多元有序logistic回归分析_有序Logistic回归实例分析（Ordinal Regression）

如果研究X对于Y的影响，Y为定量数据则可以使用线性回归分析。如果Y是定类数据，此时则需要使用Logit(logistic)回归分析。Logit回归共分为三种，分别是二元Logit(Logistic)回归、多分类Logit(Logistic)回归，有序Logit(Logistic)回归(也称Oridinal回归)，此三个方法的区别在于因变量Y的数据类型。如下表：

Logistic回归分类

哑变量问题

有序logistics回归中，自变量X可以为定量数据，也可以是定类数据。但如果定类数据纳入模型，需要先将其设为哑变量。设置方法如下：

使用路径：SPSSAU>数据处理>生成变量

平行性检验

即检验自变量各取值水平对因变量的影响在各个回归方程中是否相同。平行性检验的原假设为模型满足平行性，因而如果P值大于0.05则说明模型接受原假设，即符合平行性检验。反之如果P值小于0.05则说明模型拒绝原假设，模型不满足平行性检验。平行性是有序Logit回归的前提条件，如果不满足平行性，SPSSAU建议使用多分类Logit回归模型。

除此以外，连接函数也会对平行性检验起到影响，如果平行性检验无法通过时，可考虑选择更准确的连接函数进行尝试，按照因变量选项的分布情况划分，各类连接函数的使用场景说明如下，SPSSAU提供了5中连接函数：

<