如何建立r中一个自变量和三个因变量的线性回归模型?

lm是您正在寻找的函数,不过首先您必须将所有y变量打包为一个单独的变量,并使用它们各自的x变量

> y4 = c(y1,y2,y3)
> x1 = rep(x,3)
> 
> model = lm(y4 ~ x1)
> 
> summary(model)

Call:
lm(formula = y4 ~ x1)

Residuals:
    Min      1Q  Median      3Q     Max 
-4.9174 -1.1715  0.0799  2.0743  5.0771 

Coefficients:
             Estimate Std. Error t value Pr(>|t|)    
(Intercept)  9.917363   0.296917   33.40   <2e-16 ***
x1          -0.002786   0.139197   -0.02    0.984    
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 2.284 on 58 degrees of freedom
Multiple R-squared:  6.904e-06, Adjusted R-squared:  -0.01723 
F-statistic: 0.0004005 on 1 and 58 DF,  p-value: 0.9841

多元因变量回归被称为多元回归,在某些学科中很常见,在其他学科中很少见。一个简单的线性模型可以通过以下方法在基R中获得:

df <- data.frame(x, y1, y2, y3)  #bind your observations into a dataframe
lm(cbind(y1,y2,y3) ~ x, data = df) #run an linear fit

要知道,对于多元回归的最佳实现,统计学家之间存在着相当大的争论。有关详细信息,请访问: https://stats.stackexchange.com/questions/11127/multivariate-multiple-regression-in-r