1 功能描述
当因变量是多分类变量时，二元logistic模型将不再适用，此时需要采用多元logistic模型进行分析！多元logistic模型本质上仍是二元logistic，即将某个类别设为基准，其余类别均与基准类型进行比较！
2 多元Logistic模型
我们以cereal.sav数据为例进行演示，根据年龄、性别等变量来推断个人倾向于选择何种早餐！
双击打开cereal.sav数据文件，其中包含agecat、gender、marital、active、bfast等5个变量。
点击左下角的变量视图切换到变量视图，可以看出agecat、gender、marital、active分别表示年龄分组、性别、婚姻状况和生活方式，bfast表示早餐的类别。
在数据窗口中，依次点击“分析/回归/多项Logistic”。
在弹出的“多项Logistic回归”窗口中，将bfast变量移到右侧的“因变量”框；
将其余4个变量移到右侧的“因子”框；（注意：分类变量移到因子框中，数值型变量移到协变量框中，本例的自变量均是分类变量，所以都移到了“因子”框）
点击因变量框下方的“参考类别”按钮；
在弹出的“多项Logistic回归：参考类别”窗口，默认选择的是最后类别，即将因变量类别中的最后一个设为比较的基准，这里我们保持默认选择即可。点击继续按钮返回！
在“多项Logistic回归”窗口，点击模型按钮；
在弹出的“多项Logistic回归：模型”窗口，指定模型中默认选择了“主效应”，即模型中仅包含active、gender、agecat、marital四个原始变量；而如果选择“全因子”，则四个变量及其两两乘积项等均放入模型中；而如果选择定制，则可以手动指定哪些变量及乘积项加入模型中。我们这里保持默认即可。点击继续按钮返回！
在“多项Logistic回归”窗口，点击统计按钮；
在弹出的“多项Logistic回归：统计”窗口，勾选模型下方的单元格可能性、分类表，其他保持默认，点击继续按钮返回！
设置好参数后，在“多项Logistic回归”窗口，点击确定进行运算。
运算完成后，输出窗口将给出相应的结果。
模型拟合信息表和伪R方表为多元Logistic模型的整体拟合情况！其中模型拟合信息表中显著性为0.000，表明模型整体上解释能力较强！
我们重点关注参数估计值表。其中，谷类早餐是比较的基准类别，该多元Logistic模型包含两个二元logistic模型，即早餐吧和谷类比较的模型，燕麦和谷类比较的模型。对于第一个模型，marital=0对应的系数为0.84，且显著，表明不结婚的调查者在谷类和早餐吧中更倾向选择早餐吧。在第二个模型中，marital=0对应的系数为-0.260，且不显著，因而不结婚的调查者早餐对谷类和燕麦的偏好相同。据此我们可以间接得出不结婚的调查者在燕麦和早餐吧中更倾向选择早餐吧！
观察频率和预测频率表中给出对早餐选择的分类预测，据此可以用预测不同人群的早餐选择。如不积极的生活方式、未婚、男性、小于31的人群早餐有55.3%的可能性会选择谷类！