多分类logistic回归分析

Logistic 回归分析（logit 回归）大致可划分为三类，即二元 Logistic 回归分析、多分类 Logistic 回归分析以及有序 Logistic 回归分析。

多分类 logistic 回归分析的基本阐释：

但凡涉及 logistic 回归，均是探究 X 对 Y 的影响，其差异体现在因变量 Y 上。在进行 logistic 回归时，因变量 Y 被视作定类数据。倘若 Y 为二元（即仅有两个选项），那么此为二元 logistic 回归；若 Y 包含多个类别，且这些类别之间无法进行程度或大小的对比，那么则属于多分类 logistic 回归；倘若 Y 为多个类别，且类别之间能够对比程度大小（亦被称作定量数据或有序定类数据），此时就需采用有序 logistic 回归。

多分类 logistic 回归的难点在于：因变量属于类别数据，当研究 X 对 Y 的影响且 Y 为类别数据时，不能表述为越怎样就越怎样，例如不能说越满意就越愿意购买；而只能表示为相对于小米手机而言，对于手机外观越满意就越愿意购买苹果手机。这便是类别数据的特性，必然是相对于某一对象而言。这使得在进行多分类 logistic 回归分析时，文字分析的难度有所增加，最好运用 SPSSAU 的智能文字分析功能进行对应查看。

单独开展多分类 logistic 回归时，通常需要历经以下四个步骤，分别为数据处理、模型似然比检验、参数估计分析以及模型预测效果分析。