为什么我在R中使用multinom（）得到的系数比我的特征更多？

我有一个包含大约20个样本和4个特征的数据集。 我想使用multinom（）创建一个模型。但是这个函数返回大约50个具有奇怪名称的系数

>model <- multinom(types ~ LD1+LD2+LD3+LD4, t)    
> colnames(coef(model))    
    [1] "(Intercept)"           "LD1-0.924675250911259" "LD1-0.996017404791012" "LD1-11.0091236817909"  "LD1-11.0470069995094"  "LD1-11.1382649674021"  "LD1-11.1449776356607" 
         [8] "LD1-1.11507632119743"  "LD1-11.4100167287132"  "LD1-1.15405541868851"  "LD1-1.42692764536373"  "LD11.45075731787807"   "LD1-1.562329638922"    "LD1-2.03752025992806" 
        [15] "LD132.7387270807495"   "LD133.0932516010117"   "LD135.0760659080006"   "LD1-3.57028123573125"  "LD1-5.22424301205266"  "LD1-5.95754635904308"  "LD1-6.39430959506567" 
        [22] "LD1-6.8622462443044"   "LD1-7.03073614006179"  "LD1-8.00430359650879"  "LD1-8.17057054273565"  "LD1-9.02013723266161"  "LD20.0761110897194115" "LD20.83307548406597"  
        [29] "LD210.9301821277818"   "LD21.2118957034112"    "LD2-1.7139684831726"   "LD2-1.85478166588227"  "LD2-2.11785431701449"  "LD2-2.19678883756181"  "LD2-2.43688626054258" 
        [36] "LD22.71656669882489"   "LD23.17377132687911"   "LD23.25781591451936"   "LD2-3.4433493942635"   "LD2-3.5203090034966"   "LD2-3.71418994994738"  "LD2-3.8380001046407"  
        [43] "LD2-3.87686665511689"  "LD2-3.9100454768453"   "LD2-3.95942532853135"  "LD2-4.04744180009915"  "LD2-4.12030177266551"  "LD24.17412372599923"   "LD24.75169238888003"  
        [50] "LD2-4.91414969791761"  "LD29.19759557325694" 

>模型colnames（coef（模型））
[1] （截取）“LD1-0.924675250911259”LD1-0.996017404791012“LD1-11.0091236817909”LD1-11.0470069995094“LD1-11.1382649674021”LD1-11.1449776356607
[8] “LD1-1.11507632119743”“LD1-11.4100167287132”“LD1-1.15405541868851”“LD1-1.42692764536373”“LD11.45075731787807”“LD1-1.562329638922”“LD1-2.03752025992806”
[15] “LD132.7387270807495”“LD133.0932516010117”“LD135.076065908006”“LD1-3.570282123573125”“LD1-5.22424301205266”“LD1-5.95754635904308”“LD1-6.394309506567”
[22]“LD1-6.8622462443044”“LD1-7.03073614006179”“LD1-8.00430359650879”“LD1-8.17057054273565”“LD1-9.0203723266161”“LD20.0761110897194115”“LD20.83307548406597”
[29]“LD210.9301821277818”“LD21.2118957034112”“LD2-1.7139684831726”“LD2-1.85478166588227”“LD2-2.11785431701449”“LD2-2.19678883756181”“LD2-2.43688626054258”
[36]“LD22.71656669882489”“LD23.17377132687911”“LD23.25781591451936”“LD2-3.443349392635”“LD2-3.5203090034966”“LD2-3.71418994738”“LD2-3.8380001046407”
[43]“LD2-3.87686665511689”“LD2-3.9100454768453”“LD2-3.95942532853135”“LD2-4.0474418009915”“LD2-4.12030177266551”“LD24.17412372599923”“LD24.75169238888003”
[50]“LD2-4.91414969791761”“LD29.19759557325694”

---

为什么会这样？它意味着什么？

多项式模型是逻辑回归的延伸，它可以预测每个层次的反应概率。所以如果你有11个等级，你会得到10个预测方程，每个方程每个预测因子有一个系数。（响应的一个级别是基线。）

---

不过，在这种情况下，您可能会遇到另一个问题。R将LD1和LD2预测值视为因子，即使它们看起来是数字。因此，您应该检查您是否正确导入了数据。

多项式模型是逻辑回归的延伸，它可以预测您的每一级反应的概率。所以如果你有11个等级，你会得到10个预测方程，每个方程每个预测因子有一个系数。（响应的一个级别是基线。）

不过，在这种情况下，您可能会遇到另一个问题。R将LD1和LD2预测值视为因子，即使它们看起来是数字。因此，您应该检查是否正确导入了数据