一、问题与数据

研究者想调查人们对“本国税收过高”的赞同程度：Strongly Disagree——非常不同意，用“0”表示；Disagree——不同意，用“1”表示；Agree--同意，用“2”表示；Strongly Agree--非常同意，用“3”表示。

另外，研究者也调查了一些其它情况，包括：是否是“雇主”(biz_owner：Yes——是，用“0”表示；No——否，用“1”表示)、年龄(age)和党派(politics：Lib——党派1，用“1”表示；Con——党派2，用“2”表示；Lab——党派3，用“3”表示)。部分数据如下图：

二、对问题的分析

使用有序Logistic进行回归分析时，需要考虑4个假设。

假设1：因变量唯一，且为有序多分类变量，如城市综合竞争力等级可以分为高、中、低；某病的治疗效果分为痊愈、有效、无效等。

假设2：存在一个或多个自变量，可为连续、有序多分类或无序分类变量。

假设3：自变量之间无多重共线性。

假设4：模型满足“比例优势”假设。意思是无论因变量的分割点在什么位置，模型中各个自变量对因变量的影响不变，也就是自变量对因变量的回归系数与分割点无关。

有序多分类的Logistic回归原理是将因变量的多个分类依次分割为多个二元的Logistic回归，例如本例中因变量“本国的税收过高”的赞同程度有4个等级，分析时拆分为三个二元Logistic回归，分别为(0 vs 1+2+3) 、(0+1 vs 2+3)、(0+1+2 vs 3)，均是较低级与较高级对比。

在有序多分类Logistic回归中，假设几个二元Logistic回归中，自变量的系数相等，仅常数项不等，结果也只输出一组自变量的系数。因此，有序多分类的Logistic回归模型，必须对自变量系数相等的假设(即“比例优势”假设)进行检验(又称平行线检验)。如果不满足该假设，则考虑使用无序多分类Logistic回归。三、前期数据处理

对假设进行验证前，我们需要将分类变量设置成哑变量。

1. 为什么要设计哑变量

若直接将分类变量纳入Logistic回归方程，则软件会将分类变量按连续变量处理。例如，如果把性别按“1”——男、“2”——女进行编码，然后直接把性别纳入方程，方程会认为“女”是“男”的2倍。为了解决这个问题，需要用一系列的二分类变量“是”或“否”来表示原始的分类变量，这些新的二分类变量被称为“哑变量”。

在SPSS软件的二项Logistic回归模型中，将分类变量选入categorical，软件会自动设置一系列的哑变量。由于验证假设3(自变量之间无多重共线性)需要通过线性回归实现，而在线性回归中，就需要手动设置哑变量。因此，这里需要先手动设置哑变量。

2. 设置哑变量的思路

哑变量的数目是分类变量类别数减一。本例中，党派1、党派2和党派3的原始编码为1、2和3。设置哑变量时，需要对党派1和党派2进行重新编码。

建立新变量Lib(党派1)，若调查对象选了党派1，则Lib编为“1”，代表是；若未选党派1，则Lib编为“0”，代表否。同样，建立新变量Con(党派2)，将是否选党派2编为“1”或“0”。此时，若既未选党派1，又未选党派2，则两个新变量Lib和Con的编码都为“0”，代表党派3。此时，党派3在模型中是参考类别(Reference)。

3. 在SPSS中设置哑变量

(1)首先，先创建新变量“Con”，在主菜单下选择Transform→Recode into Different Variables... ，如下图：

(2)在Recode into Different Variables对话框中，将politics选入右侧Numeric Variable-->Output Variable下，在右侧Output Variable中填写“Con”。点击Change→Old and New Values。

