模拟研究：比较不同模型处理有序结果时的推断属性——关于（简单而稳健的）比例odds模型的案例
统计方法学
2026-03-03 v1
摘要
有序测量在心理学以及社会和行为科学的研究中常见。选择合适的回归模型来分析此类数据具有挑战性。本文旨在通过呈现大规模模拟研究结果来帮助定量研究者做出建模决策，研究常见的有序回归模型：比例odds模型、类别特定odds模型、位置偏移模型、位置比例模型以及将有序结果错误地视为度量的线性模型。模拟实验基于每个有序模型的数据生成过程以及每个模型类别中不同参数配置进行。我们检查了参数估计的偏差、α-误差（型Ⅰ错误率）以及统计参数检验程序的功效。我们的发现揭示了若干亮点。对于参数估计，我们观察到在真实数据生成过程中参数值大且结果分布高度偏斜时，累积有序回归模型 exhibits 较大偏差。关于统计假设检验，比例odds模型和线性模型表现最可靠。鉴于其更好的拟合度和可解释性，除非存在相关禁忌，否则建议使用比例odds模型。
引用
@article{arxiv.2603.01943,
title = {A Simulation Study to Compare Inferential Properties when Modelling Ordinal Outcomes: The Case for the (Plain but Robust) Proportional Odds Model},
author = {Stefan Inerle and Markus Pauly and Moritz Berger},
journal= {arXiv preprint arXiv:2603.01943},
year = {2026}
}