违反 IIA 假设基本上是预测每个方程的残差之间存在相关性的情况。$k-1$响应变量的类别（不包括基线）。一个典型的例子是当你有两种类似的交通方式，比如一辆蓝色巴士和一辆红色巴士：人们无法衡量的特征使他们更有可能选择蓝色巴士，也可能使他们更可能选择红色巴士，因为两者都是相似的选择（例如，也许未测量的特征之一是对公共交通的偏好，这会影响蓝色和红色巴士的选择）。

多项式 logit 和独立多项式 probit 假设 IIA，因为它们假设每个方程中的残差是不相关的。嵌套的 logit 和 probit 通过将备选方案划分为彼此相似的子集（例如，将红色和蓝色公共汽车放在公共交通的子集中）但独立于其他子集中的子集，从而部分放松了这一假设。多级多项式 logit 尝试通过对不可观察分量建模来处理 IIA：如果模型考虑了相关的不可观察异质性，则 IIA 不是问题。混合 logit 通过允许系数在决策者之间变化来处理 IIA，反映了个人观察到的偏好差异。最后，替代特定多项式概率对残差的完整相关矩阵进行建模，