Порядковая регрессия (ordinal regression) – это расширение обобщенной линейной модели регрессии, в которой зависимая переменная измеряется в порядковой шкале. Независимые переменные в модели порядковой регрессии могут быть категориальными или количественными. Категориальные независимые переменные называют факторами. А количественные независимые переменные – ковариатами.
Модель порядковой регрессии напоминает модель мультиномиальной логистической регрессии. В модели порядковой регрессии для каждой категории зависимой порядковой переменной (за исключением последней) строится уравнение регрессии, прогнозирующее накопленную вероятность принадлежности объекта наблюдения к данной категории.
Отличие порядковой регрессии от мультиномиальной логистической регрессии в том, что в качестве связывающей зависимую переменную и независимые переменные функции может использоваться не только логистическая функция. В качестве связывающей функции в порядковой регрессии обычно применяют:
- логистическую функцию – используют, когда категории зависимой переменной распределены равномерно;
- распределение Коши – используют, если зависимая переменная отклика имеет множество пиковых значений;
- сопряженный двойной логарифм – используют, если более вероятны высокие категории зависимой переменной;
- отрицательный двойной логарифм – используют, если более вероятны низкие категории зависимой переменной;
- функцию стандартного нормального распределения – используют для нормально распределенных частот зависимой переменной.
Вам может быть интересно ...
Онлайн курс "Углубленные методы статистического анализа данных в IBM SPSS Statistics"