参数的控制数据精度如何？

用于检验控制数据的许多思路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）表明点估计存在相当大的不确定性。P 值则可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逻辑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。

模型诊断比较

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结果。

在两种特殊情况下，Prism 提供了更简便的模型比较方法。首先，如果您希望将当前模型与仅包含截距项的模型进行比较，那么在 Prism 中最简便的方法是在“拟合优度”选项卡中运行假设检验。

其次，如果您希望比较两个不同的逻辑回归模型，可以使用“比较”选项卡。

如果上述两种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 在结果中报告数值时应使用的置信水平

输出

“阴性”和“阳性”结果的标签： 为了便于解读结果，可在此处为因变量（Y）添加文本标签（例如“存在”和“不存在”、“是”和“否”，或“存活”和“死亡”）。这些文本标签将用于模型拟合结果的输出中。 如果将分类变量用作因变量，则通常无需更改这些标签。