一、origin如何做逻辑回归分析？
1、如果是Origin完成数据的散点图之后，如果是8.0或者更高的版本，点击Origin菜单栏上的Analysis——>Fitting——>LinearFi2、相关分析只做相关分析就可以了，不用回归分析，虽然两者之间有很多的相通点。ABC三列数据，Statistics--DescriptiveStatistics--CorrelationCoefficient--OpenDialog确定，看Pearson Correlations表即可
二、单因素回归分析和多因素逻辑回归分析？
一、概念不同
1、单因素统计：单因素分析（monofactor analysis）是指在一个时间点上对某一变量的分析。
2、多因素回归分析：指在相关变量中将一个变量视为因变量，其他一个或多个变量视为自变量，建立多个变量之间线性或非线性数学模型数量关系式并利用样本数据进行分析的统计分析方法。
二、方法不同
1、单因素统计：试验单元编号、随机分组。
2、多因素回归分析：引进虚拟变量的回归分析、曲线回归、多元回归模型。
三、应用方向不同
1、单因素统计：单因素的盆栽试验；温室内、实验室内的实验等，应用该设计，若实验中获得的数据各处理重复数相等，采用重复数相等的单因素资料方差分析法分析，若实验中获得的数据各处理重复数不相等，则采用重复数不等的单因素资料方差分析法分析。
2、多因素回归分析：影响因变量的因素有多个，这种多个自变量影响一个因变量的问题可以通过多元回归分析来解决。
例如，经济学知识告诉我们，商品需求量Q除了与商品价格P有关外，还受到替代品的价格、互补品的价格，和消费者收入等因素，甚至还包括商品品牌Brand这一品质变量(品质变量不能用数字来衡量，需要在模型中引入虚拟变量)的影响
三、多元逻辑回归分析的作用？
多元逻辑回归（Logistic）被引入财务风险预测研究之后，财务危机预测即简化为已知一公司具有某些财务特征，而计算其在一段时间内陷入财务危机的概率问题。
如果算出的概率大于设定的分割点，则判定该公司将陷入财务风险。
由于多元逻辑回归不要求数据的正态分布，因而其参数估计也比多元判别分析（MDA）更加稳健。虽然许多研究在运用多元逻辑回归方法时都忽略了自变量之间的多重共线性问题，但正如我们在后文所指出的，这一不足并非Logistic分析本身的缺陷。
该方法目前在判别分析研究领域仍然占有主流地位。
四、逻辑回归和判别分析区别？
(1)从含义上区分：
逻辑回归又称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。
判别分析又称“分辨法”，是在分类确定的条件下，根据某一研究对象的各种特征值判别其类型归属问题的一种多变量统计分析方法。
(2)从特点上区分
1.判别分析可以用于多分类情况；
2.线性判别分析比逻辑回归更稳定；
3.利用贝叶斯定理计算后验概率，当条件概率分布是正态分布，和逻辑回归很相似。
五、多因素逻辑回归分析结果解释？
多因素逻辑回归分析的表示意思是指用来分析某类事件发生的概率与自变量之间的关系。
六、因子分析后怎么进行逻辑回归？
直接将生成的因子值作为自变量进行回归即可。因子分子的作用之一就是降维，通过因子分析之后，字段维度会降低，对模型的学习压力会减小，所以可以直接作为入模的特征进行逻辑回归。其次变量因子分析后，精确度更高，可以减少过拟合分险。
七、spss逻辑回归的操作和分析方法？
1、在spss中打开数据，确定要设置哪个变量为哑变量以后，我们打开逻辑回归对话框，操作方法：analyse--regression--binary logistic。
2、将是否吸烟这个变量放到因变量中，将种族放到自变量中，如图所示。
3、选择变量进入方程的方法是enter，因为所有的哑变量必须是同时进入，否则就没有统计学意义了。
4、接下来要设置哑变量了，点击categrio按钮，打开变量分类对话框。
5、将要设置哑变量的变量放入右侧窗口中。
6、到了最关键的部分，我们要选择哪个分类作为参考分类，设置参考分类必须使参考分类有意义，比如这个例子中，种族类别包括黑人、白人和其他种族，那么其他种族一般被设置为参考分类，那么你怎么知道参考分类是第一个还是最后一个呢，后面要设置last和first。
