簡單解釋二元羅吉斯迴歸~1 @ 晨晰統計部落格新站（統計、SPSS、BIG DATA討論園地）

一篇研究在經過多種量化分析的統計方法後，經常以找尋預測因子或影響因子作為Ending，所使用的統計方法即是大家常看到的迴歸分析，一般所指的迴歸分析若沒有特別強調，通常都是線性迴歸（Linear Regression），而且是多個自變項所組成的多元線性迴歸（Multiple Linear Regression），不過根據我的經驗，多數客戶學線性迴歸並沒有太大的問題，就算拿書自學也都能輕易上手；而這篇所要介紹的是從統計方法聽起來就比較難的二元羅吉斯迴歸。

二元羅吉斯迴歸與線性迴歸的差別，僅在於依變項/Outcome尺度的不同，當依變項為二類的類別變項（通常Coding 1 & 0）時，會採用二元羅吉斯迴歸進行分析；而當依變項為連續尺度的變項時，則是使用線性迴歸。（當依變項的水準為三類以上，則採用多項式羅吉斯迴歸）。

(我也想要上統計課程)

在這篇文章中，僅教導各位如何看懂報表及學會如何解釋，SPSS操做的部分以後有機會再分享，或可參考之前一篇「SAS簡易教學～二元羅吉斯迴歸分析」。以下的例子為虛擬的案例，依變項是受訪者「有無受到運動傷害」（有=1、無=0），自變項則有「性別」、「運動前有無暖身」、「年齡」、「運動年數」，本例僅選擇自變項有達顯著水準的部分來做介紹，實際上，自變項未達顯著的話您也不會有太多解釋，這代表該自變項並不會影響/預測依變項。

二元羅吉斯迴歸結果的解釋並不困難，只要拆成兩個步驟來解釋，最後再合在一起即可。

首先，是自變項的部分，無論是在跑線性迴歸、羅吉斯迴歸、廣義估計方程（GEE）、階層線性模式（HLM）、一般線性模式（GLM），自變項只分連續與類別兩種解釋。（1）連續變項比較簡單，即數字越大越會怎麼樣（後者的怎麼樣是要配合依變項的結果，所以到時與依變項結果搭配即完成敘述），因此以下表為例，年齡與運動年數都是連續變項，所以解釋即為年齡越大越怎樣、運動年數越久越怎樣；（2）而當自變項為類別變項時，大家可能聽過必須做虛擬編碼（Dummy Code），沒聽過也沒關係，只要記得此時類別變項裡會指定某一類為參照組（又稱被比較組，可由研究者自行決定），參照組一旦決定，所有的類別都會被解釋成與參照組做比較，因此以下表為例，性別與運動前暖身為類別變項，我也已經指定性別部分以女性為參照組，運動前暖身以無暖身為參照組，所以解釋即為男性相較女性還要怎麼樣、有暖身相較沒暖身還要怎麼樣。