请问有序回归和最优尺度的区别

我看到回归分析上有定序回归，介绍因变量是等级变量，而最优尺度回归也是如此，他们的重要区别是什么？

有序多分类logistic回归需要满足平行性假定的条件，而且因为是logistic回归，所以本质上是计算y的有序取值水平的累积概率的odds，而因变量为有序变量的最优尺度回归，就与概率无关了，是把方程左右两边的变量取值都量化。还有最优尺度对于名义变量的处理和logistic不同，logistic是将其哑元化，最优尺度是给出量化评分，前者处理的细致但繁琐，后者处理的粗略但二者都可以真实的反应出各个类别的效应。如果所有变量几乎都是分类变量且变量很多，建议使用最优尺度（最优尺度很适合处理自变量基本都是分类变量的数据）而非logistic回归，因为这样结果解释起来方便，而且会提高检验效能。

直接作为自变量纳入分析，则实际上假设这4档间的差距完全相等，这是一个简单和理想的假设，有可能导致错误的分析结果；对于无序分类变量如婚姻，各类别之间不存在数量高低之分，不可能为其给出单一的回归系数估计值，引入哑变量非常繁琐。而最优尺度变换可以用于解决统计建模时对分类变量的量化问题，基本思路就是保证各变量间的联系为线性的前提下，采用一定的非线性变化方法进行反复迭代，从而为原始变量间的类别找到最佳的量化评分，然后在相应模型中使用量化评分代替原始变量进行分析。

sun468 发表于 2014-4-26 14:00
直接作为自变量纳入分析，则实际上假设这4档间的差距完全相等，这是一个简单和理想的假设，有可能导致错误的 ...

谢谢亲 但是有序回归和最优尺度针对的都是顺序变量 尤其是有序回归 里面有个阙值 貌似用的指标不太一样 而最优尺度也是针对顺序变量 因为分类变量 有多元逻辑回归 那具体的区别 我还是没有看到啊

您好，我也想知道logit与最优尺度回归的差别

您好，我也想知道logit与最优尺度回归的差别

这两个的差别网上我找了很久，一直没有资料，求高手！

有序Logit回归分析用于研究X对于Y的影响关系，如果X为定类数据，一般需要做虚拟(哑)变量设置，Y为有序定类数据。有序Logit回归分析时，首先进行模型平行性检验，如果p 值大于0.05，说明满足平行性检验，如果p 值小于0.05，说明不满足平行性检验，看到SPSSAU上建议使用多分类Logit回归分析；满足平行性检验后，接着再具体研究影响关系情况即可，比如是正向影响还是负向影响关系等。