Logistic回归主要分为三类，一种是因变量为二分类得logistic回归，这种回归叫做二项logistic回归，一种是因变量为无序多分类得logistic回归，比如倾向于选择哪种产品，这种回归叫做多项logistic回归。
应该用logistic回归。前提是设计好变量类型。使用有序Logistic进行回归分析时，需要考虑4个假设：假设1：因变量唯一，且为有序多分类变量，如血压水平可以分为高、中、低；某病的治疗效果分为痊愈、有效、无效等。
logit回归 打开数据，依次点击：analyse--regression--binarylogistic，打开二分回归对话框。将因变量和自变量放入格子的列表里，上面的是因变量，下面的是自变量。
强烈推荐大家去听一听）。那么这是什么原因呢？这绝不是probit不好用的原因。主要原因有两个，第一，logistic回归形式比较多。二分类，有序多分类，无序多分类，这些logistic回归都可以做。
一种是因变量为二分类得logistic回归，这种回归叫做二项logistic回归。一种是因变量为无序多分类得logistic回归，比如倾向于选择哪种产品，这种回归叫做多项logistic回归。
二元logit回归 打开数据，依次点击：analyse--regression--binarylogistic，打开二分回归对话框。将因变量和自变量放入格子的列表里，上面的是因变量，下面的是自变量（单变量拉入一个，多因素拉入多个）。
1、似然比：是反映真实性的一种指标，属于同时反映灵敏度和特异度的复合指标。
2、Fisher是精确概率检验，只在四格表中使用。
3、打开数据文件，选择【分析】（Analyze）菜单，单击【描述统计】（Descriptive Statistics）命令下的【交叉表】（Crosstabs）命令。交叉表（Crosstabs）主对话框如图3-13所示。
4、从表的备注a中看到最小期望值都是超过5，所以，只要看第一行的皮尔逊卡方和它的sig值就可以。所以说明卡方检验显著，交叉表的两个变量之间有显著的相关性。
1、首先似然比统计量是在进行两个互斥的假设之间“比较”的。其次p值是衡量在零假设下观察到的结果或更极端结果的概率。最后p值小于显著性水平，可以拒绝零假设。
2、第二步，查表，根据自由度和α找到临界值；第三步，将SPSS输出的统计量观测值与查表所得临界值进行对比，得出结果。
3、拟合度指标RNew=1-（Q/∑y^2）^（1/2）。拟合优度（Goodness of Fit）是指回归直线对观测值的拟合程度。度量拟合优度的统计量是可决系数（亦称确定系数）R。R最大值为1。
监督分类样本选择一般选10-100个。根据查询相关公开信息显示一般情况下，要行到可靠的结果，每类至少选择10-100个样本，从随机采集10-100个样本点，并确保每一类别不少于10个样本。
训练样本应在各类目标地物面积大的中心选取，这样有代表性。训练样本的数目要足够多，能够提供各类足够的信息和克服各种偶然因素的影响。
第一步：首先打开需要进行监督分类的影像数据，选择不同的波段进行彩色合成，这里尽可能的选择信息量最丰富的波段来进行合成。波段选择可以通过计算不同波段之间的相关系数来分析其相关性。
最小距离法 最小距离法的基本原理是根据已知类别或训练样本的模式特征选择特征参数并建立判别函数，通过待分类像元与各类别均值向量的距离比较而将其划分至与之距离最小的类别之中。
选择训练样本：分析者对待分类图像所在区域有所了解，或进行过初步的野外调查，或研究过有关图件和高精度的航空照片。其最终选择的训练样本应能准确地代表整个区域内每个类别的光谱特征差异。
