用什么模型主要是看因变量类别的，你这里面因变量是二分类变量，直接用二元Logistic回归模型或二元probit回归模型均可。至于自变量中含有的类别变量，如果是二分类的，直接纳入模型即可。如果是多类别变量，要处理为虚拟变量再纳入模型。祝好运~

非常感谢您的回复！
我还有一个问题，二元逻辑回归对自变量的数量有要求吗？太多的话对结果有什么影响吗？我的自变量大概有30多个。暂时选取了10个变量，得出的结论如下：
Omnibus Tests of Model Coefficients                               
                Chi-square        df        Sig.
Step 1        Step        26,938        10        ,003
        Block        26,938        10        ,003
        Model        26,938        10        ,003

Model Summary                       
Step        -2 Log likelihood        Cox & Snell R Square        Nagelkerke R Square
1        256,544a                             , 104                                            ,152
               
Hosmer and Lemeshow Test                       
Step        Chi-square        df        Sig.
1        10,959                 8        ,204

实在是菜鸟，不知道怎样插入表格，后面的variables in the equation中，只有2个变量是sig.小于0.05.
这个模型        是好还是不好？


                                                               

推荐张文彤老师的spss统计分析教程。论坛有电子版。下载下来看看这部分。把模型的基本原理，操作，结果解读搞明白。祝好运～

虽然技术上，多选题分开独立选项0—1编码后可以做各种分析，但个人一直认为，多选题不适合做各种统计推断的检验分析的，包括相关、卡方、回归等，原因是多选题的选择比例相加不为1，你选了A并不排斥还有B的影响，所以，简单把多选题的选项分开作为一个变量缺少统计学上的有力证据。正因为如此，至今还没有哪一本教材明确提到多选题适合推断统计，SPSS中的多选题分析中也只是设置了“描述性”的频率和交叉表分析，交叉表分析中并不提供卡方值检验。因此，用多选题做统计推断必须慎之又慎。个人观点，不喜勿喷。

谢谢您的回复！
我现在做出了以下这些自变量除了 reasonforchoose10_2以外，都是对因变量有显著影响的，但是如果我删掉  reasonforchoose10_2, reasonforchoose10_1也变得不显著了.        这样的情况下该怎么处理这两个因变量呢？