您可以自由选择任何类别作为参考。从模型预测的整体统计质量的角度来看，选择是任意的。在对个体 IV 影响的解释方面，情况有所不同。多项逻辑模型为：

$log(\frac{Prob(category_i)}{Prob(category_{ref})})=B_{i0}+B_{i1}X_1+B_{i2}X_2...+B_{ip}X_p$

因此，您可以解释每个类别相对于您的参考类别的自变量的影响（回归系数） 。即，是这个优势比相对于增加增加多少倍一个单位。$i$$ref$$exp(B_{i1})$$\frac{Prob(category_i)}{Prob(category_{ref})}$$X_1$

这也意味着，如果你想解释系数，你不应该只看它们是否显着。自变量是连续的还是分类的，这很重要。即使预测变量非常重要，对于具有大尺度（大方差）的连续预测变量，因此，每当您要解释系数时，通常最好在进行回归之前将连续预测变量分类为少数有意义的类别。此外，将连续预测变量分类为相等的子范围将允许您检查线性假设。$X$$exp(B)$