開啟資料以後，選單欄上依次點選：analyse--regression--binary logistic，開啟二分迴歸對話方塊將因變數和自變數放入格子的列表裡，如圖所示，上面的是因變數，下面的是自變數，我們看到這裡有三個自變數設定迴歸方法，這裡選擇最簡單的方法：enter，它指的是將所有的變數一次納入到方程。其他方法都是逐步進入的方法，在前面的文章中有介紹，這裡就不再熬述。點選ok，開始處理資料並檢驗迴歸方程，等待一會就會彈出資料結果視窗看到的第一個結果是對case的描述，第一個列表告訴你有多少資料參與的計算，有多少資料是預設值；第二個列表告訴你因變數的編碼方式，得分為1代表患病，得分為0代表沒有患病這個列表告訴你在沒有任何自變數進入以前，預測所有的case都是患病的正確率，正確率為%52.6下面這個列表告訴你在沒有任何自變數進入以前，常數項的預測情況。B是沒有引入自變數時常數項的估計值，SE它的標準誤，Wald是對總體迴歸係數是否為0進行統計學檢驗的卡方。下面這個表格結果，透過sig值可以知道如果將模型外的各個變數納入模型，則整個模型的擬合優度改變是否有統計學意義。 sig值小於0.05說明有統計學意義這個表格是對模型的全域性檢驗，為似然比檢驗，供給出三個結果：同樣sig值<0.05表明有統計學意義。下面的結果展示了-2log似然值和兩個偽決定係數。兩個偽決定係數反應的是自變數解釋了因變數的變異佔因變數的總變異的比例。他們倆的值不同因為使用的方法不同。分類表，這裡展示了使用該回歸方程對case進行分類，其準確度為%71.8。最後是輸出迴歸方程中的各變數的係數和對係數的檢驗額值，sig值表明該係數是否具有統計學意義。到此，迴歸方程就求出來了。
開啟資料以後，選單欄上依次點選：analyse--regression--binary logistic，開啟二分迴歸對話方塊將因變數和自變數放入格子的列表裡，如圖所示，上面的是因變數，下面的是自變數，我們看到這裡有三個自變數設定迴歸方法，這裡選擇最簡單的方法：enter，它指的是將所有的變數一次納入到方程。其他方法都是逐步進入的方法，在前面的文章中有介紹，這裡就不再熬述。點選ok，開始處理資料並檢驗迴歸方程，等待一會就會彈出資料結果視窗看到的第一個結果是對case的描述，第一個列表告訴你有多少資料參與的計算，有多少資料是預設值；第二個列表告訴你因變數的編碼方式，得分為1代表患病，得分為0代表沒有患病這個列表告訴你在沒有任何自變數進入以前，預測所有的case都是患病的正確率，正確率為%52.6下面這個列表告訴你在沒有任何自變數進入以前，常數項的預測情況。B是沒有引入自變數時常數項的估計值，SE它的標準誤，Wald是對總體迴歸係數是否為0進行統計學檢驗的卡方。下面這個表格結果，透過sig值可以知道如果將模型外的各個變數納入模型，則整個模型的擬合優度改變是否有統計學意義。 sig值小於0.05說明有統計學意義這個表格是對模型的全域性檢驗，為似然比檢驗，供給出三個結果：同樣sig值<0.05表明有統計學意義。下面的結果展示了-2log似然值和兩個偽決定係數。兩個偽決定係數反應的是自變數解釋了因變數的變異佔因變數的總變異的比例。他們倆的值不同因為使用的方法不同。分類表，這裡展示了使用該回歸方程對case進行分類，其準確度為%71.8。最後是輸出迴歸方程中的各變數的係數和對係數的檢驗額值，sig值表明該係數是否具有統計學意義。到此，迴歸方程就求出來了。