本文介绍了定序回归的概念，适用于因变量为顺序数据的情况。通过苹果实体店客户满意度案例，展示了如何使用R语言进行描述分析、可视化，并建立Probit和Logit模型。案例中发现不同产品类别评分存在显著差异，通过`plor`函数完成了模型构建。
定序回归
什么是定序回归？
定序回归的因变量是定序变量，数据类型是顺序数据。比如不满意，一般，满意；不合格，合格，优秀等。
假设因变量是评分，先由单变量回归说起，则普通的线性回归模型为
由于方程右边的普通线性回归，是连续性变量，方程左边是因变量分数，取值为1,2,3,4,5。左右两边数据类型不同，不能进行回归。我们考虑引入连续变量Z。先让Z进行普通线性回归。
则Z和评分之间的关系如下：
综上可得：
所以得到：
对于不同的k有不同的截距
Probit模型和Logit模型
用极大似然法进行参数估计
苹果实体店客户满意度案例分析
描述分析
先浏览下数据第一条数据为因变量满意度，因变量包含产品等产品的一些数据。
再看一下数据描述：
最低0.47元/天 解锁文章
扫一扫
4879
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
