有序回归

顺序回归，也被称为 "有序Logit "或 "有序Probit"，是统计学中的一种回归分析，用于预测非线性序列中的一组数字值。它通常用于预测性分析，有助于确定某一事件在某一数值范围内发生的概率。顺序回归用于预测二元或非二元数据集中两个或多个类别的排名或排序。它允许模型不仅考虑数据点（观察值），而且考虑观察值的顺序，从而允许更准确的预测。

顺序回归对生物学等领域非常有用，在这些领域，分类的排序可以为研究提供更多的洞察力，而不仅仅是离散值。例如，在测量病人的性情时，序数回归能够区分 "平静 "与 "烦躁 "与 "愤怒 "与 "暴力"，而不是仅仅将每个病人分配到一个单一的分类尺度。通过这种方式，它可以捕捉到更多层次的细节。

在大多数情况下，序数回归采用了与线性回归相同的技术，主要区别在于输出是有序的。多元回归模型和逻辑回归模型可以与顺序回归结合使用。为了使预测模型更加准确，序数回归使用 "虚拟变量 "来代表每个类别（或序数水平）及其相关的权重。权重被用来评估每个类别的概率（发生或转换）。

顺序回归被广泛用于各种领域，以准确识别、测量和预测名义、顺序和分类数据集之间的关系。它可用于市场研究以评估消费者的偏好，刑事司法以预测累犯，以及医疗保健以分类疾病或病人的健康。