有序Logistic回归结果解读：累积logit与比例优势假定.docxVIP

有序Logit回归分析结果解读

一、方法概述

有序Logit回归分析（OrdinalLogisticRegression）是处理有序多分类因变量的重要统计方法。该方法在比例优势假设（ProportionalOddsAssumption）成立的前提下，通过构建累积概率的Logit变换模型，将因变量的多个有序类别整合到同一框架中进行参数估计。与二分类Logistic回归不同，有序Logit回归充分利用了因变量类别之间的顺序信息，既避免了将有序变量简单当作连续变量处理所带来的线性假设偏误，也避免了将其视为无序多分类变量而损失统计功效的问题。该方法广泛应用于社会科学、公共卫生、心理学及管理学等领域，适用于幸福感等级、满意度评分、疾病严重程度分级等具有自然顺序的结局变量分析。本研究采用SPSSAU软件进行有序Logit回归分析，系统报告模型拟合、变量效应及分类表现等关键结果。

在SPSSAU【进阶方法】模块选择【有序logit】，将变量拖拽至右侧对应分析框，选择连接函数和平行性检验，选择定类变量后SPSSAU自动进行哑变量处理，操作如下图：

二、因变量分布与样本情况

在进行有序Logit回归分析之前，首先需要考察因变量的类别分布情况，以判断各类别样本量是否均衡，从而评估模型估计的稳定性。表1报告了因变量Y的频数分布，表2报告了样本缺失情况。

由表1可知，因变量Y共包含三个有序类别。其