多分类Logit回归结果解读：相对风险比RRR与边际效应.docxVIP

多分类Logit回归分析结果解读

一、方法概述

多分类Logistic回归分析（MultinomialLogisticRegression）是二元Logistic回归的扩展形式，适用于因变量为多分类无序变量的研究场景。该方法以某一类别作为参照组，分别估计其他各类别相对于参照组的发生概率，并通过优势比（OddsRatio,OR）量化解释变量对结局类别的影响方向与强度。与线性回归不同，多分类Logistic回归不要求因变量满足正态分布假设，且能够同时处理多个类别的比较问题，在医学诊断、市场细分、社会分层等领域具有广泛应用。本研究借助SPSSAU软件，以三分类因变量y为结局变量，考察x1至x5五个解释变量对不同结局类别的影响效应，并评估模型的整体拟合优度与分类预测能力。

在SPSSAU【进阶方法】模块选择【多分类logit】，将变量拖拽至右侧对应分析框，操作如下图：

二、因变量类别分布

表1报告了因变量y的类别分布情况。在360个有效样本中，类别1.0占比最高（n=155,43.06%），类别2.0（n=104,28.89%）和类别3.0（n=101,28.06%）比例相近。三类比例未出现极端失衡，最大类别与最小类别之比约为1.53:1，表明模型估计不太容易受到严重样本倾斜的影响。这一分布特征意味着后续OR值和分类准确率的估计能够较为可靠地反映变量与结局之间的真实关系，而不