01. 概念
多元logistics回归（Multinomial Logistics Regression）是一种在医学研究和社会科学领域中广泛使用的统计方法。这种方法主要用于处理因变量存在多个类别的情况，其中因变量的类别又可以分为无序类别（如口味：酸、甜、辣等）和有序类别（如辣度：微辣、中辣、重辣等）。多元logistics回归实际上是通过多个二元logistics回归模型来描述各类别与参考类别相比各因素的影响作用。
02. 条件
因变量：应具备三个及以上的分类变量。自变量：可以是分类变量或连续变量。协变量：通常为分类变量。
03. 案例及操作
【例】为了探究饮食口味偏好的影响因素，我们选取了年龄、婚姻情况、生活态度等自变量，以及口味偏好（如酸、甜、辣）作为因变量，共挑选了30名被试进行多元logistics回归分析。以下为操作步骤的详细说明：
说明：本案例数据纯属虚构，结论无实际参考性和科学性，仅供操作训练使用。
⑴ 建立数据文件，保存为.sav格式。
⑵ 对口味偏好因变量进行加权处理。
⑶ 选择【分析】→【回归】→【多项logistics】打开多项logistics回归主对话框。
【因变量】：选择分类变量，本例中选择“口味偏好”。
【因子】：可选择多个变量作为因子，本例选择“年龄”、“婚姻情况”、“生活态度”等自变量。
【协变量】：如有需要，可选择多个变量作为协变量，本例中未选择协变量。
⑷ 点击【参考类别】按钮，设置参考类别选项。
⑸ 点击【模型】按钮，设置模型选项，主要考察自变量的主效应，暂不考察交互作用。
⑹ 点击【statistics】按钮，设置统计量，包括伪R方、模型拟合信息、分类表、拟合优度等。
⑺ 点击【条件】按钮，设置收敛性准则，默认选项即可。
⑻ 点击【选项】按钮，设置其他选项，默认选项即可。
⑼ 点击【保存】按钮，勾选【估算响应概率】，以估算每个个案各类口味的偏好概率。
⑽ 点击【确定】按钮，得到分析结果。
04. 结果解释
以下是对分析结果的详细解释：
结果1：【个案处理摘要表】列出因变量和自变量的分类水平及对应的个案百分比。
结果2：【模型拟合信息表】通过检验模型是否有统计意义。
结果3：【拟合优度表】用于评估模型对原始数据的拟合程度。
结果4：【伪R方表】展示模型对原始变量变异的解释程度。
结果5：【模型似然比检验表】显示进入模型的效应及各自变量的贡献。
结果6：【参数估计表】列出自变量不同分类水平对因变量的影响检验，是多项logistics回归分析的重要结果。
通过这些结果表，我们可以构建多项logistics回归模型，并计算各个口味的概率。根据模型预测的响应概率，我们可以判断被试最可能选择的口味偏好。
05. 多项logistics回归模型
基于参数估计表的数据，我们可以构建多项logistics回归模型，并计算各个口味的概率。根据这些概率，我们可以对被试的口味偏好进行预测和判断。