在一般的迴歸分析中，依變數(Y)為數值型變數，但若依變數不為連續型的數值型變數而是二元類別資料（如：男或女、存活或死亡）的型態時，則羅吉斯迴歸分析可能是被運用得最廣的方法。

資料說明：

這是1974年某研究中心探討癌症是否有緩解的資料，此資料包括病人的特徵和癌症發生是否緩解。

變量remiss是一個二元變量，其值1 表示患者的癌症有緩解，而0 表示沒有緩解。另外的6 個變數（cell,smear,infil,li,blast,temp）為影響癌症是否緩解的可能危險因素。

在工作的快捷選單中選擇<分析>→<迴歸(R)>→<羅吉斯迴歸(S)>

於左側的選單中選擇<資料>，將要指派的變數(A)中的、、、

在左側的選單中選擇<模型>的<回應>，在<符合模型至層級(F)>的選項中選擇 1。

在左側的選單中選擇<模型>的<效果>，選取類別及屬量變數(V)中的、、、

這時Cell、smear、infil、li、blast 和 temp 就會輸入到右側的效果(E)欄中。

在左側的選單中選擇<模型>的<選取>，在模型選取法選項中選取<逐步選擇>，將下方的顯著水準選項中的進入模型改為0.3，保留在模型中改為0.35。

在左側的選單中選擇<模型>的<選項>，勾選模型符合評估的<Hosmer及Lemeshow配適度檢定(H)>，及條件勝算比的<Wald(A)>。

在左側的選單中選擇<預測>，設定方式如下圖所示，最後按<執行>。

結果如下表所示：

我們在模型選取法選項中選取了逐步選擇的方法，下表為逐步選擇的最後結果摘要表，由此表可知最終我們在6個變數中選出了li、temp 和 cell 這3個具有影響力的變數。

而模式係數可以由最大概度估計值的分析表中獲得，建立模式如下：

remiss=67.63+9.65*cell+3.87*li-82.07*temp

而由Hosmer和Lemeshow配適度檢定表中的p-value=0.5054大於α 值，表示沒有足夠的證據顯示此模型不合適。

迴歸分析預測表中，除了包含原來的數據外，還有預測值(_INTO_)，而IP_1 則代表remiss=1 的預測機率，若此機率值大於0.5則remiss的預測值即為1  ,反之則為0。