有序逻辑回归

结局有顺序且你接受「各切点共用一条斜率」，用有序 logit。你怀疑某一档的机制完全不同，改多项。只要描述组间位置，Ridit 更轻。

• 有序逻辑回归：Y 为 3–20 个有序类；输出共用系数、切点阈值、OR、伪 R² 与似然比检验。

• 多项逻辑回归：放弃顺序，每类对基准各估一套系数。

• 二元逻辑回归：先把等级塌缩成两类时才用。

• Ridit / 线性回归：只要相对位置，或你坚持把等级当连续分。

输入

因变量须为有序多类。系统按数值大小（或有序因子的类别顺序）排列切点。自变量可为定量或定类。分组变量可选，用于分组独立建模。

• 自变量：最少 1 个，最多 30 个（定量或定类）。

• 因变量：最少 1 个，最多 1 个（定类，有效类数 3–20）。

• 分组变量：最少 0 个，最多 2 个（定类）。

输出

结果表上半是预测因子的系数、标准误、z、p、OR；下半是「阈值 j|j+1」切点。表注给出类别顺序、有效 N、伪 R² 与模型检验 p。同时输出等级概率 / OR 看板与文字洞察。启用分组时各组分别出表，并给出分组对比图。

产品限制

• 有效类数必须在 3–20。两类请改二元；超过 20 会按「疑似连续定量」拒绝，避免为每个取值各造一个切点。

• 拟合采用累积 logit（比例优势），不打印 Brant / 平行线检验表。若你怀疑各切点斜率不同，应对照多项逻辑回归。

• 切点行上的 OR 是 exp(阈值)，不是某个 X 的效应，不要写进「显著预测因子」名单。

• 缺失成表删除；分组只保留样本量最大的前 12 组。

• 某组有效类数不足 3 时该组会被跳过。

研究问题。 同一份学生问卷里，数学学习兴趣是 1–5 的有序评分。研究者想在承认顺序的前提下，同时估计教学吸引力、家庭学习支持、数学能力自评对「更高兴趣档」的累积优势，而不是把五档拆成四条互不相关的对比。

教学示例来自学生问卷「有效样本数据」，有效样本量 500。兴趣档人数：1 分 15、2 分 137、3 分 242、4 分 97、5 分 9。三列预测因子都是 1–5 评分。下载后按同样角色可复现表中「教学吸引力」一行的 0.5144 与 OR 1.6726。

下载教学示例表（学生问卷）

1. 步骤 1 · 打开同一份问卷

   把学生问卷 xlsx 拖进工作台，确认工作表为「有效样本数据」。单文件不超过 20 MB。

2. 步骤 2 · 核对档位顺序

   列画像里兴趣应为少量离散取值。本例按 1<2<3<4<5 排列切点；若你的等级是文字，请先整理成可排序的编码。

3. 步骤 3 · 选择「有序逻辑回归」

   在算法目录搜索「有序」，点选有序逻辑回归。它和多项逻辑回归不是同一个入口。

4. 步骤 4 · 放入三列预测因子

   自变量勾选教学吸引力、家庭学习支持、数学能力自评；因变量勾选数学学习兴趣。本案例不使用分组。点击运行分析。

5. 步骤 5 · 先读斜率后读切点

   先看三行预测因子的符号、p 与 OR，再把「阈值 1|2」等行当成潜变量切点，不要把它们写成第三个「自变量」。

下表由同一份教学示例在 StatsX 中运行有序逻辑回归得到。表注：类别顺序 1 < 2 < 3 < 4 < 5，样本量 = 500，伪 R² = 0.0986，模型检验 p < 0.001。似然比拒绝「三条斜率全为 0」；伪 R² 接近 0.10，解释力仍然有限。

【有序逻辑回归】因变量=数学学习兴趣，等级顺序=1 < 2 < 3 < 4 < 5。 【显著变量】教学吸引力、家庭学习支持、数学能力自评、阈值 1|2、阈值 2|3、阈值 3|4、阈值 4|5 对等级变化有显著影响(α=0.05)，OR>1 表示倾向更高等级。

实质预测因子三行都显著：教学吸引力系数 0.5144（OR=1.6726，z=4.5155，p<0.001），家庭学习支持 0.3959（OR=1.4858，p=0.002），数学能力自评 0.4924（OR=1.6363，p<0.001）。OR>1 表示该评分升高时，越过更高切点的累积优势上升。自动洞察会把「阈值 1|2」到「阈值 4|5」也列进显著名单——那些是切点参数（例如阈值 1|2 的 1.0397，p=0.042），不是第三个自变量。写论文只报告三行斜率的 OR，切点留给方法部分说明等级分割。和多项那页对照：多项里教学吸引力只在 4 (vs 1) 显著；有序把信息压成一条共用斜率，所以三列都变得显著，这是假定换来的效率，不是「发现了更多机制」。

设潜变量 Y* = Xβ + ε，观测档位由切点 τ_j 切开。累积 logit（比例优势）写成：

β 不随 j 改变，所以 X_j 增加一单位时，落到更高档的累积优势比在每个切点上都相同：

StatsX 用 statsmodels OrderedModel（distr=logit，BFGS）。切点在表中显示为「阈值 1|2」等。比例优势一旦不成立，单一 OR 会抹平「只对某一档有效」的结构，这时应改多项逻辑回归，让每个非基准类有自己的系数。本页不输出正式的平行线检验；判断假定要靠对照多项、或在 SPSS PLUM 里另做平行线检验。

• 阈值行的 p 显著只说明切点不为零，不能写成「阈值导致兴趣升高」。

• 比例优势是建模代价：换来一条好解释的 OR，也丢掉各档不同机制。

• 5 分仅 9 人时，最高切点仍然可估，但最高档的预测概率会很不稳。

• 洞察文案可能把阈值与预测因子并列，引用时请自己筛掉阈值行。

• 横断面问卷里的 OR 是条件关联，不能写成「提高教学吸引力就会抬升兴趣档」。

顺序一被放弃就回到多项；只要组间位置可看 Ridit；连续均分才用线性回归。

• McCullagh, P. Regression models for ordinal data. Journal of the Royal Statistical Society: Series B, 1980.

• Agresti, A. Analysis of Ordinal Categorical Data. Wiley.

• 王济川, 郭志刚. Logistic回归模型：方法与应用[M]. 高等教育出版社.