以 Titanic Dataset 示範 SAS Visual Analytics（SAS VA）的 Binary Logistic Regression。
能設定 Response Event、Predictors，並解讀 Fit Summary。
以 Survived／Perished 為 Binary Outcome，類比 Customer Stay/Leave、Loan Good/Bad、Employee Stay/Leave 等商業問題。
| 項目 | 原書設定／結果 |
|---|---|
| Response Event | Survived |
| Categorical Predictors | Embarked、Pclass、Sex |
| Continuous Predictors | Age、Fare、Parch、SibSp |
| Observations | 1,311 |
| Pseudo R²（畫面） | 33.87% |
在 SAS VA 指定 Survived 為 Event，加入七個 Predictors，再查看 Fit Summary、Assessment、Residual Plot 與 Influence Plot。
原書指出 Sex、Pclass、Age、SibSp、Embarked 在 p<0.05 下 Significant；Fare、Parch 不顯著。
將 Event 從 Perished 改為 Survived 主要會反轉 Parameter Estimate Signs；原書視此為 Communication／Framing 選擇。
請依我提供的 SAS VA Fit Summary，把 Significant 與 Non-significant Predictors 分開，並避免把 Statistical Significance 解讀成 Causation。
若改預測 Perished，模型本質是否改變？
參考解答： 原書指出不會 materially affect model，主要是 Parameter Signs 反轉與表達框架改變。