logistic回归中该怎样选择‘变量选择方法’

　　二分类 logistic回归中“变量选择方法”有7种，以下是spss手册中的介绍：
　　Logistic 回归：变量选择方法
　　方法选择允许您指定自变量将如何进入到分析中。通过使用不同的方法，您可以从相同
　　的变量组构造多个回归模型。
　　? Enter. 一种变量选择过程，其中一个块中的所有变量在一个步骤中输入。
　　? 向前选择（条件）. 逐步选择方法，其中进入检验是基于得分统计量的显著性，移去检验是基于在条件参数估计基础上的似然比统计的概率。
　　? 向前选择（似然比）. 逐步选择方法，其中进入检验是基于得分统计量的显著性，移去检验是基于在最大局部似然估计的似然比统计的概率。
　　? 向前选择 (Wald). 逐步选择方法，其中进入检验是基于得分统计量的显著性，移去检验是基于 Wald 统计的概率。
　　? 向后去除（条件）. 逐步向后选择。移去检验基于在条件参数估计的似然比统计量的概率。
　　? 向后去除（似然比）. 逐步向后选择。移去检验基于在最大偏似然估计基础上的似然比统计量的概率。
　　? 向后去除（Wald）. 逐步向后选择。移去检验基于 Wald 统计量的概率。
　　输出中的显著性值基于与单个模型的拟合。因此，当使用逐步方法时，显著性值通常无效。
　　所有被选自变量将被添加到单个回归模型中。不过，您可以为不同的变量子集指定不同的进入方法。例如，您可以使用逐步式选择将一个变量块输入到回归模型中，而使用向前选择输入第二个变量块。要将第二个变量块添加到回归模型，请单击下一个 。