我不是专业学统计的。但是，我想可能贝叶斯（bayesian)方法可以提供帮助。

贝叶斯可以用来估计任何模型（当然可包括LOGISTIC回归）的参数的置信区间，就是可以根据数据算出（有时是估算）模型参数的分布情况（所谓"posterior distribution",中文常翻成：后验分布），从而根据其后验分布算出（有时是估算）该参数的置信区间（其实这方法可以把该参数的期望，标准差，各个分位点都能算或估算出来）。之所以说有时是估算,因为后验分布很多情况下不是常见的分布（比如正态）。

这样，是否就相当于求出了各参数的“误差”了（其实不仅仅是某种衡量误差统计量，而可以是整个分布了）。

GOOGLE一下，在论坛中搜索，都能找到贝叶斯数据分析方法的有关资料。当然，要了解这方法，还需要花点时间看书的。

感谢回复.本人也是非统计专业的,我先按照你提供的思路看看.如果确实可行,感激不尽.不过为什么要分析每个参数的误差呢?这样可以算出每个参数的置信度,这样有些参数就和估计不相关,可以去掉.
例如:  时间x1,性别x2,年龄x3三个参数来预估点击情况,最后得出的情况是   a0+a1*x1+a2*x2+a3*x3
这时算出a2其实是统计不显著的,那么性别这个属性就可以去掉.
如果利用spss工具可以实现,但是如果要在实际中应用,可能需要自动处理很多个公式,这种就需要自己来实现这个算法了.

供你参考：可以用WINBUGS软件（GOOGLE找到后可以免费下载）来做Bayesian数据分析。你告诉它模型和数据，它会自动算后验分布，不用你一步一步推导。我用过该软件，还不错（当然，使用不当也会运行出错）。

同意你对误差的看法。我觉得如果用Bayesian分析，其结果中，如果某个参数的估计置信区间是跨过0的（例如置信区间是(-0.5, 1)），可能就是表明那个参数不显著（即不能排除可能是0）。

楼主解决了吗