含1分类2定量变量的双变量分析可否使用简单或多元回归？

首先明确结论：普通的简单线性回归、多元线性回归不适用你的分析场景，原因和替代方案如下：

为什么普通回归不适用 #

普通线性回归的核心假设是因变量为连续定量变量，且残差服从正态分布、方差齐性，而你的分析目标是识别分类变量的影响因素，即分类变量是待预测的因变量，强行使用普通线性回归会出现三个核心问题：

• 模型输出的预测值范围为(-∞, +∞)，既无法对应分类变量的离散取值，也会出现预测概率<0或>1的不符合逻辑的结果
• 残差完全不满足正态、齐性假设，回归系数的显著性检验结果完全不可靠
• 无法量化自变量对分类变量不同取值概率的影响程度

适用的替代方法及操作流程 #

首先需要先明确你的分类变量的具体类型，对应选择不同方法：

情况1：分类变量为二分类（仅2个取值，如是/否、阳性/阴性） #

使用二项Logistic回归，操作流程：

1. 数据预处理：将二分类变量赋值为0和1（如阴性=0，目标研究类别=1），检查两个定量自变量的极端异常值，必要时做标准化处理
2. 双变量分析：分别拟合仅包含单个定量自变量的单因素Logistic回归，初步判断每个定量变量和分类变量的关联显著性
3. 多因素分析：将两个定量自变量同时纳入模型，做共线性诊断（VIF<5说明无严重共线性）
4. 拟合优度检验：用Hosmer-Lemeshow检验，p>0.05说明模型拟合效果合格

结果解读：

核心看*OR值（优势比）*和对应的p值：

• 单因素回归的OR值：定量自变量每升高1个单位，分类变量取1（目标类别）的优势变为原来的OR倍。OR>1说明该变量是危险因素，取值越高越容易出现目标结果；OR<1说明是保护因素，取值越高越不容易出现目标结果；p<0.05说明关联有统计学意义
• 多因素回归的OR值是校正了另一个定量变量影响后的净效应，解读逻辑和单因素一致

情况2：分类变量为有序多分类（等级有序，如轻/中/重、不满意/一般/满意） #

使用有序Logistic回归，操作流程和二项Logistic基本一致，额外需要做平行性假设检验，p>0.05说明符合模型使用条件。

结果解读：

OR值表示定量自变量每升高1个单位，分类变量向更高等级移动的优势变化倍数，其余解读逻辑和二项Logistic一致。

情况3：分类变量为无序多分类（无等级顺序，如职业类型、产品类别） #

使用多项Logistic回归，操作时需要先指定一个类别作为参照组。

结果解读：

输出的OR值为和参照组对比的结果：比如指定类别A为参照，自变量对应的OR=1.2（类别B vs 类别A），说明定量自变量每升高1个单位，样本属于类别B而非类别A的优势提升1.2倍，p<0.05说明关联有统计学意义。

补充：仅做双变量分析的简化方法 #

如果你只需要初步判断定量变量和分类变量的关联，不需要量化影响程度，可以用更简单的统计检验：

• 二分类因变量：用独立样本t检验，看定量变量在两个类别组的均值是否有显著差异
• 无序多分类因变量：用单因素方差分析，看定量变量在不同类别组的均值是否有显著差异
• 有序多分类因变量：用Spearman秩相关，计算定量变量和分类等级的相关系数及显著性

内容的提问来源于stack exchange，提问作者Ruby