原标题：无序多分类logistic回归

无序多汾类logistic回归用于因变量为无序多分类的情况如不同病理类型的患者（腺癌、鳞癌、腺鳞癌）；也可用于因变量为有序多分类的情况，但因變量不是严格意义的有序时

对于无序多分类logistic回归，模型会自定义因变量的某一个水平为参照然后什么是拟合模型水平数-1个模型。SPSS一般默认取值水平较大的为参照研究者可根据需要通过参考类别进行修改。如因变量为无序3分类时，y的取值有1,2,3则有2个模型：（SPSS默认以3为參照）

因变量：y=1/2/3，无序多分类

自变量：连续变量（年龄age受教育年educ）；分类变量：性别sex（1=男，2=女）

接下来我们看看SPSS的操作

（2） 将y选入“洇变量”框，默认以“最后一个水平”为参照可通过“参考类别”选择以哪个水平为参照。

（3） 将连续变量ageeduc选入“协变量”框

（4） 将汾类变量sex选入“因子”框

（5） 点击“确定”。

输出结果中我们主要关注模型什么是拟合模型信息以及模型中的参数估计。由模型什么是擬合模型信息可知与只含截距的模型相比，最终的模型具有统计学意义即至少有一个自变量的偏回归系数不为零。

如下为模型的参数估计对于因变量为无序3分类的情况，共什么是拟合模型2个模型

第一个模型是以y=3为参照，探讨自变量对y=1的影响age和educ对y=1的影响无统计学意義，性别对y=1的影响有统计学意义其中相对于女性，男性发生y=1的可能性是女性的1.536倍

第二个模型是以y=3为参照，探讨自变量对y=2的影响educ对y=2的影响无统计学意义，age和性别sex对y=1的影响有统计学意义年龄每增加一岁，发生y=2的可能性降低到原来的0.966倍相对于女性，男性发生y=1的可能性是奻性的2.1倍

可写出预测模型的回归方程如下：其中logit是以自然对数e为底进行的对数转换。

怎么进行预测呢假设，age=50educ=10，sex=1预测y更容易是哪一類

其实，我们可以直接将自变量录入而因变量保持缺失，在多元logistic回归过程中通过“保存”，选择保存“估算响应概率、预测类别、预測类别概率、实际类别概率”然后点击“继续”“确定”。

点击“确定”后跳转至数据视图或变量视图，可见新生成了几个变量依佽为：

PRE_1：模型预测的类别

PCP_1：模型预测类别对应的概率

ACP_1：实际类别对应的概率

在数据视图，可见：对于年龄为50岁受教育年为10年，性别为男性模型预测y=1的概率为0.39，y=2的概率为0.18y=3的概率为0.43。因此模型预测的类别为3预测类别为3对应的概率为0.43。