有序多分类logistic回归，需要满足比例优势假定proportional odds assumption（即平行性检验score test for the proportional odds assumption）。 

1、  有的人认为累积比数模型对这一条件并不敏感，即条件不成立时参数估计仍然稳定。

模型中的这一条件只是理论上的一种假定，在多数情况下，并没有必要顾及这一假设是否成立，它所适应的范围是广泛的。由于这一模型较为稳健，实际划分反应变量的等级时，可根据专业需要适当的分得细一些。（陈峰. 医用多元统计分析方法,2007,第2版, P107） 

2、  有的人认为比例优势假定不满足，提示数据不适合采用累积比数logit模型，可能会得到有偏的估计，应该换用其他模型如偏比例优势模型进行分析验证。当条件违背时，有时候会对结果造成较大影响，甚至会改变结论。（冯国双，医学案例统计分析与SAS应用，P188） 

3、  有的人认为，适当合并因变量的分类，减少因变量的取值个数。（张家放，医用多元统计方法，P134）

比如三分类分为两分类，确实会损失有效信息，但是在数据分析的同时也需要考虑结果的可理解性和可应用性。分成二分类是在精确性和易用性上所作的折中，结果更容易理解和接受。

反对的声音当然会有，不能简单地将其中两个水平单独拟合二分类，损失了信息。 

4、  有的人认为，平行性检验不符合，选择正确的拟合函数；按照无序多分类logistic回归处理。

如果平行性假设不能被满足，又当如何处理？

首先，有序logistic模型对此适用条件有一定的耐受性，当条件被轻微违反时（如P值很接近0.05），参数的估计仍然是较为稳定的。对此问题，国内的学者还进行过深入的研究，李康、郭祖超（1993年）等曾就此作过讨论。但是，如果平行性检验的Ｐ值非常小，是不能就这样蒙混过关的。

简单地说，可能导致该情形出现的原因主要有两个：连接函数选择不准确，或者系数的确在随着分割点发生变化。

这里先来讨论前者，在许多情况下，选择正确的连接函数就可以找到满足平行性假设的模型。如果对模型拟合没有特殊要求，尤其是反应变量水平数较少的情况下，建议大家使用默认的logit函数。如果各种连接函数都无法满足平行性假定，则需要考虑回归系数是否会随着分割点而发生改变。此时最好使用无序多分类的logistic回归进行模型拟合，然后再根据系数估计值考虑如何进行处理。

如果因变量为有序分类，但存在以下情况时也应该用无序多分类的logistic回归分析：

(1)Test of parallel lines检验P<0.05。

(2)专业上认为自变量在各回归方程的效应不同。

（张文彤.SPSS统计分析高级教程,2004. P194-196）