R中是否有可以生成数据的函数/包，您可以在其中指定变量之间的关系？

我感兴趣的是运行一些多变量线性回归数据模拟，以尝试一些新的统计方法，然后再在我的真实数据集上使用它们，其中我对结果（连续和分类）回归一组预测变量

目标是生成具有三个假风险敞口和一个结果的数据，可以选择设置每个风险敞口和结果（连续）之间关系的贝塔估计值，或者设置结果（分类结果）的相对风险或优势比。这是在R中很容易做到的事情吗

例如，最好设置一个4变量数据集，其中一个变量与我设置的OR/RR为1.5的分类结果相关，然后如果我对该数据集进行逻辑回归，则该关系的RR/OR为1.5

---

谢谢

您可以生成随机分类变量，然后设置B0=1、B1=log（1.5）、B2=1、B3=1，并生成相应的XB。然后使用logit link函数，您可以为每个观察值/行x生成P（Y=1 | x），并使用

sample

选择Y=1或0的概率。使用二项式族拟合逻辑回归，最后将“a”的系数指数化，得到该变量的优势比。因为我们已经将其设置为log（1.5），所以求幂得到大约1.5

dt=data.frame(a=sample(c(0,1), 10000, replace=TRUE), 
              b=sample(c(0,1), 10000, replace=TRUE),
              c=sample(c(0,1), 10000, replace=TRUE))
library(dplyr)
dt=mutate(dt, xb=1+log(1.5)*a+b+c, linked=1/(1+exp(-xb)))
y=numeric()
for (i in 1:10000) {
  y[i]=sample(c(1,0), prob=c(dt$linked[i], 1-dt$linked[i]), size=1)
}
dt$y=y
m=glm(data=dt, y ~ a+b+c, family="binomial")
exp(m$coef["a"])

1.422448