序數迴歸
「序數迴歸」可讓您做出多分類序數回應值與一組預測值（可為因素或共變數）的從屬模型。 「序數迴歸」之設計係以 McCullagh (1980, 1998) 方法論為基礎，而且其程序在語法上被稱為 PLUM。
標準的線性迴歸分析，會將回應值（應變數）和加權預測（自）變數間平方差總和最小化。 其中，估計係數可反映出預測值的改變，對回應值所造成的影響。 因回應值層級之變更在所有應變數範圍內都是相同的，所以應變數係假設為數值。 例如，150 公分高的人及 140 公分高的人之間，身高差距為 10 公分，這與身高 210 公分高及 200 公分高的兩人之間，身高差距的意義是一樣的。 但這些關係對序數變數並非是必要的，因其選擇及應變數類別個數可能是非常多變的。
範例。 「序數迴歸」可用來研究病患對藥物劑量的反應。 可能的反應可分為「無」、「輕微」、「溫和」或「嚴重」。 但輕微與溫和反應之間的差距是很難量化或無法量化，而且是以感覺為依據的。 此外，輕微與溫和回應之間的差距可能會大於或小於溫和與嚴重回應之間的差距。
統計量與圖形。 共有觀察與期望的頻次分配及累積頻次分配，頻次分配及累積頻次的皮爾遜 (Pearson) 殘差，觀察與期望機率，依共變異數型樣所劃分的每個回應類別的觀察與期望累積機率，參數估計值的漸進線相關與共變異數矩陣，皮爾遜卡方與概似比卡方，適合度統計量，疊代歷程，平行線假設檢定，參數估計值，標準誤，信賴區間，以及 Cox 與 Snell's、Nagelkerke's 及 McFadden's R 2 統計量。
序數迴歸的資料考量
資料。 應變數係假設為序數，而且可以是數值或字串。 其次序是依遞增順序排序應變數數值而決定的， 最低值會定義第一個類別。 因素變數係假設為類別的。 共變數變數必須為數值變數。 請注意，使用一個以上的連續共變數，很容易導致建立很大的資料格機率表。
假設。 僅能有一個回應值變數，而且它必須是經過指定的。 此外，對所有自變數數值的每個不同樣式而言，應變數是假設為多項式自變數。
相關程序。 名義邏輯迴歸也會對名義應變數使用類似模式。
若要取得序數迴歸
本功能需要 Statistics Base 選項。
- 從功能表中選擇：
- 選取一個應變數。
- 按一下確定。
此程序會貼上 PLUM 指令語法。