我在 R 中实现了 brant 测试。包和函数称为 brant，现在可以在 CRAN 上使用。

Brant 检验由 Rollin Brant 定义，用于检验平行回归假设（Brant, R. (1990) Assessing Proportionality in the Proportionalodds Model for Ordinal Logistic Regression. Biometrics , 46 , 1171–1178）。

这是一个代码示例：

data = MASS::survey
data$Smoke = ordered(MASS::survey$Smoke, levels=c("Never","Occas","Regul","Heavy"))
model1 = MASS::polr(Smoke ~ Sex + Height, data=data, Hess=TRUE)
brant(model1)

在示例中，平行回归假设成立，因为所有 p 值均高于 0.05。Omnibus 用于整个模型，其余用于单个系数。

是的-实际上您链接的序数包可以做到（尽管他们不将其称为 Brant 测试）。查看链接的第 6 页和第 7 页，它们演示了“等斜率或比例优势假设的似然比检验”，这正是您正在寻找的。

关于该主题的一些注释

VGAM命令中的 R 包cumulative（具有累积概率的序数回归）允许使用选项更改比例赔率假设parallel=FALSE。

众所周知，这是一个常见问题（来自书：Regression Models for Categorical Dependent Variables Using Stata，第二版，作者：J. Scott Long，Jeremy Freese）

“关于平行回归假设的警告：我们发现经常违反平行回归假设 (PRA)。当这被拒绝时，应考虑不施加平行回归约束的替代模型。违反 PRA 不是理由使用 OLS 回归，因为将 LRM 应用于序数数据所隐含的假设甚至更强。可以考虑的替代模型包括用于名义结果的模型 [...] 刻板印象逻辑模型或刻板印象有序模型；广义有序 Logit 模型；延续比率模型，是替代品”（第 221 页）

本文深入探讨了这个主题，清晰且写得很好，但它没有考虑 VGAM 包或“累积”命令： 流行病学研究中的序数逻辑回归

本教程关于 R 中的序数逻辑回归涵盖了测试比例优势假设。