logistic回归后进一步讨论

我想问这样一个问题：如果我直接用R语言的代码中的logistic回归模型，求出来了哪些自变量和因变量有关，这个时候我想看那些与因变量没有关系的自变量和与因变量有关系的自变量之间的关系，我应该用什么方法啊

你可以考虑使用多变量回归分析来检验你的推论。多变量回归分析可以用来预测不同自变量对因变量的影响，可以发现自变量之间的关系。比如你可以在进行一次性回归时，加入不同自变量，看看他们一起对因变量有什么影响，这样就可以得出自变量之间的关系。

不知道你这个问题是否已经解决, 如果还没有解决的话:

• 你可以看下这个问题的回答https://ask.csdn.net/questions/1051049
• 你也可以参考下这篇文章：用R语言建立logistic回归模型
• 除此之外, 这篇博客: Logistic回归模型（R语言）中的 1.分组数据的Logistic回归模型 部分也许能够解决你的问题, 你可以仔细阅读以下内容或者直接跳转源博客中阅读:
  

  下面我们以一道例题来说明，R软件中实现分组数据的logistics回归模型：
  
  
  代码实现如下：

  data10.4<-read.csv("C:/Users/Administrator/Desktop/data10.4.csv",head=TRUE)
  # data10.4中保留的p1变量为逻辑变换后的变量
  lm10.4<-lm(p1~x,weights=w,data10.4)
  summary(lm10.4)
  

  输出结果为：
  
  　　通过加权最小二乘法得到的logistics回归方程为：
  　　
  　　p^=exp(−0.849+0.149x)1+exp(−0.849+0.149x)\hat{p}=\frac{exp(-0.849+0.149x)}{1+exp(-0.849+0.149x)}p^​=1+exp(−0.849+0.149x)exp(−0.849+0.149x)​
  　　
  　　这里需要说明的是分组数据的logistics回归只适用于样本量大的分组数据，对样本量小的未分组数据不适用，并且以组数ccc为回归拟合的样本量，拟合的精度低。
  　　实际上，我们可以用最大似然估计直接拟合未分组数据的logistics回归模型，下面将介绍这种方法。

如果你已经解决了该问题, 非常希望你能够分享一下解决方案, 写成博客, 将相关链接放在评论区, 以帮助更多的人 ^-^