[世界杯]根据赔率计算各种组合概率与赔率-CSDN博客

　　R中进行有序 Logistic 回归分析时，比例赔率假设检验主要有两种方法：Wald检验和Score检验。

　　Wald检验是通过计算比例赔率的标准误差，进而计算z值和p值来判断比例赔率是否显著不等于1。在R中，可以使用“wald.test”函数来进行Wald检验。

　　Score检验是基于对数似然函数的二阶导数计算的。在R中，可以使用“polr”函数进行有序 Logistic 回归，并使用“Anova”函数进行Score检验。

　　下面给出一个简单的例子：

　　```

　　library(MASS)

　　data(wine)

　　fit <- polr(rating ~ pH + alcohol, data = wine)

　　summary(fit)

　　# Wald检验

　　library(aod)

　　wald.test(b = coef(fit), Sigma = vcov(fit), Terms = 2:3)

　　# Score检验

　　library(car)

　　Anova(fit, type = "II", test.statistic = "Chisq")

　　```

　　在这个例子中，我们使用“MASS”包中的“wine”数据集，建立了一个有序 Logistic 回归模型，其中“rating”作为因变量，“pH”和“alcohol”作为自变量。使用“summary”函数可以看到模型的系数估计值和标准误。然后，我们使用“wald.test”函数进行Wald检验，并使用“Anova”函数进行Score检验。