方法选择 ·

逻辑回归模型怎么选：二元、多分类与有序 Logistic 决策指南

逻辑回归模型怎么选？按因变量类别数与顺序区分二元、多分类和有序 Logistic，并说明 ChatSRS 当前样本、编码、参考类别、输出与假设边界。

逻辑回归模型怎么选，首先看因变量有几个类别、类别是否有真实顺序，再确定事件、参考类别和编码。不能在看到结果后按哪个模型 p 值更小来换模型。

三步选对 Logistic

  1. 因变量只有两个类别，例如“未复购/复购”，选择二元 Logistic。
  2. 因变量有三个及以上类别，而且没有自然顺序，例如“步行/公交/地铁”，选择多分类 Logistic。
  3. 因变量有三个及以上类别，而且有明确顺序，例如“低/中/高满意度”，才考虑有序 Logistic。

数字代码本身不创造顺序。把“东部/中部/西部”编码成 1/2/3，并不会让它变成有序因变量；同样也不能把类别代码直接当连续 Y 做线性回归。

因变量结构当前分析入口系数比较对象
两个互斥类别binary_logistic_regression事件 1 相对事件 0
三类及以上、无序multinomial_logistic_regression每个非参考类相对参考类
三类及以上、有序ordinal_logistic_regression跨累积切点共享的斜率

二元 Logistic 的当前范围

二元入口要求 Y 恰好有两个取值，完整案例至少 30 行。若 Y 不是 0/1，当前实现按排序后较小值映射为 0、较大值映射为 1，并给出编码提示。

输出包括：

  • 空模型与最终模型的似然比检验、-2LL、AIC 和 BIC；
  • B、SE、z、Wald χ²、渐近 p、OR 和 OR 的 95% CI；
  • McFadden、Cox-Snell 和 Nagelkerke 伪 R²；
  • 最终分析 N。

可使用全进入、向前、向后或逐步变量选择。数据驱动筛选会改变常规 p 值的解释，优先使用事前确定的变量规格。

文本分类自变量可能按排序值自动编码成 1、2、3……，这不是名义变量的正确哑变量方案。分类预测变量应事先建立有明确参考组的虚拟变量。

多分类 Logistic 的当前范围

多分类入口要求 Y 至少有三个类别，完整案例至少 50 行，基于 statsmodels MNLogit。类别过多或某一类样本很少时会警告。

当前实现把排序后的最小类别记录为参考类别，并按每个非参考类别相对参考类别输出 B、SE、z、Wald、渐近 p、OR 与 95% CI，同时提供似然比、AIC/BIC、三类伪 R²和 N。

要注意两个边界：

  1. 数值型 Y 可能保留原始数字进入模型，而页面记录的标签映射与实际结果列仍需逐项核对；
  2. 当前没有直接输出 IIA 假设诊断，模型成功拟合不等于 IIA 已满足。

每个 OR 必须带比较对象，例如“地铁相对步行”。不同结果列不能脱离共同参考类直接比较。

有序 Logistic 的当前范围

有序入口要求 Y 至少三个有序类别。最终完整案例少于 20 行会停止；20—29 行可继续但会给出小样本警告。当前实现按排序后的类别编码为 0...K-1，并用 statsmodels OrderedModel(..., distr="logit") 拟合。

输出包括共同斜率的 B、SE、z、Wald、渐近 p、OR 与区间，各累积切点的阈值参数，似然比、AIC/BIC、伪 R²和 N。

有序 Logistic 依赖比例优势或平行线假设，但当前不直接检验该假设。收敛、共同斜率表或阈值输出都不能替代 Brant 检验或其他适用诊断。若假设不成立，应在预先计划和真实诊断基础上评估部分比例优势、广义有序或多分类模型。

阈值参数不是“某个类别相对参考类别”的普通 OR，不应与多分类 Logistic 的系数表混读。

编码是模型合同的一部分

事件类别、参考类别和类别顺序都必须人工确认，并写进报告。建议在建模前保存：

  • Y 的原始代码与标签；
  • 二元模型的事件 1；
  • 多分类模型的参考类别；
  • 有序模型从低到高的顺序；
  • 每个分类预测变量的虚拟变量和参考组；
  • 连续变量的单位，例如每 1 岁还是每 10 岁。

