如何进行无序多分类logistic回归分析
今天就跟大家聊聊有关如何进行无序多分类logistic回归分析，可能很多人都不太了解，为了让大家更加了解，小编给大家总结了以下内容，希望大家根据这篇文章可以有所收获。
无序多分类logistic回归分析，是用于研究自变量 X 与 应（因）变量 Y（分类变量）的一种多元回归分析法。自变量X 可以为分类变量或者连续型变量，因变量Y 为无序多分类变量，即不考虑因变量之间的等级信息，例如：职业可分为医生、教师、工程师、工人等。
某研究人员欲了解不同社区和性别之间成年居民获取健康知识途径是否不同，对2个社区的314名成人进行了调查。（数据来源：医学统计学 第4版，点击"阅读原文"获取数据+密码：adgm）
变量赋值情况
社区（X1） | 社区1=0 ，社区2 = 1 |
性别（X2） | 男=0 ， 女= 1 |
获取健康知识途径（Y） | 传统大众传介= 1 ，网络= 2 ，社区宣传 = 3 |
数据视图
变量视图
问题剖析：该案例数据类型均为分类变量，因变量Y有三个水平（传统大众传介= 1，网络= 2 ，社区宣传= 3 ）且无序性，故采用无序多分类logistic回归分析。
【一】加权处理，对频数"freq"进行加权
【二】单击 "分析" "回归" "多项logistic（M）"
【三】弹出如下所示对话框
【四】将"变量Y" 选入"因变量"，变量"社区"（X1）"和"性别（X2）"选入"因子"中，（若为连续型变量则放入"协变量"中）
其它选项可根据具体需要选择
①个案处理摘要
②模型拟合信息
对模型进行似然比检验，P<0.001 表明该模型有统计学意义。两表的解释意义一样。
③参数估计值
该结果以Y变量的"社区宣传"为参考类水平。从结果来看，以检验水准 α = 0.05，传统大众媒介与社区宣传相比 ，社区（X1）与性别（X2）（P<0.01 ）均有统计学意义（具体解释可参考下面）。
网络与社区宣传相比，只有性别（X2）（P=0.004）有统计学意义；相比于社区宣传，男生比女生更易接受网络获取健康知识途径（P=0.004 , OR=2. 213），或者可以理解为男生通过网络获取健康知识是女生的2. 213倍。
看完上述内容，你们对如何进行无序多分类logistic回归分析有进一步的了解吗？如果还想了解更多知识或者相关内容，请关注行业资讯频道，感谢大家的支持。
