Logistic回歸分析（logit回歸）一般可分為3類，分別是二元logistic回歸分析、多分類Logistic回歸分析和有序Logistic回歸分析。logistic回歸分析類型如下所示。
logistic回歸
Logistic回歸分析用於研究X對Y的影響，並且對X的數據類型沒有要求，X可以為定類數據，也可以為定量數據，但要求Y必須為定類數據，並且根據Y的選項數，使用相應的數據分析方法。
如果Y有兩個選項，如願意和不願意、是和否，那麼應該使用有序logistic回歸分析(SPSSAU進階方法->二元logit);
如果Y有多個選項，並且各個選項之間可以對比大小，例如，1代表「不願意」，2代表「無所謂」，3代表「願意」，這3個選項具有對比意義，數值越高，代表樣本的願意程度越高，那麼應該使用多元有序Logistic回歸分析(SPSSAU進階方法->有序logit)；
如果Y有多個選項，並且各個選項之間不具有對比意義，例如，1代表「淘寶」，2代表「天貓」，3代表「京東」，4代表「亞馬遜中國」，數值僅代表不同類別，數值大小不具有對比意義，那麼應該使用多元無序Logistic回歸分析(SPSSAU進階方法->多分類logit)。
1、有序logistic回歸分析基本說明
進行有序logistic回歸時，通常需要有以下步驟，分別是連接函數選擇，平行性檢驗，模型似然比檢驗，參數估計分析，模型預測準確效果共5個步驟。
1)連接函數選擇
SPSSAU共提供五類連接函數，分別如下：
SPSSAU默認使用logit連接函數，如果模型沒有特別的要求，應該首選使用logit連接函數，尤其是因變量的選項數量很少的時候。連接函數可能會對平行性檢驗起到影響，如果平行性檢驗無法通過時，可考慮選擇更準確的連接函數進行嘗試。正常情況下使用默認的logit連接函數即可。
2)平行性檢驗
一般來說，模型最好通過平行性檢驗，但在研究中很可能出現無法通過的現象。此時有以下建議，如下：
改用多分類logistic回歸；換個方法，因為一般可使用有序logistic回歸的數據也可以使用多分類logistic回歸分析；
改用線性回歸；可考慮換成線性回歸分析嘗試；
改變連接函數；選擇更適合的連接函數；
將因變量的類別選項進行一些合併處理等，使用SPSSAU數據處理->數據編碼功能。
一般來說，有序logistic回歸有一定的穩健性，即平行性檢驗對應的P值接近於0.05時，可考慮直接接受有序logistic回歸分析的結果。
3)模型似然比檢驗
模型似然比檢驗用於對整個模型的有效性進行分析，一般對應的P值小於0.05即可。同時SPSSAU還提供AIC和BIC這兩個指標值，如果模型有多個，而且希望進行模型之間的優劣比較，可使用此兩個指標，此兩個指標是越小越好。具體可直接查看SPSSAU的智能分析和分析建議即可。
4)參數估計分析
參數估計分析其實就已經開始進入實質性的分析了。首先可分析R方，即模型的擬合水平情況，SPSSAU提供3個R方值指標，分別是McFadden R 方、Cox & Snell R 方和Nagelkerke R 方。此3個R 方均為偽R 方值，其值越大越好，但其無法非常有效的表達模型的擬合程度，意義相對交小，而且多數情況此3個指標值均會特別小，研究人員不用過分關注於此3個指標值。一般報告其中任意一個R方值指標即可。
5)模型預測效果分析
有序logistic回歸建模時，還可以對模型的預測效果進行分析，SPSSAU也會默認輸出結果，當然一般情況下我們關注於影響關係，因而對於預測效果等不那麼看重。即模型預測質量的關注乎相對較低，多數時候直接忽略它。
2、如何使用SPSSAU進行有序logistic回歸操作
