R glm多元回归：逻辑下标太长

我在自学多元回归，我试图模拟一个多元随机变量，并构建一个广义线性模型来拟合它。 这是我的密码：

#Clear Previous
rm(list=ls())


cmp = 2     #Number of components in sample 
n = 10      #Number of simulated data points 

B = matrix(c(1,2,3,4), nrow=2,byrow=TRUE) #Coefficient matrix 

#Simulate model

X = matrix(rep(0,2*n), nrow=2,byrow=TRUE)          #Initiate independent matrix 
Y = matrix(rep(0,2*n), nrow=2,byrow=TRUE)          #Initiate response matrix

for (j in 1:cmp){

  X[j,] = rnorm(n)      #independent data 
  e = rnorm(n)          #error term
  Y[j,] = B[j,1]+ B[j,2]*X[j,] + e
}

#Linear Regression 

fit = glm(Y~X,family = gaussian())
fit

这会在函数glm中产生以下错误：

Error in x[good, , drop = FALSE] : (subscript) logical subscript too long

我很不确定是什么问题

多元GLM GLM不能处理多个因变量。您可以像下面的代码那样关联单个列，但不能同时关联这两个列。独立数据可以是多变量的

使用

Y[1，]

代替

Y

fit = glm(Y[1,]~t(X),family = gaussian())

此外，上面的行使用转置

t（X）

而不是

X

，因为函数GLM将把行解释为不同的测量值

MANOVA/MANCOVA/线性判别分析 在您的例子中，您似乎使用了高斯分布错误。对于这种特殊情况，有一种方法可以处理多个因变量。它是MANOVA（如果自变量是一个因子）或MANCOVA（如果自变量是连续的）。您可以在R中将其建模为

fit=manova（t（Y）~t（X））

多元GLM GLM不能处理多个因变量。您可以像下面的代码那样关联单个列，但不能同时关联这两个列。独立数据可以是多变量的

使用

Y[1，]

代替

Y

fit = glm(Y[1,]~t(X),family = gaussian())

此外，上面的行使用转置

t（X）

而不是

X

，因为函数GLM将把行解释为不同的测量值

MANOVA/MANCOVA/线性判别分析

---

在您的例子中，您似乎使用了高斯分布错误。对于这种特殊情况，有一种方法可以处理多个因变量。它是MANOVA（如果自变量是一个因子）或MANCOVA（如果自变量是连续的）。您可以在R中将其建模为

fit=manova（t（Y）~t（X））

您是否有意在矩阵中有两行十列？您想按行或列进行回归吗？@nya是有意的。我试着用列向量代替它，即X和Y都是10x2矩阵，问题仍然存在。运行

glm

时，需要

X

和

Y

的向量：“典型的预测器的形式是response~项，其中response是（数字的）响应向量和术语是一系列术语，用于指定响应的线性预测值。”@nya我明白了。但我不确定我是否理解。如果我打算将响应向量Y=（y1，y2）从预测向量X=（x1，x2）回归，并且我有10个测量值，那么“数据”将是响应的10x2矩阵和独立的10x2矩阵。所以，如果glm只接受向量输入，我如何合并这两个变量的所有数据？还是我必须按组件来做？例如：Z=c（Y[，1]，Y[，2]）W=c（X[，1]，X[，2]）fit=glm（Z~W，family=gaussian（））起作用，但我不确定如何解释结果。好吧，结果证明我应该使用函数lm。它不仅可以接受矩阵输入，还可以输出系数矩阵而不是向量。我认为这就是广义线性模型应该做的？你是否有意在你的矩阵中有两行十列？您想按行或列进行回归吗？@nya是有意的。我试着用列向量代替它，即X和Y都是10x2矩阵，问题仍然存在。运行

glm

时，需要

X

和

Y

的向量：“典型的预测器的形式是response~项，其中response是（数字的）响应向量和术语是一系列术语，用于指定响应的线性预测值。”@nya我明白了。但我不确定我是否理解。如果我打算将响应向量Y=（y1，y2）从预测向量X=（x1，x2）回归，并且我有10个测量值，那么“数据”将是响应的10x2矩阵和独立的10x2矩阵。所以，如果glm只接受向量输入，我如何合并这两个变量的所有数据？还是我必须按组件来做？例如：Z=c（Y[，1]，Y[，2]）W=c（X[，1]，X[，2]）fit=glm（Z~W，family=gaussian（））起作用，但我不确定如何解释结果。好吧，结果证明我应该使用函数lm。它不仅可以接受矩阵输入，还可以输出系数矩阵而不是向量。我以为这就是广义线性模型应该做的？