“名义型 Logistic”和“有序型 Logistic”特质概述
Logistic 回归将分类 Y 响应变量的各个水平概率建模为一个或多个 X 效应的函数。“拟合模型”平台提供用于拟合 Logistic 回归模型的两个特质。您使用的特质取决于响应列的建模类型（名义型或有序型）。
有关拟合 Logistic 回归模型的详细信息，请参见 Walker and Duncan (1967)、Nelson (1976)、Harrell (1986) 和 McCullagh and Nelder (1989)。
有关 Logistic 回归模型的参数化的详细信息，请参见Logistic 回归模型。
名义型 Logistic 回归
当响应变量具有名义型建模类型时，平台使用最大似然通过多水平 Logistic 响应函数来拟合线性模型。因此，除一个响应水平外，所有响应水平均由一个 Logistic 曲线建模，该曲线表示给定 X 效应值时响应水平的概率。最终响应水平的概率为 1 减去其他拟合概率之和。因此，在所有 X 效应值处，响应水平的拟合概率之和为 1。
若响应变量为二值响应，可以在“拟合模型”窗口中设置“目标水平”来指定您要对其概率建模的水平。默认情况下，模型估计响应变量的较高水平的概率。
有关为名义型响应变量拟合模型的详细信息，请参见名义型响应。
有序型 Logistic 回归
当响应变量具有有序型建模类型时，平台使用最大似然通过线性模型的 Logistic 函数拟合累积响应概率。因此，由曲线对每个响应水平处或低于该水平的累积概率建模。这些曲线对于每个水平是相同的，只是向右或向左平移了一段距离。
提示：若有很多响应水平，则有序型模型与名义型模型相比，拟合速度更快，占用的内存更少。
有关使用有序型响应变量拟合模型的详细信息，请参见有序型响应。
拟合 Logistic 回归模型的其他 JMP 平台
JMP 中有很多其他平台可用于拟合 Logistic 回归模型：
• 要拟合具有单个连续主效应的 Logistic 回归模型，您可以使用“以 X 拟合 Y”平台查看每个效应的累积 Logistic 概率图。请参见《基本分析》中的Logistic 分析。
• 要执行 Logistic 回归模型中的变量选择，您可以使用“拟合模型”平台的“逐步”特质。请参见逐步回归模型。
• 要拟合使用连结函数而不是 Logit 连结的 Logistic 回归模型，您可以使用“拟合模型”平台的“广义线性模型”特质。请参见广义线性模型。
• 
要执行 Logistic 回归模型中的变量选择并拟合惩罚 Logistic 回归模型，您可以使用“拟合模型”平台的“广义回归”特质。请参见广义回归模型。