stata有序逻辑回归

Logistic回归分析用于研究X对Y的影响，并且对X的数据类型没有要求，X可以为定类数据，也可以为定量数据，但要求Y必须为定类数据，如果Y有多个选项，并且各个选项之间可以对比大小，例如，1代表“不愿意”，2代表“无所谓”，3代表“愿意”，这3个选项具有对比意义，数值越高，代表样本的愿意程度越高，那么应该使用多元有序Logistic回归分析。

案例：根据年龄、是否患有糖尿病，来分析哪些因素对BMI产生影响，而BMI分为正常、偏高、肥胖三类，为有序变量，因此采用的是有序逻辑回归。

 步骤:首先进行平行性检验
在命令框中输入：
ologit BMI DM age
oparallel
其中，ologit为条件Logistic回归代码，BMI为因变量，DM和age均为自变量，oparallel为平行性检验的代码，需额外下载，下载代码为：“ssc install oparallel”。

平行线检验结果显示：P=0.545>0.05，因此不能拒绝原假设，说明平行性假设是成立的，提示可以本研究可以运用有序Logistic回归模型进行分析。
第二步建立有序多分类回归
在命令框中输入ologit BMI i.DM age,or

结果显示，年龄的显著性为0.019＜0.05，拒绝原假设，因此年龄对BMI会产生显著性影响，or值为1.15，意味着年龄没增加一个单位，BMI提高一个等级的概率增加了15.02。
1.DM的显著性为0.689，水平上不呈现显著性，不能拒绝原假设，即DM对BMI不会产生显著性影响。