1）支持交互作用项；支持设置分类自变量的参照水平；适用条件判断（多重共线性分析）；展示回归系数、OR值和可信区间；Omnibus似然比检验； 2）模型拟合评价：包括Deviance、AIC、BIC、McFadden’s R²、Cox & Snell’s R²和Nagelkerke’s R²。 3）支持有序分类的阈值（Threshold 分析）。

备用服务器，腾讯云，启动速度更快

1）根据上传的科研数据，简单点击设置后，自动完成线性回归分析； 2）结局类型：结局为连续性变量，如血糖、血压值等；3）自动对连续性自变量和应变量进行 Z score 标准化处理（审稿人常要求）；4）生成英文版统计报告，助力于SCI论文撰写

1）设置自变量，支持交互作用项；支持权重设置；设置分类自变量的参照水平；2）适用条件判断；做自相关分析；做多重共线性分析；做正态性检验：检验因变量和残差的正态性假设；做残差Q-Q图、做残差图、Cook’s 距离；3）显示模型系数的置信区间、显示标准化系数、显示标准化系数的置信区间：方便对各自变量的影响力进行评估；Omnibus方差检验：检验模型整体的显著性；4）模型拟合优度评价；包括复相关系数R、决定系数R²、校正R²、AIC、BIC、均方根误差（RMSE）以及整体模型F检验；5）做估计边际平均值：包括生成估计边际平均值（统计图和表）。

1）支持交互作用项；支持设置分类自变量的参照水平；适用条件判断（多重共线性分析）；展示回归系数、OR值和可信区间；Omnibus似然比检验； 2）模型拟合评价：包括Deviance、AIC、BIC、McFadden’s R²、Cox & Snell’s R²和Nagelkerke’s R²。 3）Estimated Marginal Means分析：包括生成估计边际平均值（概率图）。 4）诊断预测和ROC曲线：评估模型的诊断能力；计算AUC值及灵敏度特异度等；生成cut-off图；生成分类表（混淆矩阵）

备用服务器，腾讯云，启动速度更快