SPSS回歸分析：有序回歸

一、概念（分析-回歸-有序）

使用序數(shù)回歸可以在一組預(yù)測變量（可以是因子或協(xié)變量）上對多歧分序數(shù)響應(yīng)的依賴性進行建模。序數(shù)回歸的設(shè)計基于McCullagh (1980, 1998)的方法論；序數(shù)回歸的過程在語法中稱為PLUM。如：可以使用序數(shù)回歸研究患者對藥物劑量的反應(yīng)?？赡艿姆磻?yīng)可以分為無、輕微、適度或劇烈。輕微反應(yīng)和適度反應(yīng)之間的差別很難或不可能量化，并且這種差別是取決于感覺的。另外，輕微反應(yīng)和適度反應(yīng)之間的差別可能比適度反應(yīng)和劇烈反應(yīng)之間的差別更大或更小。

二、選項（分析-回歸-有序-選項）

使用“選項”對話框可以調(diào)整迭代估計算法中所使用的參數(shù)，選擇參數(shù)估計值的置信度并選擇關(guān)聯(lián)函數(shù)。

1、迭代?？梢远ㄖ频惴??！蜃畲蟮螖?shù)。指定一個非負整數(shù)。如果指定為0，則過程會返回初始估計值?！蜃畲蟛襟E對分。指定一個正整數(shù)。◎?qū)?shù)似然估計收斂。如果對數(shù)似然估計中的絕對或相對變化小于該值，則算法會停止。如果指定0，則不使用該條件?！騾?shù)收斂。如果每個參數(shù)估計值中的絕對或相對變化小于該值，則算法會停止。如果指定0，則不使用該條件。

2、置信區(qū)間。指定一個大于等于0且小于100的值。

3、Delta。添加到零單元格頻率的值。指定一個小于1的非負值。

4、奇異性容許誤差。用于檢查具有高度依賴性的預(yù)測變量。從選項列表中選擇一個值。

5、鏈接函數(shù)。鏈接函數(shù)是累積概率的轉(zhuǎn)換形式，可用于模型估計。下表總結(jié)了五個可用的鏈接函數(shù)?！騆ogit log(?/ (1?) )均勻分布類別?！蚧パa雙對數(shù)log( log(1?))類別越高可能性越大?！蜇撾p對數(shù)log( log(?))類別越低可能性越大?！騊robit?1(?)潛在變量為正態(tài)分布?！駽auchit（逆Cauchy）tan(π(?0.5))潛在變量有許多個極值

三、序數(shù)回歸輸出（分析-回歸-有序-輸出）

“輸出”對話框可以生成在瀏覽器中顯示的表，并將變量保存到工作文件。

1、顯示。為以下項目生成表：◎打印迭代歷史記錄。為所指定的打印迭代頻率打印對數(shù)似然估計和參數(shù)估計值。始終打印第一個和最后一個迭代。◎擬合優(yōu)度統(tǒng)計。Pearson和似然比卡方統(tǒng)計量?；谠谧兞苛斜碇兄付ǖ姆诸愑嬎氵@些統(tǒng)計量。◎摘要統(tǒng)計。Cox和Snell、Nagelkerke和McFadden R2統(tǒng)計量。◎參數(shù)估計。參數(shù)估計值、標準誤和置信區(qū)間?！騾?shù)估計的漸近相關(guān)性。參數(shù)估計相關(guān)系數(shù)的矩陣?！騾?shù)估計的漸近協(xié)方差。參數(shù)估計協(xié)方差的矩陣?！騿卧裥畔?。觀察的和期望的頻率和累積頻率、頻率和累積頻率的Pearson殘差、觀察到的和期望的概率以及以協(xié)變量模式表示的觀察到的和期望的每個響應(yīng)類別的累積概率。請注意：對于具有許多協(xié)變量模式的模型（例如，具有連續(xù)協(xié)變量的模型），該選項可能會生成非常大的、很難處理的表?！蚱叫芯€檢驗。位置參數(shù)在多個因變量水平上都相等的假設(shè)檢驗。該檢驗只對僅定位模型可用

2、保存的變量。將以下變量保存到工作文件：◎估計響應(yīng)概率。將因子/協(xié)變量模式分類成響應(yīng)類別的模型估計概率。概率與響應(yīng)類別的數(shù)量相等?！蝾A(yù)測類別。具有因子/協(xié)變量模式的最大估計概率的響應(yīng)類別。◎預(yù)測類別概率。將因子/協(xié)變量分類成預(yù)測類別的估計概率。該概率也是因子/協(xié)變量模式的估計概率的最大值?！?qū)嶋H類別概率。將因子/協(xié)變量分類成實際類別的估計概率。

3、打印對數(shù)似然性?？刂茖?shù)似然估計的顯示?！虬囗検匠?shù)可以提供似然估計的完整值。若要在不包含該常數(shù)的乘積之間比較結(jié)果，可以選擇將該常數(shù)排除。