在做logistics回歸之前，我們要先對你要做預測的變量做個相關分析，找出和你因變量相關的自變量。我這里就不做了，直接用我處理之后的數據。
打開我們要分析的數據，單擊“分析”，選擇“回歸”，然后選擇“二元Logistics回歸”，彈出下面的界面，如圖：
把是否購買移到因變量框里面去，把消費金額和消費數量移動到協變量框里面去，然后單擊“保存”按鈕，彈出“Logistics回歸：保存”界面，選擇“預測值”下面的“概率”，之后咋愛單擊瀏覽按鈕，把模型保存到你想保存的位子，完成之后單擊“繼續”，回到剛剛的那個界面之后單擊“確定”按鈕，就進行了“Logistics回歸分析”了。
它會在你原始的數據表格里面新增加一列數據，這個就是那個事件發生的概率值，在二元Logistics回歸里面，結果是用概率值來表示的，但是在0到0.5表示的就是不發生；0.5到1表示的就是發生。
二元Logistics回歸分析結果最重要的就是下面那張表格:方程式中的變量
表格里面的第二列就是回歸方程的系數，寫成回歸方程就是：
logit(P) = 0.01*消費金額+(-2.725)*消費數量
“常量”因為顯著性為0.881大於0.05，所以可以說影響力小，可以忽略，加進去也可以(那個常量我問下別人，都說可以忽略，但是不敢確定，怕萬一就加進去試一下，對比下結果)。
接下來就是用已經建立好的模型來做預測
打開你要預測的數據，然后單擊“實用程序”，選擇“評分向導”，瀏覽你剛剛保存模型的地址，有幾個要注意的地方，直接看圖：
接下來直接就是下一步下一步就可以了，然后單完成，它會在你要預測的數據表里面新增加一列數據，也就是預測結果。
這樣我們的二元Logistics回歸預測也就結束了。
注意：
1、在這里我只是進行了簡單的二元Logistics回歸分析，也就是說因變量只有兩個：是和否，發生或者不發生，其實還有因變臉多種情況的，比如：高、低和中三種情況的。
2、還有就是在這里也沒有進行變量的處理，如果你的數據有很多的變量你肯定是要先進行降維的，我這里只是根據我之前的一些數據進行的分析，沒有具體做那些預備工作的。