Jak zrobić uogólniony model liniowy z wieloma zmiennymi zależnymi w R?

Mam sześć zmiennych zależnych (dane zliczeń) i kilka zmiennych niezależnych, widzę, że w MMR skrypt wygląda następująco:

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

Ale ponieważ moje dane się liczą, chcę użyć uogólnionego modelu liniowego i próbowałem tego:

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

I pojawia się ten komunikat o błędzie:

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`

Czy ktoś może mi wyjaśnić ten komunikat o błędzie lub sposób rozwiązania mojego problemu?

Krótka odpowiedź brzmi: glm tak nie działa. lmBędą tworzyć mlmobiekty, jeśli dasz mu matrycy, ale to nie jest powszechnie obsługiwana w generycznych i mimo to nie można łatwo uogólnić do glmponieważ użytkownicy muszą być w stanie określić zmienne zależne podwójnej kolumnie dla modeli regresji logistycznej.

Rozwiązaniem jest osobne dopasowanie modeli. Załóżmy, że twoje IV i DV żyją w ramce data.frame ddi są oznaczone tak, jak są w pytaniu. Poniższy kod tworzy listę dopasowanych modeli indeksowaną według nazwy używanej zmiennej zależnej:

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') 
}

Aby sprawdzić wyniki, po prostu zawiń swoje zwykłe funkcje w następujący sposób lapply:

lapply(models, summary) ## summarize each model

Bez wątpienia są bardziej eleganckie sposoby na zrobienie tego w R, ale to powinno działać.

Powiedziano mi, że istnieją wielowymiarowe uogólnione modele liniowe (mieszane), które rozwiązują twój problem. Nie jestem w tym ekspertem, ale zajrzałbym do dokumentacji SABRE i tej książki o wielowymiarowych GLM. Może pomagają ...