在做logistics回归之前，我们要先对你要做预测的变量做个相关分析，找出和你因变量相关的自变量。我这里就不做了，直接用我处理之后的数据。
打开我们要分析的数据，单击“分析”，选择“回归”，然后选择“二元Logistics回归”，弹出下面的界面，如图：
把是否购买移到因变量框里面去，把消费金额和消费数量移动到协变量框里面去，然后单击“保存”按钮，弹出“Logistics回归：保存”界面，选择“预测值”下面的“概率”，之后咋爱单击浏览按钮，把模型保存到你想保存的位子，完成之后单击“继续”，回到刚刚的那个界面之后单击“确定”按钮，就进行了“Logistics回归分析”了。
它会在你原始的数据表格里面新增加一列数据，这个就是那个事件发生的概率值，在二元Logistics回归里面，结果是用概率值来表示的，但是在0到0.5表示的就是不发生；0.5到1表示的就是发生。
二元Logistics回归分析结果最重要的就是下面那张表格:方程式中的变量
表格里面的第二列就是回归方程的系数，写成回归方程就是：
logit(P) = 0.01*消费金额+(-2.725)*消费数量
“常量”因为显著性为0.881大于0.05，所以可以说影响力小，可以忽略，加进去也可以(那个常量我问下别人，都说可以忽略，但是不敢确定，怕万一就加进去试一下，对比下结果)。
接下来就是用已经建立好的模型来做预测
打开你要预测的数据，然后单击“实用程序”，选择“评分向导”，浏览你刚刚保存模型的地址，有几个要注意的地方，直接看图：
接下来直接就是下一步下一步就可以了，然后单完成，它会在你要预测的数据表里面新增加一列数据，也就是预测结果。
这样我们的二元Logistics回归预测也就结束了。
注意：
1、在这里我只是进行了简单的二元Logistics回归分析，也就是说因变量只有两个：是和否，发生或者不发生，其实还有因变脸多种情况的，比如：高、低和中三种情况的。
2、还有就是在这里也没有进行变量的处理，如果你的数据有很多的变量你肯定是要先进行降维的，我这里只是根据我之前的一些数据进行的分析，没有具体做那些预备工作的。