7、回到变量视图中，找到种族这个变量，在value中可以查看变量值，我们看到其他种族这个分类为3，上面那一步应该设置为last。
8、点击ok，开始输出统计结果。
9、输出了一大堆数据，我们不用管，因为这里要教大家如何分析哑变量，所以直奔主题，找到variables in the equation表，这个表中，你可以看到有race（1）和race（2）这两个变量，他们就是race的哑变量，B是系数，因为他们都是跟其他种族相比，图中的数据可以看到，白种人比其他种族的人更容以吸烟，黑种人比其他种族更容易吸烟，白种人和黑种人相比，黑种人可能比白种人更容易吸烟，但是需要进一步的检验。
八、sas如何做logistic分层分析？
答：sas是这样做logistic分层分析的；
disease（0 =没病 ，1=有病）=1.5sex（0=女，1=男）+1.6somke（0=从不吸烟 1=戒烟 2=现在吸烟）+...+1.5area;
其中area的取值为0=城市，1=农村，上述模型的用意是探讨危险因素，可以解释为：以area为例：农村与城市相比，发生疾病的风险提高了50%。
九、逻辑回归算法？
逻辑回归其实是一个分类算法而不是回归算法。通常是利用已知的自变量来预测一个离散型因变量的值（像二进制值0/1，是/否，真/假）。简单来说，它就是通过拟合一个逻辑函数（logit fuction）来预测一个事件发生的概率。所以它预测的是一个概率值，自然，它的输出值应该在0到1之间。
假设你的一个朋友让你回答一道题。可能的结果只有两种：你答对了或没有答对。为了研究你最擅长的题目领域，你做了各种领域的题目。那么这个研究的结果可能是这样的：如果是一道十年级的三角函数题，你有70%的可能性能解出它。但如果是一道五年级的历史题，你会的概率可能只有30%。逻辑回归就是给你这样的概率结果。
逻辑回归的原理
Logistic Regression和Linear Regression的原理是相似的，可以简单的描述为这样的过程：
（1）找一个合适的预测函数（Andrew Ng的公开课中称为hypothesis），一般表示为h函数，该函数就是我们需要找的分类函数，它用来预测输入数据的判断结果。这个过程时非常关键的，需要对数据有一定的了解或分析，知道或者猜测预测函数的“大概”形式，比如是线性函数还是非线性函数。
（2）构造一个Cost函数（损失函数），该函数表示预测的输出（h）与训练数据类别（y）之间的偏差，可以是二者之间的差（h-y）或者是其他的形式。综合考虑所有训练数据的“损失”，将Cost求和或者求平均，记为J(θ)函数，表示所有训练数据预测值与实际类别的偏差。
（3）显然，J(θ)函数的值越小表示预测函数越准确（即h函数越准确），所以这一步需要做的是找到J(θ)函数的最小值。找函数的最小值有不同的方法，Logistic Regression实现时有的是梯度下降法（Gradient Descent）。
十、stata排序逻辑回归怎么做？
在Stata中进行逻辑回归需要先对数据进行排序，以便确定行观测的顺序，从而避免分析过程中出现模型不稳定和标准错误异常等问题。以下是排序逻辑回归的步骤：
1. 读取数据：使用Stata内置命令"import"或"insheet"将数据导入到Stata中。
2. 排序数据：使用"sort"命令将数据按照所需变量排序。例如，按照依变量y和自变量x1和x2的顺序将数据进行排序。
```
sort y x1 x2
```
3. 进行逻辑回归：使用"logit"命令进行逻辑回归分析，并使用"sort"选项指定按照之前排序的顺序对数据进行分析。例如，基于已排序的数据进行逻辑回归：
```
logit y x1 x2, sort
```
4. 检查结果：使用"list"或"estimates table"命令查看结果，并确保结果正确和可行。同时，可以使用其他Stata命令和函数进一步分析数据和结果，以确定逻辑回归的有效性和准确性。
需要注意的是，排序逻辑回归通常在面向面板数据（panel data）时使用。在面板数据中，每个个体在时间上有重复观测，因此需要按照时间顺序对数据进行排序，以确保面板数据模型的稳健性和有效性。在使用时需要根据实际数据进行排序，对于不同的数据集可能需要按照不同的变量进行排序