python 多分类有序logit模型_如何选择有序多分类logistic回归连接函数？

有序多分类logistic回归，也可以称作是累积概率模型。关联或连接函数是累积概率的转换形式，可用于模型估计。SPSS统计软件提供以下五个连接函数可用。

1.Logit(分对数)

2.互补双对数

3.负双对数

4.Probit(概率)

5.逆 Cauchy(逆柯西)

SPSS默认勾选的是Logit(分对数)连接函数构建累积模型。那么此处就会有读者提问了，既然提供了5种函数，那具体实践中应该如何选择呢？

SPSS官方文档

1.Logit

f(x)=log(x / (1−x))。通常用于均匀分布的类别。

2.互补双对数

f(x)=log(−log(1−x))。通常在可能存在更多较高类别时使用。

3.负双对数

f(x)=−log(−log(x))。通常在可能存在更多较低类别时使用。

4.Probit

f(x)=Φ−1(x)。通常在潜变量正态分布时使用。

5.逆Cauchy

f(x)=tan(π(x−0.5))。通常在潜变量有许多个极值时使用。

看到了吧，官方文档告诉我们，可以根据因变量分类水平样本量的分布情况来选择最恰当的连接函数。

一般使用经验

小兵再告诉你一般性的使用经验。其实很简单，就是SPSS默认勾选的Logit连接函数。初学者可以先不用管这里的设置，由SPSS帮你默认选择即可。

我看到过许多教程和经验说法，认为：如果对模型拟合没有特殊要求，尤其是反应变量水平数较少的情况下，建议大家使用默认的logit连接函数。</