有序逻辑回归和线性回归有何区别？

有序逻辑回归和线性回归的主要区别在于它们对因变量类型的处理和预测结果的解释：

1. **变量类型**：线性回归用于连续数值的预测，而有序逻辑回归用于预测非连续的类别，特别是有固定等级顺序的类别，如满意度等级、评分区间等。

2. **输出形式**：线性回归的结果通常是连续的数值预测，如房价预测；而有序逻辑回归的输出是类别概率，可以生成预测的概率分布表，显示各个等级的可能性。

3. **模型假设**：线性回归假设因变量与自变量之间存在线性关系；有序逻辑回归则假设等级之间的差距是线性的，但实际上类别间的间距可能不是均匀的。

4. **适用场景**：线性回归常用于研究两个变量之间的直接关联；有序逻辑回归适用于需要处理有序类别数据，例如研究消费者购买意向中的偏好等级。

5. **预测解释**：线性回归的系数可以直接解读为每增加一个单位自变量，因变量平均变化多少；而对于有序逻辑回归，系数解释的是某个等级相对于基础等级的提升量。

因此，当你需要预测类别顺序而非绝对数值，并且数据满足有序性时，应该考虑使用有序逻辑回归。