我正在尝试测试在互联网上花费的时间（比率量表）是否可以预测行为问题（序数，分数范围为 0-10）。我只是想仔细检查序数回归（使用广义线性模型）是否正确？另外，我想知道我应该使用哪个 glm 系列？据我了解，二项式在处理二元结果时不起作用。我的猜测是高斯家庭和身份链接？不幸的是，我对此并不熟悉，所以如果有人能帮我解释一下，我将不胜感激？
非常感谢你的帮忙！
哪个 glm 系列用于序数 DV？
机器算法验证
回归
广义线性模型
序数数据
2022-03-20 13:20:25
2个回答
鉴于您有使用该函数的序数响应MASS::polr应该更合适；它实现了一个比例优势逻辑回归例程。可以在此处找到有关序数响应变量分析的非常全面的教程。也值得检查这个线程：如何理解 R 的 polr 函数的输出（有序逻辑回归）？. 简而言之，比例优势模型不是对特定类别中的响应概率进行建模，而是对响应不大于所选类别的累积概率进行建模。
您对二项式家庭过于严格的理解很好。不过，具有身份链接的高斯也会很不自然。您不能轻易地将其限制为正数和/或整数响应。您可能想考虑使用具有泊松族的 GLM，但它有点手动，因为您需要经常定义任意类别（例如glm( ..., family = poisson)）。我已经看到这在某些情况下被用作说明性示例（例如 Faraway 的用 R 扩展线性模型，第 4.5 章），但我认为与真正的比例优势逻辑回归相比，它有点不理想。
一篇关于这个问题的免费和可访问的论文是：序数响应的回归模型：方法和应用的回顾。来自 Ananth & Kleinbaum；它有点过时了（1997 年），但它呈现得很好，可以让您快速了解相关术语。
具有累积 logit 链接函数的多项分布。您也可以使用累积概率链接函数，但这通常不太理想。