有序Logit回归分析用于研究X对于Y的影响关系，如果X为定类数据，一般需要做虚拟(哑)变量设置，Y为有序定类数据。有序Logit回归分析时，首先进行模型平行性检验，如果p 值大于0.05，说明满足平行性检验，如果p 值小于0.05，说明不满足平行性检验，此时SPSSAU建议使用多分类Logit回归分析；满足平行性检验后，接着再具体研究影响关系情况即可，比如是正向影响还是负向影响关系等；除此之外，还可以写出有序Logit回归分析的模型构建公式，以及模型的预测准确率情况等。

除此之外，有序Logit回归模型涉及到多类连接函数，SPSSAU默认使用logit连接函数，如果模型没有特别的要求，应该首选使用logit连接函数，尤其是因变量的选项数量很少的时候。连接函数可能会对平行性检验起到影响，如果平行性检验无法通过时，可考虑选择更准确的连接函数进行尝试，按照因变量选项的分布情况划分，各类连接函数的使用场景说明如下：

具体使用情况举例说明：

上表格中：因变量y共分为三个类别，并且水平高的选项“3.0(满意)”比例很低，因此可使用“负log-log”连接函数，当然依旧可以使用logit连接函数进行研究（这里因变量仅3个选项，SPSSAU认为使用logit连接函数更适合），其性能最佳。

如果说因变量y的分类类别很多，而且做正态性检验接近正态分布，此时可考虑使用Probit连接函数，但是此类情况非常少见，因为分类数据很难出现正态分布的现象；以及Cauchit连接函数是因变量类别出现极端值现象时使用，比如某个类别仅出现1个或者2个样本，此类情况的使用非常少，与其让极端值存在，还不如先对各选项进行合并处理，或者将异常值处理后再分析，因此Cauchit的使用非常少见。

SPSSAU默认使用logit连接函数进行分析，并且也建议使用此项，从连接函数的角度上看，logit连接函数最适用于各个类别分布较为均匀时；但现实研究来看logit连接函数的效能很高。如果各选项分布不均匀，此时可考虑合并组别等，也或者直接使用多分类logistic回归。