一、模型简介 有序 多分类 logistic回归 用于因变量为 有序 多分类 的情况，如患者对药物的反应y共有三种情况：疗效差、一般和好。定义y=1(疗效差)、y=2(疗效一般)、y=3(疗效好)。对于 有序 多分类 logistic回归 ，模型将因变量的多个分类依次分割为多个二元 logistic回归 。如3种不同疗效的患者， 分析 时拆分为2个二元 logistic回归 ，分别为 (1vs 2 3) 、(1 2 vs... 点击上方蓝字，轻松关注我们以下内容转载自“医咖会”微信公众号(medieco-ykh)，作者张耀文。上一期我们讨论了 有序 多分类 Logistic回归 的 SPSS 简单操作，本期“科研加油站”栏目，我们一起来探讨 有序 多分类 Logistic回归 的 SPSS 详细 操作。问题与数据研究者想调查人们对“本国税收过高”的赞同程度：Strongly Disagree——非常不同意，用“0”表示；Disagree... 多元 有序 逻辑回归基于概率模型，它假设因变量的每个类别与一个潜在的连续变量（或称为对数优势）相关联。这个潜在变量的大小决定了观察到的 有序 分类结果。模型的目标是估计自变量对潜在变量的影响，以及它们如何影响因变量在不同 有序 类别之间的概率。多元 有序 逻辑回归用于 分析 有序 分类因变量与一个或多个自变量之间的关系。 有序 逻辑回归适用于因变量具有自然排序但没有固定间距的类别，例如疾病严重程度（轻度、中度、重度）或调查问卷中的满意度评分（非常不满意、不满意、一般、满意、非常满意）。 一、适用范围 logistic回归 是一种广义的线性回归 分析 模型，常用于疾病诊断、经济预测等领域，主要用途为寻找危险因素（寻找某一疾病的危险因素）、预测（不同自变量情况下，某病或某种情况的发生概率）和判别（判断某人属于某病或某种情况的概率有多大），在疾控项目中较多涉及寻找危险因素，因此，本文主要以寻找危险因素进行举例说明。二、数据结构 logistic回归 适用的因变量为二分类... 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 logistic回归 分析 。Logit回归共分为三种，分别是二元 Logistic回归 、 多分类 Logistic回归 ， 有序 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：Logistics回归分类哑变量问题 有序 logistics回归中，X可以为定量数据，也可以是定... 转自个人微信公众号【Memo_Cleon】的统计学习笔记：因变量无序 多分类 资料的 logistic回归 。因变量为无序 多分类 资料，或者因变量虽为 有序 多分类 但不满足比例优势假定（平行性检验P>0.05），可采用无序 多分类 的 logistic回归 进行 分析 。当然当结局变量无序，自变量只有一个且为分类变量时，可以直接采用卡方检验；结局变量 有序 ，自变量只有一个且为分类变量时，可以直接采用非参数检验。无序多分... 首先多元 有序 logistic回归 是针对因变量水平数大于2并且为 有序 变量10的一个情况。做了一个多因素 Logistic回归 分析 得到的结果呢就是一个独立影响因素。π2π3呢就是水平数2和3发生的概率然后这个π一比上π二加π三。 SPSS 关于有 有序 logistic这些回归 分析 的一些模块。说明这个模型是显著的也就是说至少有一个变量的 系数 是显著的。看到左侧是放置我们变量的因变量就放置我们的这个 有序 变量。说明是满足平 有序 logistic这个回归 分析 的一个条件。你看他这说明的是将表一中有差异的变量作为4变量。 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，并且根据Y的选项数，使用相应的数据 分析 方法。 首先，多元回归是干什么用的？在回归 分析 中，如果有两个或两个以上的自变量，就称为多元回归。实际应用中，一种现象常常是与多个因素相联系的，由多个自变量的最优组合共同来预测或估计因变量，比只用一个自变量进行预测或估计更有效，更符合实际。总的来说，回归 分析 就是用来做预测的，多元回归要比一元回归更加高效实用。如果线性回归方程存在，那么我们要求出每一项 X 前的 系数 和常数项 。若要使求得的回归方程效果比... 有序 Logistic回归 ——因变量是 有序 分类变量的回归 分析 【例】研究BMI相关的危险因素。资料如下：表1　BMI相关危险因素原始资料　　将BMI分成三类并赋值——正常(BMI=18-23)=1、偏高(BMI=24-27)=2、肥胖(BMI≥28)=3；性别赋值——1=男，0=女；年龄分组并赋值——20-29岁组=1、30-39岁组=2、40-49岁组=3；糖尿病状态赋值——有=1、无...