表面上的数字其表征的涵义我能理解，不能理解的是前面一个Variable not in the equation 和后面的variable in the equation每个变量显著性为什么会存在差异，再一个就是为什么只有常数包含在里面的时候，其总计百分比是90.2%，而加入那些变量之后是89.8%；还有一个问题，是我假设全部变量都加进去，得到上述结果，如果用其他方式，譬如说向前 向后 等等，这些模型选择有什么差异？谢谢！

NOT IN EQUATION和IN EQUATION的SIG區別是因為。。
NOT IN EQUATION的SIG是它們各自與依變數的結果。
IN EQUATION的SIG是所有預測變數與依變數的結果。

模型中只有常數項的結果和有6個預測變數同時輸入模型後的結果不一樣。。。
這個很難理解嗎？。。

那这个结果比较奇怪是吧？就是说单独跟因变量有显著相关关系的变量，在最后放到一个模型里时又没有明显的相关关系。。我想这也是您要求做个多重共线性检查的原因吧？但是多重共线性没问题啊。。

向前向後？。。
什麼意思？。

有圖嗎？。。
方便的話最好貼個圖上來看看比較清晰。。。

                                系数(a)
                非标准化系数                标准系数                        共线性统计量
模型                B        标准 误差        试用版        t        Sig.        容差        VIF
1        (常量)        .422        .080                5.254        .000               
        R_Non-farm.111        .092        .097        1.206        .229        .476        2.100
        R_Tenancy        .536        .141        .260        3.803        .000        .655        1.528
        R_Credit        .125        .059        .119        2.111        .036        .968        1.033
        Extension        -.073        .064        -.093        -1.141        .255        .463        2.159
        subsidy        -.682        .116        -.473        -5.884        .000        .473        2.113
        land/labor        .012        .005        .133        2.315        .022        .924        1.082
        size                .008        .012        .046         .709          .479        .727        1.375
a. 因变量: vrste

                                系数(a)
                非标准化系数                标准系数                        共线性统计量
模型                B        标准 误差        试用版        t        Sig.        容差        VIF
1        (常量)        .422        .080                5.254        .000               
        R_Non-farm.111        .092        .097        1.206        .229        .476        2.100
        R_Tenancy        .536        .141        .260        3.803        .000        .655        1.528
        R_Credit        .125        .059        .119        2.111        .036        .968        1.033
        Extension        -.073        .064        -.093        -1.141        .255        .463        2.159
        subsidy        -.682        .116        -.473        -5.884        .000        .473        2.113
        land/labor        .012        .005        .133        2.315        .022        .924        1.082
        size                .008        .012        .046         .709          .479        .727        1.375
a. 因变量: vrste

                                        共线性诊断(a)
                                                        方差比例
模型        维数        特征值        条件索引        (常量)        R-Non-farm       R_Tenancy        R_Credit        Extension        subsidy        land/labor        size
1        1        4.319        1.000        .00        .00        .00        .00        .00        .01        .01        .01
        2        1.527        1.682        .00        .00        .19        .04        .10        .00        .00        .00
        3        .962        2.119        .00        .00        .01        .91        .02        .00        .00        .00
        4        .442        3.127        .00        .00        .64        .01        .36        .03        .02        .00
        5        .390        3.328        .00        .10        .00        .04        .00        .09        .25        .02
        6        .256        4.106        .00        .02        .10        .01        .10        .20        .66        .01
        7        .076        7.545        .03        .22        .02        .00        .01        .16        .02        .95
        8        .028        12.515        .96        .66        .04        .00        .39        .52        .03        .01
a. 因变量: vrste

又进一步考证了下关于多重共线性的资料，果然多重共线性还是有问题---我刚只看了上面那个表，看到容差都比较大，所以觉得应该没问题；后来看了下面的特征值，有超过10的，那么就提示可能有多重共线性，对吧？

R^2多少？。

EIGENVALUE越小共線性越嚴重。
CONDITION INDEX越大共線性越嚴重。

EIGENVALUE越小共線性越嚴重。
CONDITION INDEX越大共線性越嚴重。

R^2=0.338

R^2=0.338

给评了个分给了5个金币，，系统不大熟悉，不知道怎么给金币啊。。。

TOLERANCE小於（1-R^2)的都有共線性問題。
R^2=0.338的話。
小於0.662的都有問題。
預測變數之間如果有共線性問題。
就有可能會引致單個預測變數與依變數顯著。
但多個預測變數與依變數不顯著的情況。
BTW。。
才發現你的REGRESSION結果怎麼是7個自變數。。。
不是6個咩？。。。

请问楼主，以及各位大神，有没有对双边界logistic数据处理有研究的，真心请教