Як зробити узагальнену лінійну модель з декількома залежними змінними в R?

У мене є шість залежних змінних (кількість даних) та кілька незалежних змінних, я бачу, що в MMR сценарій йде так:

my.model <- lm(cbind(DV1,DV2,DV3,DV4,DV5,DV6) ~ IV1 + IV2 + ... + IVn)

Але, оскільки мої дані налічуються, я хочу використовувати узагальнену лінійну модель, і я спробував це:

my.model <- glm(cbind(DV1,DV2,DV3,DV4,DV5,DV6) ~ IV1 + IV2 + ... + IVn, family="poisson")

І з'являється це повідомлення про помилку:

Error in glm.fit(x = c(1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,  : 
  (subscript) logical subscript too long`

Чи може хто-небудь пояснити мені це повідомлення про помилку чи спосіб вирішити мою проблему?

Коротка відповідь - glmце не так. lmСтворюватиме mlmоб'єкти , якщо ви даєте йому матрицю, але це не так широко підтримується в дженериків і в будь-якому випадку не може легко узагальнюється , glmтому що користувачі повинні мати можливість вказати подвійний стовпець залежних змінних для моделей логістичної регресії.

Рішення - окремо підходити до моделей. Припустимо, що ваші ІV та відеомагнітофони живуть у data.frame, який називається ddта позначений так, як вони є у вашому запитанні. У наступному коді складається список встановлених моделей, індексований іменем залежної змінної, яку вони використовують:

models <- list()
dvnames <- paste("DV", 1:6, sep='')
ivnames <- paste("IV", 1:n, sep='') ## for some value of n

for (y in dvnames){
  form <- formula(paste(y, "~", ivnames))
  models[[y]] <- glm(form, data=dd, family='poisson') 
}

Щоб вивчити результати, просто перегорніть свої звичайні функції у такий lapplyваріант:

lapply(models, summary) ## summarize each model

Немає сумнівів, що більш елегантні способи зробити це в R, але це має спрацювати.

Мені сказали, що існує багатоваріантна узагальнена лінійна (змішана) модель, яка вирішує вашу проблему. Я не є експертом з цього приводу, але я б ознайомився з документацією SABER і цією книгою про багатовимірні GLM. Можливо, вони допомагають ...