你好社区，
我有一个关于找出有序响应变量和连续预测变量之间是否存在任何重要相关性的案例的问题。
这是我的数据（为了以防万一，我还附上了 JMP 文件）：
一开始想到用“Fit model platform”然后显示Spearman系数，后来在一本JMP的书上找到了这个资料：
根据此表，在处理有序响应变量和连续预测变量时，我应该使用有序逻辑。 我在“Fit model”平台上进行了这个，它给了我这些结果（附件文件中的脚本）：
我不得不浏览 JMP 文档和视频的多个来源以尝试理解这些结果。 我找到了很多资源，但大多数时候他们都专注于名义上的逻辑案例，并且过于专注于描述报告的每个部分，而不是实际意义和从中获得的最有用的信息。 我的目标不是深入了解数学/统计数据，而是非常实际地了解这些结果告诉我的内容。
我能理解的（如果我错了请指正）是上图中绿色圆圈的值告诉我我的模型不是很好。对于我的情况，使用单个输入变量，我可以使用这个结果最终说我的输入和输出变量之间没有任何相关或关联吗？ > 这是我要回答的主要问题。
我也有兴趣了解预测分析器的结果：
Y 轴上的比例是否告诉我值为 1、2、3、4 或 5 的概率百分比？
最后，与这个话题有些相关的太短问题：
a) 如果我的输出变量有李克特量表（强度量表），我知道它主要是一个序数变量，因此也用序数逻辑处理。 但是，如果我对每个单独的试验（行）进行多次测量并对这些值进行平均，那么现在结果开始看起来像一个连续的数字。 在这种情况下，可以将这些均值视为连续变量（而不是序数）吗？
b) 如果我的输出变量是频率值。 将其视为序数变量更好还是我可以将其视为连续变量。
谢谢阅读，
朱利安
