关键是您不会将分类变量的级别编码为 1,2,3，即使您这样称呼它们。您使用虚拟变量对它们进行 编码 因此当线性预测器由 时，\beta_0 是第 1 级的对数几率，是第 2 级和级别 1，&是级别 3 和级别 1 之间的对数优势比。可以使用不同的编码方案（参见此处

$$\begin{array}{l c c} &x_1&x_2\\ \text{level 1} &0 & 0\\ \text{level 2} &1 & 0\\ \text{level 3} &0 & 1\\ \end{array}$$ $$\eta = \beta_0 +\beta_1 x_1 +\beta_2 x_2$$ $\beta_0$$\beta_1$$\beta_2$)，改变系数的解释但不实质性地改变模型（即相同的预测值给出相同的预测响应）。

如果您的软件将因子级别 1、2、3的因子变量视为numeric，那么您的模型和预测将是垃圾，仅仅是因为第 1 组和第 3 组之间的差异（在链接尺度上）将被拟合为差异的两倍在第 1 组和第 2 组之间，这通常没有意义。

所以：告诉你的软件 1、2、3 是因数。更好的是，使用 A、B、C。没有诚实的软件会将 A、B、C 误解为数字。