分类变量概率来表示(即K值的离散概率分布)。这种多值分类变量常用多项分布来分析。分类结果的回归分析是通过多项逻辑回归、multinomial probit(英语:multinomial probit)或相关的discrete choice(英语:discrete choice)模型。
廣義線性模型1],包含了二項式分佈期望值的可能值域。常態機率分配累積函數 Φ {\displaystyle \Phi } 是一個廣受應用於probit模式的選擇。其鏈結函數為 g ( p ) = Φ − 1 ( p ) . {\displaystyle g(p)=\Phi ^{-1}(p).\
保序回归对数几率回归 多项罗吉特(英语:Multinomial logit) 混合罗吉特 波比(英语:Probit model) 多项式波比(英语:Multinomial probit) 排序性模型(英语:Ordered logit) 有序波比(英语:Ordered probit) 泊松回归 等级线性模型 固定效应(英语:Fixed
普通最小二乘法对数几率回归 多项罗吉特(英语:Multinomial logit) 混合罗吉特 波比(英语:Probit model) 多项式波比(英语:Multinomial probit) 排序性模型(英语:Ordered logit) 有序波比(英语:Ordered probit) 泊松回归 等级线性模型 固定效应(英语:Fixed
一般线性模型对数几率回归 多项罗吉特(英语:Multinomial logit) 混合罗吉特 波比(英语:Probit model) 多项式波比(英语:Multinomial probit) 排序性模型(英语:Ordered logit) 有序波比(英语:Ordered probit) 泊松回归 等级线性模型 固定效应(英语:Fixed