แบบจำลองการถดถอยโลจิสติกไบนารี่สามารถติดตั้งได้โดยใช้ขั้นตอนการถดถอยโลจิสติกหรือขั้นตอนการถดถอยโลจิสติก Multinomial แต่ละขั้นตอนมีตัวเลือกไม่พร้อมใช้งานในอื่น ๆ ความแตกต่างทางทฤษฎีที่สำคัญคือขั้นตอนการถดถอยโลจิสติกสร้างการคาดการณ์ทั้งหมด, ส่วนที่เหลือ, สถิติที่มีอิทธิพลและการทดสอบความดีของความพอดีโดยใช้ข้อมูลในแต่ละระดับกรณีโดยไม่คำนึงถึงวิธีการป้อนข้อมูลหรือไม่หรือไม่ มีขนาดเล็กกว่าจำนวนกรณีทั้งหมดในขณะที่ Multinomial Logistic Regression จะรวบรวมกรณีภายในเพื่อสร้างประชากรย่อยที่มีรูปแบบ covariate ที่เหมือนกันสำหรับผู้ทำนายการสร้างการทำนายการตกค้างและการทดสอบความดีที่เหมาะสมของประชากรเหล่านี้
Logistic Regressionจัดเตรียมคุณลักษณะเฉพาะดังต่อไปนี้:
•การทดสอบ Hosmer-Lemeshow ของความดีของแบบสำหรับรุ่น
•การวิเคราะห์แบบขั้นตอน
•ความคมชัดเพื่อกำหนดพารามิเตอร์แบบจำลอง
•จุดตัดทางเลือกสำหรับการจำแนก
•แปลงจำแนก
•โมเดลติดตั้งบนเคสหนึ่งชุดกับชุดเคสที่ถูกจัดไว้
•บันทึกคำทำนายส่วนที่เหลือและสถิติที่มีอิทธิพล
Multinomial Logistic Regression จัดเตรียมคุณลักษณะเฉพาะดังต่อไปนี้:
•การทดสอบเพียร์สันและเบี่ยงเบนไคสแควร์เพื่อความดีของแบบพอดี
•ข้อมูลจำเพาะของประชากรย่อยสำหรับการจัดกลุ่มข้อมูลสำหรับการทดสอบความดีพอดี
•รายชื่อของการนับการนับที่คาดการณ์และส่วนที่เหลือโดยประชากรย่อย
•แก้ไขการประมาณค่าความแปรปรวนของการกระจายตัวมากเกินไป
•เมทริกซ์ความแปรปรวนร่วมของการประมาณพารามิเตอร์
•การทดสอบการรวมกันเชิงเส้นของพารามิเตอร์
•ข้อกำหนดที่ชัดเจนของแบบจำลองที่ซ้อนกัน
•แบบจำลองการถดถอยโลจิสติกแบบมีเงื่อนไขพอดี 1-1 โดยใช้ตัวแปรที่แตกต่าง