متغیر ترتیبی

💡 در آمار، رگرسیون ترتیبی (به انگلیسی: Ordinal regression)، که به آن دسته‌بندی ترتیبی نیز می‌گویند، نوعی تحلیل رگرسیونی است که برای پیش‌بینی یک متغیر ترتیبی استفاده می‌شود، یعنی متغیری که مقدار آن در مقیاس دلخواه وجود دارد که فقط ترتیب نسبی بین مقادیر مختلف معنی‌دار است. می‌توان آن را یک مشکل میانی بین رگرسیون و دسته‌بندی در نظر گرفت. نمونه‌هایی از رگرسیون ترتیبی عبارتند از لاجیت ترتیبی و پروبیت ترتیبی. رگرسیون ترتیبی اغلب در علوم اجتماعی دیده می‌شود، برای مثال در مدل‌سازی سطوح ترجیحات انسانی (مثلاً در مقیاسی از مثلاً ۱–۵ برای «بسیار ضعیف» تا «عالی»)، و همچنین در بازیابی اطلاعات. در یادگیری ماشینی، رگرسیون ترتیبی را می‌توان یادگیری رتبه‌بندی نیز نامید.

💡 سعید یعقوبیان با بررسی ردیف‌های سازی و آوازی دستگاه شور چنین نتیجه گرفته که اگر چه ردیف‌های آوازی آن، مانند بیشتر دستگاه‌ها ترتیبی منطقی دارند و به تدریج از درجهٔ اول به سمت درجات بالاتر می‌روند و نهایتاً به درهجٔ اول فرود می‌کنند، اما در ردیف‌های سازی این ساختار پراکنده و از هم گسیخته‌است و این امر پرده‌گردانی را دشوار می‌کند. با این حال او تأکید می‌کند که در ردیف میرزاعبدالله، به جز در گوشه‌های سلمک و زیرکش سلمک در باقی گوشه‌ها درجهٔ پنجم شور نت متغیر نیست، یعنی یا مطابق با مد مبنا است (درآمد، شهناز، قرچه، رضوی) یا مطابق با مد انتقالی و مقام حسینی (بزرگ، دوبیتی، خارا، قجر).

💡 در تحلیل داده‌های آماری، متغیر ترتیبی نوعی از داده‌هاست که ترتیب و رتبه مشخصی را نشان می‌دهد اما فاصله بین آن‌ها دقیق نیست.

💡 برای مثال، سطح تحصیلات که شامل مقاطع ابتدایی، متوسطه و دانشگاهی می‌شود، یک نمونه بسیار رایج از یک متغیر ترتیبی در جامعه است.

💡 هنگام استفاده از متغیر ترتیبی در مدل‌های ریاضی، باید دقت کرد که اعداد به کار رفته صرفاً بیانگر یک سلسله مراتب مشخص از داده‌ها هستند.