1.模型基本情况

以残疾儿童受教育现状为因变量，残疾儿童生理(年龄、性别、残疾类型、身体状况、康复情况)、社会(户籍)、家庭(收入、人口、残疾人数、残疾人就业数、生活条件－社会救助情况、居住情况)、出行条件、困难(教育、生活)和所属城市的情况为自变量，运用多因素Logistic回归模型(进入法，模型纳入标准0.05，剔除标准0.1)，分析残疾儿童受教育现状的影响因素。经过几次Logistic回归模型的分析后，为了尽可能保留较多的个案数( 1269个个案数)，最后参与建模的定类自变量情况如下表格:

表格9　分类变量编码

按照Forward Stepwise ( Conditional)的方法，最后筛选出来的模型7情况如下。

表格10　 Model Summary

表格11　 Hosmer and Lemeshow Test

表格12　 Classification Tablea

虽然－2 Log likelihood的值比较大，但是Nagelkerke R Square的值比较接近于1，Hosmer and Lemeshow Test检验的显著度大于0.05，而且错判矩阵的总体预测准确率( 91%)和各项的预测准确率都极高，所以综合分析，该模型的预测效果理想。