SPSS概率单位回归分析：基本原理
概率单位回归分析（Probit回归分析）适用于对响应比例与刺激作用之间关系的分析，Probit回归分析属于SPSS中的专业统计分析过程。与Logistic回归一样，Probit回归同样要求将取值在实数范围内的值累计概率函数变换转化为目标概率值，然后进行回归分析。常见的累积概率分布函数有Logit概率函数和标准正态累积概率函数，公式如下：
● Logit概率函数
● 标准正态累积概率函数
一般情况下，Probit回归更适用于从有计划的实验中获得的数据。
在SPSS官方网站的帮助文档《 IBM_SPSS_Regression 》中，对于概率单位回归分析的应用条件和相关过程还进行了特别指导。应用条件方面，在数据上，概率单位回归分析对于自变量的每个值（或多个自变量的每个值组合），响应变量应为具有显示相应响应的值的个案数，观察变量总数应为自变量具有这些值的个案的总数，因子变量应是以整数编码的分类变量。在假定条件下，观察值应是独立的，如果自变量值的数量与观察值的数量相比过多（在某项观察研究中可能遇到这样的情况），则卡方统计和拟合优度统计可能无效。
相关过程方面，《 IBM_SPSS_Regression 》帮助文档中提及，Probit分析与Logistic回归紧密相关。实际上，如果选择Logit转换，则此过程最终计算的是Logistic回归。总的来说，Probit分析适用于设计的实验，而Logistic回归更适用于观察研究。输出中的差异反映了这些不同的侧重方面。Probit分析过程报告在不同响应频率下有效值的估算值（包括中位效应剂量），而Logistic回归过程报告自变量几率比的估算值。
