Prism 基于最大似然估计法提供了 β0 和 β1 的控制数据。请记住，逻辑模型的形式可以用两种等价的形式表示：

Log(几率) = β0 + β1*X，或

Logit(P(Y=1)) = β0 + β1*X

由于进行了对数 odds 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 的对数 odds 模型的截距和斜率。这句表述冗长，大多数人难以解读。正确的说法是（尽管这样说并不特别有帮助）：“当 X 增加 1 个单位时，对数 odds 增加 β1。” 因此，人们通常会参照后文所述，使用优势比来解读这些系数。您可在此处进一步了解概率、优势比和对数优势比之间的关系。

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 轴绘制回归图时才适用（见下文）。然而，通常情况下，Y=1 的几率被绘制在 Y 轴上，从而生成具有特征性的 S 形逻辑曲线：

Y=1 的概率与 X 的关系

β0 = -4.614, β1 = 1.370

几率比值比 vs. X

β0 = -4.614, β1 = 1.370