R 根据概率拟合二项式GLM（即使用逻辑回归进行回归而非分类）

我想使用逻辑回归来实际执行回归，而不是分类

我的响应变量是介于0和1之间的数字，不是分类变量。该响应变量与任何类型的二项式过程无关。特别是，没有“成功”，没有“试验次数”，等等。它只是一个实际变量，根据具体情况取0到1之间的值

这里有一个简单的例子来说明我想要实现的目标

dummy_data <- data.frame(a=1:10, 
                         b=factor(letters[1:10]), 
                         resp = runif(10))
fit <- glm(formula = resp ~ a + b, 
           family = "binomial",
           data = dummy_data)

---

dummy_data这是因为您使用了二项式族并给出了错误的输出。由于选择的族是二项式的，这意味着结果必须是0或1，而不是概率值

此代码工作正常，因为响应为0或1

dummy_data <- data.frame(a=1:10, 
                         b=factor(letters[1:10]), 
                         resp = sample(c(0,1),10,replace=T,prob=c(.5,.5)) )

fit <- glm(formula = resp ~ a + b, 
           family = binomial(),
           data = dummy_data)

dummy\u data从上的讨论中，我认为我们可以通过另一个族函数
？quasibinomial（）
来解决它

dummy_数据我知道它为什么会发生，我想知道我是否能解决它。毕竟，glm的原始输出在（0，1）中，所以为什么不将glm拟合到0和1之间的值呢？编辑后：我同意，如果我有实际的二项式数据，我不会有任何问题——但这并没有真正的帮助：）。我的数据不是从二项分布中提取的，我只是有一个变量，根据情况在0和1之间变化（特别是，没有有意义的“试验次数”）。我会在问题中说得更清楚。
 dummy_data <- data.frame(a=1:10, 
                         b=factor(letters[1:10]), 
                         resp = runif(10),w=round(runif(10,1,11)))

fit <- glm(formula = resp ~ a + b, 
           family = binomial(),
           data = dummy_data, weights = w)