mdewey已经给出了很好的答案。但是，鉴于 SPSS确实为您提供了参数估计值，我怀疑您没有完全分离，但更有可能多重共线性，也简称为“共线性” - 您的一些预测变量携带几乎相同的信息，这通常会导致相反符号的大参数估计（您拥有）和大标准误差（您也拥有）。我建议继续阅读多重共线性.

mdewey 已经解决了如何检测分离：如果一个预测变量（或一组预测变量）允许完美拟合您的二元目标变量，就会发生这种情况。当您的预测变量的某些子集携带几乎相同的信息时，就会出现（多重）共线性。这仅是您的预测变量的属性，而不是因变量的属性（特别是，OLS 和逻辑回归的概念是相同的，不像分离，这对于逻辑回归来说是非常固有的）。共线性通常使用方差膨胀因子 (VIF) 检测，但也有替代方法。

你应该如何解决分离或共线性取决于你的科学。如果你有分离，你实际上可能会很高兴，因为你有一个完美的模型！在共线性的情况下，您可能希望简单地删除一个或多个共线预测变量，或通过主成分分析 (PCA) 对其进行转换，仅保留第一个主成分。或者您可能希望通过一些出色的建议来查看这个较早的问题。无论哪种情况，我都建议查看原始模型或修改后的模型是否能很好地预测新样本。（如果您没有新样本，您可能需要执行交叉验证。）

顺便说一句，由于数字原因，您没有得到置信区间。SPSS 尝试采用参数估计值，加上 1.96 倍的标准误差，并对结果求幂。不幸的是，不会真正适合表格窗口......$e^{5000+}$

你几乎肯定在这里有分离。如果您将可疑预测器的结果制成表格，您会发现（a）如果预测器是二元的，那么对于一个级别的预测器，您的结果只有一个级别（b）如果您的预测器是连续的，那么对于上面的一系列值（下）一个截止你只有一个级别的结果。你接下来做什么取决于问题的基础科学，但你可以使用 Firth 的方法得到有限的估计，但我不知道它是否在 SPSS 中可用（我不使用）。

另一个后记：逻辑回归在存在分离时确实存在问题。两种选择是使用惩罚逻辑，它可作为 STATS FIRTHLOG 扩展命令使用，或者使用 DISCRIMINANT，即使存在分离也有效。