Model Fit Statistics

从这两部分结果可推断出这是用SAS做Logistic回归的结果,该模型共有28个变量,有152个样本.
第一部分是一些模型拟合统计量.
(1)Intercept Only那一列是零模型对应的拟合统计量,Intercept and Covariates那一列是model语句所描述的模型对应的拟合统计量.
(2)-2LogL=142.206类似于多元线性回归的总平方和（TSS),-2LogL=1.848类似于多元线性回归的残差平方和（ESS),第二部分的似然比检验卡方统计量140.3582=142.206-1.848.
(3)AIC(即Akaike's information criterion）、SC（即Schwartz criterion）均为对-2LogL的修正.
这三个统计量越小,说明模型对数据拟合得越好!
第二部分是回归方程的显著性检验.
假设检验的原假设是——该模型和零模型效果一样,即所有自变量的回归系数均为0!似然比检验的p值
再问： 你怎么知道样本量只有152个的
再答： 根据AIC,SC,-2LogL这三个统计量之间的关系： AIC=-2LogL+2k SC=-2LogL+k*log(n) 其中k为未知参数的个数（也就是自变量的个数+1)，n为样本量。 从回归方程的显著性检验似然比统计量的自由度为28知，共有28个自变量，所以k=28+1=29.当然也可以根据AIC和-2LogL的关系计算k，k=[AIC-(-2LogL)]/2=[59.848-1.848]/2=29. 样本量n根据SC和-2LogL的关系计算，n=exp[(SC-(-2LogL))/k]=exp[(147.540-1.848)/29] =exp(5.023862)≈152