Prism 基于最大似然估计，为 β0 和 β1 提供控制数据。请记住，逻辑斯蒂模型的形式可以用两种等价的形式表示：

Log(几率) = β0 + β1*X，或者

Logit(P(Y=1)) = β0 + β1*X

由于进行了对数几率变换，该模型系数的解读比线性回归更为困难。β0 和 β1 分别是 Y = 1 时对数几率模型的截距和斜率。这句表述有些晦涩，大多数人难以解读。 正确的解读是（尽管这样说并不特别有帮助）：“当 X 增加 1 个单位时，对数比值会增加 β1。” 相反，人们通常会参照后文所述，使用优势比来解读这些系数。您可以在此处进一步了解概率、几率和对数比值之间的关系。

Prism 会同时报告 β0 和 β1 估计值的标准误差以及（剖面似然）置信区间。

通常，β0 和 β1 分别被称为简单逻辑回归的“截距”和“斜率”。 请注意，这些术语仅在以 Log(几率) 为 Y 轴绘制逻辑回归图时才适用（见下文）。然而，通常情况下，Y=1 的概率会被绘制在 Y 轴上，从而形成具有特征的 S 形逻辑斯蒂曲线：

Y=1的概率与X的关系

β0 = -4.614，β1 = 1.370

几率比值与 X 的关系

β0 = -4.614, β1 = 1.370