R 如果我想要一个单一的线性回归模型，而不是一个；传销；？

我已在下图中共享了我正在处理的前9行数据（

y0

至

y6

为输出，其余为输入）：

我的目标是获得

y0

到

y6

的拟合输出数据

我使用以下命令尝试了R中的

lm

函数：

lm1 <- lm(cbind(y0, y1, y2, y3, y4, y5, y6) ~ tt + tcb + s + l + b, data = table3)
summary(lm1)

lm1By
cbind（y0，y1，y2，y3，y4，y5，y6）

对于您要查找的内容，将
y*
变量堆叠起来，复制其他自变量，然后进行一次回归

Y <- c(y0, y1, y2, y3, y4, y5, y6)
tt. <- rep(tt, times = 7)
tcb. <- rep(tcb, times = 7)
s. <- rep(s, times = 7)
l. <- rep(l, times = 7)
b. <- rep(b, times = 7)

fit <- lm(Y ~ tt. + tcb. + s. + l. + b.)


适用于OP以外的其他读者

我在此准备一个小的可重复的例子（只有一个协变量
x
和两个重复
y1
，
y2
）来帮助您理解这个问题

set.seed(0)
dat_wide <- data.frame(x = round(runif(4), 2),
                       y1 = round(runif(4), 2),
                       y2 = round(runif(4), 2))
#     x   y1   y2
#1 0.90 0.91 0.66
#2 0.27 0.20 0.63
#3 0.37 0.90 0.06
#4 0.57 0.94 0.21

## The original "mlm"
fit_mlm <- lm(cbind(y1, y2) ~ x, data = dat_wide)

额外的变量
time
和
id
被创建。前者告诉我们案例来自哪个复制品；后者告诉您案例在复制中的记录

为了使同一模型适用于所有复制品，我们需要

fit1 <- lm(y ~ x, data = dat_long)
#(Intercept)            x  
#     0.2578       0.5801  

matrix(fitted(fit1), ncol = 2)  ## there are two replicates
#          [,1]      [,2]
#[1,] 0.7798257 0.7798257
#[2,] 0.4143822 0.4143822
#[3,] 0.4723891 0.4723891
#[4,] 0.5884029 0.5884029

通过
cbind（y0，y1，y2，y3，y4，y5，y6）
我们拟合了7个独立的模型（这是一个更好的想法）

对于您要查找的内容，将
y*
变量堆叠起来，复制其他自变量，然后进行一次回归

Y <- c(y0, y1, y2, y3, y4, y5, y6)
tt. <- rep(tt, times = 7)
tcb. <- rep(tcb, times = 7)
s. <- rep(s, times = 7)
l. <- rep(l, times = 7)
b. <- rep(b, times = 7)

fit <- lm(Y ~ tt. + tcb. + s. + l. + b.)


适用于OP以外的其他读者

我在此准备一个小的可重复的例子（只有一个协变量
x
和两个重复
y1
，
y2
）来帮助您理解这个问题

set.seed(0)
dat_wide <- data.frame(x = round(runif(4), 2),
                       y1 = round(runif(4), 2),
                       y2 = round(runif(4), 2))
#     x   y1   y2
#1 0.90 0.91 0.66
#2 0.27 0.20 0.63
#3 0.37 0.90 0.06
#4 0.57 0.94 0.21

## The original "mlm"
fit_mlm <- lm(cbind(y1, y2) ~ x, data = dat_wide)

额外的变量
time
和
id
被创建。前者告诉我们案例来自哪个复制品；后者告诉您案例在复制中的记录

为了使同一模型适用于所有复制品，我们需要

fit1 <- lm(y ~ x, data = dat_long)
#(Intercept)            x  
#     0.2578       0.5801  

matrix(fitted(fit1), ncol = 2)  ## there are two replicates
#          [,1]      [,2]
#[1,] 0.7798257 0.7798257
#[2,] 0.4143822 0.4143822
#[3,] 0.4723891 0.4723891
#[4,] 0.5884029 0.5884029

欢迎来到SO！请阅读感谢您的输入。感谢您的输入。基本上，我想构建一个方程，如：Y=a+（tt x系数1）+（s x系数2）+（l x系数3）+（b x系数4），其中；a是截距。Y对应于y0、y1至y6的拟合值。所以我的要求是所有7个输出都有相同的模型系数。任何帮助都将不胜感激。我确实是统计和建模领域的新手！谢谢，欢迎光临！请阅读感谢您的输入。感谢您的输入。基本上，我想构建一个方程，如：Y=a+（tt x系数1）+（s x系数2）+（l x系数3）+（b x系数4），其中；a是截距。Y对应于y0、y1至y6的拟合值。所以我的要求是所有7个输出都有相同的模型系数。任何帮助都将不胜感激。我确实是统计和建模领域的新手！谢谢，谢谢。以下是在一个y中获得所有输出的方法。然后是lm。库（重塑2）数据存储库。以下是在一个y中获得所有输出的方法。然后是lm。图书馆（2）dat2
coef(summary(fit1))
#             Estimate Std. Error   t value  Pr(>|t|)
#(Intercept) 0.2577636  0.2998382 0.8596755 0.4229808
#x           0.5800691  0.5171354 1.1216967 0.3048657

coef(summary(fit2))
#             Estimate Std. Error  t value    Pr(>|t|)
#(Intercept) 0.2577636 0.01385864 18.59949 0.002878193
#x           0.5800691 0.02390220 24.26844 0.001693604