二元logistic回归分析流程如下图：
一、分析前准备二元logistic回归分析适用于研究因变量为二分类变量的数据，二分类变量即为那些结局只有两种可能性的变量。比如因变量表示为“是”或“否”、“同意”或“不同意”、“发生”或“不发生”这类形式。
当前有一份数据，想要分析在银行贷款的客户其“是否违约”的影响因素，当前掌握的可能影响因素有年龄、工资、教育水平、负债率、信用卡负债、工作年限、居住时长。
在进行二元logistic回归分析之前，需要进行一些准备工作，来提高分析结果的准确性。准备工作包括进行分析项即自变量的确定、多重共线性判断、以及变量处理三方面，接下来将逐一进行说明。
确定分析项因为影响因素比较多，并不能确定单个影响因素是否会对“是否违约”这一因变量产生影响，为了筛选确实对因变量有影响的自变量进行分析，可以在进行二元logistic回归分析之前就单个因素的影响情况进行分析（非必要步骤）。根据影响因素类型不同，可以分别进行方差分析（t检验）、卡方检验进行分析。1.1 连续变量方差分析对于年龄、工资、负债率、信用卡负债、工作年限、居住时长这类影响因素，都是连续型变量，研究此类变量与“是否违约”的关系情况可以使用方差分析进行分析。使用SPSSAU进行方差分析得到分析结果如下：从方差分析结果来看，违约客户与未违约客户的信用卡负债情况并没有呈现出显著性差异（p=0.061>0.05），其余变量都呈现显著性差异。所以，可以将信用卡负债率这一影响因素在后续分析中剔除（如果担心遗漏重要变量，也可以将显著性水平放宽至0.1）。
分类变量卡方检验对于教育水平这一分类变量，研究其与“是否违约”的关系情况可以使用卡方检验。
使用SPSSAU进行卡方检验得到分析结果如下：
从卡方检验结果来看，不同教育水平的客户其“是否违约”情况呈现出显著性差异（p=0.。022