Lofistic回归模型也可以用于配对资料，但是其分析方法和操作方法均与之前介绍的不同，具体表现
在以下几个方面
1.每个配对组共有同一个回归参数，也就是说协变量在不同配对组中的作用相同
2.常数项随着配对组变化而变化，反映了非实验因素在配对组中的作用，但是我们并不关心其大小，
因此在拟合时采用条件似然函数代替了一般似然函数，从而在拟合中消去了反映层因素的参数。
SPSS中没有直接拟合配对Logistic回归模型的过程，需要对数据进行一些处理，采用其他方法进行拟合，拟合方法有变量差值拟合和COX模型
一、变量差值拟合
只适用于1:1配对，通过求出同一对中案例组与对照组多有变量的差值，对差值进行不含常数项的无序多分类Logistic回归模型拟合来达到目的
例：收集了一组数据，希望分析服用雌激素与子宫内膜癌之间的关系，除了研究因素之外，还额外收
集了两个变量，数据为配对数据，1为病例，0为对照，case为是否患病，也就是因变量
采用变量差值进行拟合，首先求出所有变量之间的差值，可以使用计算变量过程，但是该过程每次只
能处理一个变量，比较麻烦，我们使用语法编辑器进行程序编写，如下
全部选中之后运行，在原数据中就会依次出现新生成的差值变量，接下来，我们对这些差值变量进行无序多分类Logistic回归
分析—回归—多项Logistic
==================================================
二、分层Cox模型
该方法最常用来进行生存函数估计，但是由于在拟合方法上和配对Logistic模型一致，因此也可以用来拟合配对Logistic回归模型，它不仅可以拟合1:1配对，还可以拟合1:r，n:m配对，应用范围比较广。
在数据组成上，和变量差值拟合有所不同，需要给每个个案一个虚拟生存时间，默认案例组比对照组生存时间段，具体值不限，两个时间差距大小也不限。案例发生算为失效事件，对照组为删失，并且对子号作为分层因素，我们还是通过变量差值拟合的案例来进行说明
我们将原数据调整如下
我们将原来并排排列的案例组和对照组合并为竖列，并且增加虚拟生存时间变量time，案例组为1，对照组为2，接下来按照Cox回归模型进行拟合
分析—生存函数—Cox回归
