无事件(如无生病)、1是有事件(如生病)。

2. 操作如Figure 1(A),请注意选择的是“二元Logistic”,下方的多项式Logistic指的是依变数不只二元,因此并非目前讨论的方法。

变项就会变成图如所示后面多了(指标(第一个))。

4. 在“选项”中,可以点选Exp(B)之信赖区间估计,就可以请SPSS一同计算出胜算比(OR值)的95%CI。

因为输出的表格很多,以下会撷取重点结论的部分来进行简单的说明:

若是类别变项不是以数字编码,像是女性为F、男性为M的话,也可以从此表格中确认参考组的设定状况。

3. Figure 2(C)呈现若是以此模型来预测有没有生病的结果,以此范本为例,有81%的状况是被预测正确的。

“选项”中已勾选计算信赖区间的话,就会在最后面呈现。

5. 以喝酒这个变项为例,解释如下:在控制了其他条件(年龄、性别、抽烟)下,有喝酒的人比起没有喝酒的人发生收缩压>140 mm-Hg

风险是1.407倍,并且达统计上显著差异(P-value<0.001)。