序数回归分析

1.序数回归分析

序数回归分析是一种特殊类型的多变量，因变量是有序分类数据变量。 与多元回归分析相比，序数回归分析具有更多的并行性检验。

平行性检验：检验回归方程中自变量的各个水平对因变量的影响是否相同。 原假设为 H0：模型满足并行性，备择假设为： H1：模型不满足并行性。 连接功能也会影响并行性测试。 如果并行测试失败，可以尝试更改连接功能。

链接函数表

常用的Logit函数，方程与无序多元分类回归分析相同，因此可以得到方程：

ln(pi/(1-pi))=β0+β1x1+...βnxn

采用最大似然比法或迭代法估计参数，参数通过似然比检验和Wold检验。

数据应满足的条件：

1.因变量是有序的多类别数据。

2. 自变量可以是连续随机变量和分类数据

2.有序回归分析操作步骤

第一步：将数据导入spss后，点击分析、回归、排序。

图1 有序回归操作第一步

第二步：进入图中对话框后，点击将变量放入对应的变量框中，点击输出检查、平行线测试、单元格信息。

图2 输出检查

第三步：如果平行线测试结果没有通过可替换链接功能，点击选项，勾选连接中对应的功能，点击继续。

图3 链路功能检查

3.序数回归分析结果

序数回归案例处理的总结结果。

图4 案件处理概要

模型拟合信息、拟合优度和伪 R 平方结果。

图5 模型拟合信息

参数估计，平行线测试结果。

图6 参数估计

4.序数回归分析OR值计算步骤

单击分析、广义线性模型、广义线性模型。

图7 第一步OR值计算

步骤2：进入广义线性模型对话框后，点击模型类型，勾选 下的。

图8 选型

步骤 3：单击“响应”将因变量放入因变量框中。

图 9 因变量设置

步骤 4：单击预测变量并将自变量放入因子框中。

图 10 放入自变量

步骤 5：单击“模型”将因子和协变量放入模型中。

图 11 制定模型效果

步骤6：点击并在方法中勾选。

图12 参数估计方法

步骤7：单击“统计”以选中“包括索引参数估计”，然后单击“确定”。

图13 统计检查

5.OR值计算结果

OR值的模型信息、案例处理摘要、分类变量信息结果。

图14 型号信息

拟合优度检验、模型效果检验结果。

图15 拟合信息

OR值参数估计结果。

图16 OR值结果

6. 整理结果

将参数估计结果粘贴到表格中进行排序，在表格底部添加伪R平方值，将平行线测试表单独整理出来放入结果中，然后将排序后的结果粘贴到Word文档中用于表格编辑制作和文本描述。

图 17 结果总结