關於有序logistic回歸的操作上，SPSSAU操作如下：
至於分析結果如下：
首先對模型整體有效性進行分析(模型似然比檢驗)，從上表可知：此處模型檢驗的原定假設為：是否放入自變量(性別_女, 年齡, 年收入水平, 文化程度)兩種情況時模型質量均一樣；分析顯示拒絕原假設(chi=62.510,p=0.000<0.05)，即說明本次構建模型時，放入的自變量具有有效性，本次模型構建有意義。
首先可針對任意一個R方值進行描述，一般是McFadden R 方為0.08，意味著自變量僅解釋幸福度8%的原因，logistic回歸時R方值一般都比較小，一般不用過多理會。
具體分析影響關係時，可直接參考SPSSAU的智能分析即可，而上表格還列出因變量閾值對應的信息，該數據對數據分析並無過多意義，僅為數學上的指標值而已。
性別_女的回歸係數值為0.072，但是並沒有呈現出顯著性(z=0.352，p=0.725>0.05)，意味著性別並不會對幸福水平產生影響關係。
年齡的回歸係數值為-0.027，並且呈現出0.01水平的顯著性(z=-2.921，p=0.003<0.01)，意味著年齡會對幸福水平產生顯著的負向影響關係。年齡越大的人幸福水平反而越低。
年收入水平的回歸係數值為0.508，並且呈現出0.01水平的顯著性(z=4.849，p=0.000<0.01)，意味著年收入水平會對幸福水平產生顯著的正向影響關係。收入水平越高的群體，幸福度會越高。
文化程度的回歸係數值為0.311，並且呈現出0.01水平的顯著性(z=3.502，p=0.000<0.01)，意味著文化程度會對幸福水平產生顯著的正向影響關係。文化水平越高的群體，他們的幸福度會越高。
3、有序logistic相關問題
在使用SPSSSAU進行有序logistic回歸時，可能會出現一些問題，比如提示奇異矩陣，質量異常，Y值只能為0或1等，接下來一一說明。
第1點：出現奇異矩陣或質量異常
如果做有序logsitic回歸時提示奇異矩陣，通常有兩個原因，一是虛擬啞變量設置後，本應該少放1項作為參考項但是並沒有，而是把所有的啞變量項都放入框中，這會導致絕對的共線性問題即會出現奇異矩陣矩陣。二是X之間有著太強的共線性（可使用通用方法的線性回歸查看下VIF值），此時也可能導致模型無法擬合等。先找出原因，然後把有問題的項移出模型中即可。
同時，如果因變量Y的分布極其不均勻，SPSSAU建議可先對類別進行組合，可使用數據處理裡面的數據編碼完成。
第2點：無法通過平行性檢驗?
有序Logit回歸的分析要求數據滿足平行性檢驗，如果不滿足，SPSSAU建議使用多分類Logti回歸分析即可，當然也可以改用線性回歸，改變連接函數，對因變量Y的選項進行組合等多種方式，嘗試並在最終選擇出最優方案即可。
第3點：OR值的意義
OR值=exp(b)值，即回歸係數的指數次方，該值在醫學研究裡面使用較多，實際意義是X增加1個單位時，Y的增加幅度。如果僅僅是研究影響關係，該值意義較小。
第4點： wald值或z值
z 值=回歸係數/標準誤，該值為中間過程值無意義，只需要看p 值即可。有的軟體會提供wald值（但不提供z 值，該值也無實際意義），wald值= z 值的平方。
第5點： McFadden R 方、Cox & Snell R 方和Nagelkerke R 方相關問題？
Logit回歸時會提供此3個R 方值（分別是McFadden R 方、Cox & Snell R 方和Nagelkerke R 方），此3個R 方均為偽R 方值，其值越大越好，但其無法非常有效的表達模型的擬合程度，意義相對交小，而且多數情況此3個指標值均會特別小，研究人員不用過分關注於此3個指標值。一般報告其中任意一個R方值指標即可。