用SPSS做有序多分类logistic回归分析

用一个案例来说明。欲研究性别、两种治疗方法对某病疗效的影响，疗效的评价分为3个有序的等级：显效、有效和无效，变量编码数据如下表所示：

简单分析一下，研究目标是疗效，是我们的因变量Y，它呢有3个水平，分别是无效、有效、显效。解释变量，即自变量为性别、疗法，均是二分类变量。

这是一组汇总后的频率统计数据，所以在开始logistic回归前，需要用频数进行加权。此外也是非常重要的一环，有序多分类logistic回归的原理要求数据能通过平行线检验，这个检验我们就在接下来的logistic回归中直接解读结果即可。

心中有数之后，我们开始logistic回归建模。打开【分析】→【回归】→【有序】菜单。

告诉软件谁是因变量，谁是自变量。

点开【输出】对话框，除了默认要求输出的【拟合优度】【摘要统计】【参数估算值】外，有序logistic回归必须勾选【平行线检验】，这是基本条件。

其他参数都可以按照软件默认的设置，可满足多数场景。点主对话框底部的【确定】按钮，命令软件执行此次分析。

来解读一下结果。

先从众多结果中，把平行线检验拎出来。因为这是有序logistic回归的使用条件，如果不满足这个条件的话，其他结果也就不用看了。

χ² =1.469，P=0.48，说明平行性检验是通过的，即各回归模型的系数是一致的，可以使用有序logistic回归。

接下来用似然比卡方检验给模型做总体性评价，χ² =19.887，P=0.000，说明模型有统计学意义，两个自变量中至少有一个是有统计学意义的。

也可以参考拟合优度中输出的皮尔逊卡方检验和偏差检验，P>0.05，说明模型有统计学意义。

最后可以解读回归参数了。

【估算】列就是回归系数了，最后两列给出回归系数的95%置信区间；

【瓦尔德】检验的显著性概率P值，当P<0.05时，说明自变量对因变量有统计学意义，性别和疗法这两个因素对疾病疗效均有统计学意义。

SPSS没有直接输出比数比OR值，怎么办呢，最简单的办法就是在Excel里面输入EXP（）函数，括号里面的参数就是回归系数。自己计算OR并解读即可。

比如疗法这个因素，OR=EXP（1.797）=6。可以通俗粗暴理解为，新疗法对于提高治疗疗效有积极作用，是传统疗法的6倍。

End.作者：数据小兵来源：博客本文均已和作者授权，如转载请与作者联系。