SPSS 里该用哪种回归？按结局变量类型选择
简要回答：选回归方法主要看结局（因变量）的类型：连续型用线性回归，二分类用二元 Logistic 回归，有序多分类用有序回归，计数资料用泊松或负二项回归，带时间的结局（生存数据）用 Cox 回归。选完还要检查对应的前提条件。
一张表选方法
| 结局变量类型 | 例子 | 推荐方法 | SPSS 菜单 |
|---|---|---|---|
| 连续型 | 血压、评分 | 线性回归 | 分析 → 回归 → 线性 |
| 二分类 | 是否患病 | 二元 Logistic 回归 | 分析 → 回归 → 二元 Logistic |
| 无序多分类 | 职业类型 | 多项 Logistic 回归 | 分析 → 回归 → 多项 Logistic |
| 有序多分类 | 疗效 差/中/好 | 有序 Logistic 回归 | 分析 → 回归 → 有序 |
| 计数 | 住院次数 | 泊松 / 负二项回归 | 分析 → 广义线性模型 |
| 时间 + 结局 | 随访至死亡 | Cox 回归 | 分析 → 生存分析 → Cox 回归 |
各方法要检查什么
- 线性回归：残差近似正态、方差齐、线性关系、无严重多重共线性（看 VIF）、残差独立；
- Logistic 回归：每个自变量对应的结局事件数不宜太少（常见经验是事件数至少为自变量数的 10 倍），连续自变量与 logit 呈线性；
- 有序 Logistic：需要做平行线检验，不满足时考虑多项 Logistic；
- 泊松回归：若方差明显大于均数（过度离散），改用负二项回归；
- Cox 回归：检验比例风险假设。
自变量怎么放
先做单因素分析了解各变量的关系，但不要只凭单因素 P 值决定纳入哪些变量。更推荐结合专业知识和既往文献确定协变量，必要时报告多个模型（如模型 1 未调整、模型 2 调整人口学变量、模型 3 再调整临床变量）。
结果怎么报告
线性回归报告 β 及 95% 置信区间；Logistic 回归报告 OR 及 95% CI；Cox 回归报告 HR 及 95% CI。同时写明模型调整了哪些变量。
什么时候需要找导师
变量很多不知道怎么筛、前提条件不满足不知道换什么方法、结果与预期相反不会解释时，可以请统计方向导师和你一起梳理分析思路。
常见追问
结局是百分比（如 0–100%）用什么回归？
如果是"阳性数/总数"这类比例，可以用二项分布的 Logistic 回归；如果是连续的比例评分，可考虑线性回归或 beta 回归，需要结合数据分布判断。
单因素 P<0.05 的变量都要放进多因素吗？
不一定。单因素筛选容易遗漏重要混杂因素，也可能放入无关变量，推荐结合专业知识和文献确定协变量。
SPSS 能做倾向性评分匹配吗？
新版本 SPSS 提供倾向性评分匹配相关功能，但更灵活的做法是用 R 的 MatchIt 包或 Stata，平衡性检验也更方便。
本文由鉴刊课堂教研组整理，仅介绍科研方法，供学习参考。鉴刊课堂只提供方法指导，不代写论文、不代做数据分析。