当前三个入口都会按所选字段删除含缺失的整行。最终 N、各类别人数、缺失删除数和类别稀疏程度应同时报告。

不能按 p 值换模型

方法选择发生在看结果之前。不能按某个 p 值不显著就把有序模型换成多分类模型，也不能把三分类 Y 合并成二元 Y 只为获得星号。

合理的模型变更需要来自：

  • 发现类别本来没有顺序；
  • 比例优势假设的真实诊断不支持；
  • 类别过稀导致模型无法识别；
  • 研究问题或测量定义发生了可说明的改变。

任何变更都应保留原方案、原因和全部结果，避免只展示最有利的模型。

一个可复核的输入示例

假设 renew 是“否/是”，travel_mode 是“步行/公交/地铁”，satisfaction 是“低/中/高”：

二元模型

对 renew 做二元 Logistic，先展示事件编码并确认“是”为 1。采用全进入法，报告似然比、B、SE、z、Wald、渐近 p、OR、95% CI、伪 R²和最终 N。

多分类模型

对无序的 travel_mode 做多分类 Logistic，明确“步行”为参考类别；逐类报告公交 vs 步行、地铁 vs 步行的系数和 OR。分类预测变量使用预先建立的哑变量。

有序模型

对低 < 中 < 高的 satisfaction 做有序 Logistic，先核对类别顺序；报告共同斜率、阈值、OR/CI、拟合与 N。说明当前没有直接完成比例优势检验。

OR 怎么解释

若二元结果 OR = 1.30，可写“其他变量保持不变时，X 每增加一个单位，事件优势比估计乘以 1.30”。不能直接写成概率增加 30%，也不能自动写成因果影响。

多分类结果必须写“类别 A 相对参考类别 B 的 OR”。有序结果表示跨累积切点共享的关系；类别顺序反转时，系数方向也会改变。

分类稀疏、完全分离、高度共线或标准误异常巨大时，优先排查数据与识别问题，不要只复制 OR。

报告模板

因变量 [名称] 包含 [ ] 个 [二元/无序/有序] 类别，因此采用 [ ] Logistic。
事件类别/参考类别/类别顺序设为 [ ]，分类预测变量以 [ ] 为参考组。
分析按完整案例进行，最终 N = [ ]，各类别人数为 [ ]。

模型似然比检验为 χ²([df]) = [ ]，p = [ ]。
[变量] 的 B = [ ]，SE = [ ]，Wald χ² = [ ]，p = [ ]，
OR = [ ]，95% CI [ , ]。

[有序模型追加] 当前输出未直接检验比例优势假设，
该假设由 [工具与方法] 另行核对。

常见问题 FAQ

Q1：因变量编码成 1、2、3，就应该做有序 Logistic 吗？

不一定。数字代码不等于有序测量；只有类别含义存在可辩护的高低顺序时，才考虑有序 Logistic。

Q2：二元 Logistic 默认把哪个类别当作事件？

若 Y 不是 0/1，当前实现按排序后的较小值映射为 0、较大值映射为 1。必须把实际映射与代码本逐项核对，不能只看系数正负。

Q3：有序 Logistic 成功收敛就代表比例优势假设成立吗？

不代表。当前入口没有直接完成 Brant 或其他比例优势检验；收敛只说明本次拟合过程得到结果。

Q4：模型不显著时能换一种 Logistic 吗？

不能按 p 值换模型。模型类型应由类别数量、顺序、编码和研究问题预先决定；任何变更都要保留原因和完整结果。

如果还不确定应使用均值比较、线性回归还是类别模型，可先读统计方法选择指南。二元模型的输出字段与编码风险可继续查看二元 Logistic 回归能力边界。

核对因变量结构和代码本后，可进入 ChatSRS 运行对应的 Logistic 分析。结果必须与事件、参考类别、类别顺序和完整案例 N 一起解释。