与线性回归相似，在建立logistic回归的时候，应该尽量引入对反应变量有影响的变量。将没有影响或者影响很小的变量排除在模型之外，本篇文章将对此进行讨论。下面介绍三种筛选变量的方法及其优劣。工具/原料morespss20.0BR比分检验1/2分步阅读

比分检验（score test）

2/2

比分检验的结果分析：如下图所示就是比分检验的结果表，从这个表中你可以看到有三个变量，有sex、ecg、age，这三个变量的sig值代表如果将模型外的各个变量纳入模型，则整个模型的拟合优度改变是否有统计学意义。sig值小于0.05说明是有意义的。

似然比检验1/2

似然比检验（likehood ratio test）

2/2

似然比检验的结果分析：你看到的下面的第二副图就是似然比的检验结果，我们对图中的三个参数的解释如下：

Wald检验1/2

Wald检验（ Wald test）

2/2

walds检验的结果分析：在结果输出中，所有关于B的检验都是wald检验，下图是输出的结果之一，sig值证明了B是否具有统计学意义。sig0.05证明B具有统计学意义。

三种分析方法的比较1/1

•以上三种方法中

–似然比检验最可靠，基于整个模型的拟合情况进行的检验

–比分检验一般与它相一致，但两者计算量均较大；

–而Wald检验未考虑各因素间的综合作用，在因素间有共线性存在时,结果不像其它两者可靠。在筛选变量时， Wald法慎用

spss变量