如何在R中创建具有多个因变量的广义线性模型？

我有六个因变量（计数数据）和几个自变量，我看到在MMR中，脚本如下所示：

my.model <- lm(cbind(DV1,DV2,DV3,DV4,DV5,DV6) ~ IV1 + IV2 + ... + IVn)

但是，由于我的数据是计数，因此我想使用广义线性模型，并尝试了以下方法：

my.model <- glm(cbind(DV1,DV2,DV3,DV4,DV5,DV6) ~ IV1 + IV2 + ... + IVn, family="poisson")

并显示此错误消息：

Error in glm.fit(x = c(1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,  : 
  (subscript) logical subscript too long`

任何人都可以向我解释此错误消息或解决我的问题的方法吗？

r generalized-linear-model multiple-regression

— 胡安
source

跟进@Giorgio Spedicato的回答：我们是否假设您确实需要一组模型来分别处理每个因变量，就像lm给它一个矩阵一样？

— conjugateprior

我错过了分析的第二部分。在以下情况下的MMR（多元多元回归）中： lm(cbind(DV1,DV2,DV3,DV4,DV5,DV6) ~ IV1 + IV2 + ... + IVn) 我必须

— 胡安

我可能刚刚调整了答案以回答这个问题。另外，切记不要在评论中按回车键：-)

— conjugateprior

我错过了分析的第二部分。在MMR（多元多元回归）中，之后： lm(cbind(DV1,DV2,DV3,DV4,DV5,DV6) ~ IV1 + IV2 + ... + IVn) 我必须像这样使用manova（）命令： summary(manova(my.model)) 对方差进行多元分析，并查看每个自变量的含义。那是最终目标。

— 胡安

没有为这种数据定义manova和anova，因此未提供。但是，如果您想查看每个IV的影响，则提供的回归表summary将为您提供每个DV 的回归表。

— conjugateprior

Answers:

简短的答案是，glm这样不行。该lm会创建mlm，如果你给它一个矩阵对象，但这不是广泛支持仿制药，反正不能轻易一概而论glm，因为用户需要能够指定逻辑回归模型双列因变量。

解决方案是分别拟合模型。假设您的IV和DV位于一个data.frame中，dd并被标记为它们在问题中的方式。以下代码列出了拟合模型的列表，这些模型通过它们使用的因变量的名称进行索引：

models <- list()
dvnames <- paste("DV", 1:6, sep='')
ivnames <- paste("IV", 1:n, sep='') ## for some value of n

for (y in dvnames){
  form <- formula(paste(y, "~", ivnames))
  models[[y]] <- glm(form, data=dd, family='poisson') 
}

要检查结果，只需将通常的函数包装在中lapply，如下所示：

lapply(models, summary) ## summarize each model

毫无疑问，在R中可以使用更优雅的方法来做到这一点，但这应该行得通。

— 共轭先验
source

有人告诉我存在可以解决您的问题的多变量广义线性（混合）模型。我不是专家，但是我会看一下SABRE文档和这本关于多元GLM的书。也许他们有帮助...

— 乔治·斯佩迪卡托（Giorgio Spedicato）
source

您会提出一个有趣的观点（+1）。肯定存在多元GLM。另一方面，lm为因变量提供矩阵可能更应被视为语法糖，而不是多变量模型的表达式：如果它是多变量（正常）模型，那么错误就是“球形”，即您可以对因变量的每个元素进行单独回归并获得相同答案的方法。

— conjugateprior