参数的控制数据精度如何？

用于检验控制数据的最佳拟合值的许多方法与多元线性回归中的方法相同。Prism 可选地为每个系数估计值报告标准误差、置信区间和 P 值。这些值可用于评估系数估计值的稳定性。较大的标准误差（进而意味着较大的置信区间）表明点估计值存在相当大的不确定性。P 值则用于评估系数的真实值是否等于零。

变量之间是否存在相互关联或冗余？

Prism 提供了两种方法来评估多元线性回归中预测因子的线性相关性。您可以使用方差膨胀因子评估多重共线性，或通过相关矩阵评估成对相关性。详情请参见此处。

比较模型诊断

选择这些选项将提供校正后的赤池信息准则 (AICc)、对数似然值或模型偏差的原始输出。

在两种特殊情况下，Prism 提供了更简便的模型比较方法。首先，若需将当前模型与仅含截距项的模型进行比较，最简便的方法是在 Prism 的“拟合优度”选项卡中运行假设检验。

其次，若需比较两个不同的逻辑回归模型，可使用“比较”选项卡。

如果上述选项均无法满足您的需求，而您仅需原始数据，请在此部分勾选相应的复选框。

计算

指定 Prism 在报告结果值时应使用的置信水平

输出

“阴性”和“阳性”结果的标签：为了使结果更易于解释，可以在此处为因变量 (Y) 添加文本标签（例如“存在”和“不存在”、“是”和“否”或“活着”和“死亡”）。这些文本标签将用于模型拟合的结果输出中。 如果将分类变量用作因变量，则通常无需更改这些标签。