R 如何对非二元变量进行逻辑回归？

我一直在寻找这个答案，我真的很惊讶没有找到它。我只想在R

让我们定义一些人工数据：

set.seed(42)
y <- sample(0:2, 100, replace = T)
x <- rnorm(100)

但是我得到的信息是，

y

应该在区间[0,1]内。你知道我怎么做这个回归吗

---

请注意-我知道执行多层次逻辑回归并不是那么简单，有几种方法可以做到这一点，例如一对所有。但在我查找时，我找不到任何错误消息。

如果您阅读了错误消息，它会提示您可能会成功：

y <- sample(seq(0,1,length=3), 100, replace = T)

---

y如果您阅读错误消息，它会提示您可能会成功：

y <- sample(seq(0,1,length=3), 100, replace = T)

y
set.seed（42）
y
set.seed（42）
由glm实施的y逻辑回归仅适用于2个水平的输出，而不是3个水平

这条消息有点夸张，因为您可以在逻辑回归中将y变量指定为0和1，或者指定为一个比例（0和1之间），并使用
权重
参数指定该比例的受试者数量

如果在响应中有3个或3个以上的有序级别，则需要使用一个泛化，一个常见的泛化是比例赔率逻辑回归（也称为其他名称）。MASS包中的
polr
函数和rms包中的
lrm
函数（可能还有其他包中的其他函数）适合这些类型的模型，但
glm
不适合。由
glm
实现的逻辑回归只适用于2个输出级别，而不是3个

这条消息有点夸张，因为您可以在逻辑回归中将y变量指定为0和1，或者指定为一个比例（0和1之间），并使用
权重
参数指定该比例的受试者数量

如果在响应中有3个或3个以上的有序级别，则需要使用一个泛化，一个常见的泛化是比例赔率逻辑回归（也称为其他名称）。MASS包中的
polr
功能和rms包中的
lrm
功能（可能还有其他包中的其他功能）适合这些类型的型号，但
glm
不适合

# weights:  9 (4 variable)
initial  value 109.861229 
final  value 104.977336 
converged
Call:
multinom(formula = y ~ x)

Coefficients:
   (Intercept)           x
1 -0.001529465  0.29386524
2 -0.649236723 -0.01933747

Residual Deviance: 209.9547 
AIC: 217.9547 

Call:
polr(formula = ordered(y) ~ x)

Coefficients:
         x 
0.06411137 

Intercepts:
       0|1        1|2 
-0.4102819  1.3218487 

Residual Deviance: 212.165 
AIC: 218.165