变量筛选
当对多个自变量建立logistic回归模型时，并不是每一个自变量对模型都有贡献。通常我们希望所建立的模型将具有统计学意义的自变量都包含在内，而将没有统计学意义的自变量排除在外，即进行变量筛选。与多元线性回归相似，logistic回归的变量筛选方法有向前选择、向后选择和逐步选择三种方法。但其中所用的检验统计量不再是线性回归分析中的F统计量，而是logistic回归参数检验中的似然比统计量、Wald统计量或计分统计量之一。多数统计软件使用的是似然比统计量。
条件logistic回归
条件logistic回归 (conditional logistic regression)是针对配对或分层资料的一种分析方法。在这类资料中，每一个病例配以条件相似的一个(1:1)或几个(1：M，通常M≤3)对照，形成一个匹配组（层），称为1：1配对或1：M配对。条件logistic回归与非条件logistic回归的区别是参数估计是否用到了条件概率