Logit
有序邏輯回歸中的負係數
假設我們有序數響應和一組變量我們認為會解釋. 然後我們做一個有序的邏輯回歸（設計矩陣）上（回复）。
假設估計係數， 稱它為，在有序邏輯回歸中是. 如何解釋優勢比 (OR)?
我是說“增加 1 個單位一切都是平等的，觀察的機率是觀察機率的倍數，並且對於相同的變化, 觀察的機率是觀察機率的倍數“？
我在我的教科書或谷歌中找不到任何負係數解釋的例子。
您走在正確的軌道上，但請始終查看您正在使用的軟件的文檔，以了解實際適合的模型。假設具有分類因變量的情況具有有序類別和預測器.
“在野外”，您可以遇到三個等價的選擇來編寫具有不同隱含參數含義的理論比例賠率模型：
（模型 1 和 2 有限制，在單獨的二元邏輯回歸，不隨， 和, 模型 3 對，並要求)
- 在模型 1 中，正意味著預測變量的增加與較低類別的機率增加有關.
- 模型 1 有點違反直覺，因此模型 2 或 3 似乎是軟件中的首選。在這裡，一個積極的意味著預測變量的增加與更高類別的機率增加有關.
- 模型 1 和 2 對，但他們的估計有相反的跡象。
- 模型 2 和模型 3 對，但他們的估計有相反的跡象。
假設您的軟件使用模型 2 或 3，您可以說“增加 1 個單位, 在其他條件不變的情況下, 觀察到的預測機率 ‘‘與觀察’’ 改變一個因子.”，同樣“增加 1 個單位, 在其他條件不變的情況下, 觀察到的預測機率 ‘‘與觀察’’ 改變一個因子。”請注意，在經驗案例中，我們只有預測的機率，而不是實際的機率。
以下是模型 1 的一些附加插圖類別。首先，假設具有比例優勢的累積 logits 的線性模型。二、觀察到最多類別的隱含概率. 概率遵循具有相同形狀的邏輯函數。
對於類別概率本身，所描繪的模型意味著以下有序函數：
PS 據我所知，模型 2 用於 SPSS 以及 R 函數
MASS::polr()和ordinal::clm(). 模型 3 用於 R 函數rms::lrm()和VGAM::vglm(). 不幸的是，我不了解 SAS 和 Stata。
