在做logistics迴歸之前，我們要先對你要做預測的變數做個相關分析，找出和你因變數相關的自變數。我這裡就不做了，直接用我處理之後的資料。

開啟我們要分析的資料，單擊“分析”，選擇“迴歸”，然後選擇“二元Logistics迴歸”，彈出下面的介面，如圖：

　把是否購買移到因變數框裡面去，把消費金額和消費數量移動到協變數框裡面去，然後單擊“儲存”按鈕，彈出“Logistics迴歸：儲存”介面，選擇“預測值”下面的“概率”，之後咋愛單擊瀏覽按鈕，把模型儲存到你想儲存的位子，完成之後單擊“繼續”，回到剛剛的那個介面之後單擊“確定”按鈕，就進行了“Logistics迴歸分析”了。

　它會在你原始的資料表格裡面新增加一列資料，這個就是那個事件發生的概率值，在二元Logistics迴歸裡面，結果是用概率值來表示的，但是在0到0.5表示的就是不發生；0.5到1表示的就是發生。

   二元Logistics迴歸分析結果最重要的就是下面那張表格:方程式中的變數

表格裡面的第二列就是迴歸方程的係數，寫成迴歸方程就是：

　　　　　　logit(P) = 0.01*消費金額+(-2.725)*消費數量

“常量”因為顯著性為0.881大於0.05，所以可以說影響力小，可以忽略，加進去也可以(那個常量我問下別人，都說可以忽略，但是不敢確定，怕萬一就加進去試一下，對比下結果)。

接下來就是用已經建立好的模型來做預測

開啟你要預測的資料，然後單擊“實用程式”，選擇“評分嚮導”，瀏覽你剛剛儲存模型的地址，有幾個要注意的地方，直接看圖：

接下來直接就是下一步下一步就可以了，然後單完成，它會在你要預測的資料表裡面新增加一列資料，也就是預測結果。

這樣我們的二元Logistics迴歸預測也就結束了。

注意：

　　1、在這裡我只是進行了簡單的二元Logistics迴歸分析，也就是說因變數只有兩個：是和否，發生或者不發生，其實還有因變臉多種情況的，比如：高、低和中三種情況的。

　　2、還有就是在這裡也沒有進行變數的處理，如果你的資料有很多的變數你肯定是要先進行降維的，我這裡只是根據我之前的一些資料進行的分析，沒有具體做那些預備工作的。