带序数变量的线性回归

我有五个认知变量（记忆力、认知灵活性、批判性思维、语言和注意力）和一个序数变量（逆境分数从 1 到 10）。我将皮质厚度作为我的结果变量（或因变量）。

我想知道如何设置回归？

我想这样做：

lm(cortical_thickness ~ memory + cognitive_flexibility + critical_thinking + verbal + attention + adversity_score)

或者我应该这样设置：

lm(cortical_thickness ~ (memory + cognitive_flexibility + critical_thinking + verbal + attention)* adversity_score)

在我看来，您的问题是一个更具统计性的问题。它并不像听起来那么琐碎。问题是如何在多元线性回归的背景下处理序数预测变量。简单的答案是将您的 10 标度序数预测变量视为连续变量，然后我将使用：

model1 <- lm(cortical_thickness ~ memory + cognitive_flexibility + critical_thinking + verbal + attention + adversity_score,data=yourdataset)

如何建模很大程度上取决于您的数据。因此，我认为您应该在此处使用您的数据提出这个问题：https://stats.stackexchange.com/

虽然您可以运行 lm，但序数回归模型不满足线性回归的假设，因此模型比较和其他测试将无效。

R 确实有您可能希望尝试的序数回归函数。 here 列出了四个这样的包。

关于使用哪个模型，运行两个模型并比较它们。如果 fm1 和 fm2 是两个模型，那么

anova(fm1,fm2)

将比较它们并至少适用于 clm 和 polr。有关使用 ?clm 的示例，请参阅 ordinal 包中的 ?polr 或 MASS 包中的 anova。