序数回归
使用有序回归可以在一组预测变量（可以是因子或协变量）上对多歧分序数响应的依赖性进行建模。 有序回归的设计基于 McCullagh (1980, 1998) 的方法论；有序回归的过程在语法中称为 PLUM。
标准线性回归分析是指最小化响应变量（因变量）和预测变量（自变量）的加权组合之间的平方和差值。 估计的系数反映了预测变量的变化对响应的影响程度。 假设响应是数值，在此意义上，在整个响应范围内响应水平的变化是等同的。 例如，身高为 150 厘米的人和身高为 140 厘米的人的高度差为 10 厘米，该高度差的含义与身高为 210 厘米的人和身高为 200 厘米的人的高度差的含义相同。 这些关系不一定适用于序数变量，序数变量中响应类别的选择和数量可能会非常随意。
示例。 可以使用有序回归研究患者对药物剂量的反应。 可能的反应可以分为 无、轻微、适度或剧烈。 轻微反应和适度反应之间的差别很难或不可能量化，并且这种差别是取决于感觉的。 另外，轻微反应和适度反应之间的差别可能比适度反应和剧烈反应之间的差别更大或更小。
统计和图。 观察的和期望的频率以及累积频率、频率和累积频率的 Pearson 残差、观察到的和期望的概率、观察到的和期望的以协变量模式表示的每个响应类别的累积概率、参数估计值的渐近相关性和协方差矩阵、Pearson 的卡方和似然比卡方统计、拟合优度统计、迭代历史记录、平行线假设的检验、参数估计值、标准误差、置信区间以及 Cox 和 Snell、Nagelkerke 和 McFadden 的 R 2 统计。
有序回归数据注意事项
数据。 假设因变量是序数并且可以是数值或字符串。 通过对因变量的值进行升序排序来确定排列顺序。 最低值定义第一个类别。 假设因子变量是分类变量。 协变量必须为数值。 请注意：使用多个连续协变量很容易使创建的单元格概率表非常大。
假设。 只允许使用一个响应变量，并且必须指定该响应变量。 另外，对于多个自变量值的各个不同模式，假设该响应是独立的多项变量。
相关过程。 标定 Logistic 回归对于名义因变量使用相似的模型。
获取序数回归
此功能需要 Statistics Base 选项。
- 从菜单中选择：注意： 红色标记的字段为必填项。 在所有必填字段中输入有效值后，" 粘贴 "和 "确定 "按钮将被启用。
- 选择一个因变量。
- 单击确定。
此过程将粘贴 PLUM 命令语法。