SPSS中的逻辑回归被定义为统计测量领域的二元分类问题。通过估计概率的不同出现，在逻辑函数的指导下，因变量和自变量之间的差异，即它用于预测自变量的结果（1或0或者是/否），因为它是扩展用于预测连续输出变量的线性回归。

逻辑回归是统计学领域使用的一种技术，通过估计不同出现的概率，在逻辑函数的指导下测量因变量和自变量之间的差异。它们可以是二项式（有“是”或“否”结果）或多项式（“一般”与“差”、“非常差”）。概率值介于 0 和 1 之间，并且变量应为正 (<1)。

它以因变量为目标，并遵循以下步骤：

• n- 没有。对所获取的数据集进行固定试验。
• 试验有两种结果。
• 概率的结果应该是相互独立的。
• 每次试验成功和失败的概率必须相同。

预测建模课程旨在提供和增强跨业务部门/领域的预测建模技能。定量方法和预测建模概念可广泛用于了解当前的客户行为、金融市场走势，以及研究药物和制药行业服用药物后的测试和效果。该课程选择理论和实践数据集进行预测分析。实施是使用 SPSS 软件完成的。当我们进行培训时，观察、解释、预测和结论都会在示例中得到解释。该课程还强调其他在线课程中未涵盖的高阶回归模型，例如二次和多项式回归

Ø 基本技能 – 定量方法和 MS Office、Paint 的先验知识
Ø 所需技能 – 了解 MS Excel 中的数据分析和 VBA 工具包将很有用

该课程适用于 SPSS、MS Office、PDF writer 和 Paint 等多个软件包。
回归建模构成了预测建模课程的核心。本课程的核心目标是提供理解回归模型并解释其进行预测的技能。回归模型的相关参数将被解释和测试显着性，并测试给定回归模型的拟合优度。

通过本课程我们将了解：

• 回归属性的解释，例如 R 平方（相关系数）、t 和 p 值
• m（斜率）和 c（截距），
• 因变量 (Y)、自变量 (A1、A2、A3……) 和二元/虚拟 B1、B2、B3……) 变量
• 检查回归模型（方程）拟合优度的 A、B 变量的显着性/相关性
• 根据 A、B 变量的不同值预测 Y 变量
• 了解多重共线性及其缺点
• 使用 SPSS 实现样本数据集并在 MS Excel 中进行输出模拟