我想在拟合逻辑回归模型时使用计数数据作为协变量。我的问题是：

• 通过使用计数非负整数变量作为自变量，我是否违反了逻辑（更一般地说，广义线性）模型的任何假设？

我在文献中发现了很多关于热门使用计数数据作为结果的参考资料，但不是作为协变量；例如，参见非常清晰的论文：“NE Breslow (1996) 广义线性模型：检查假设和加强结论，Congresso Nazionale Societa Italiana di Biometria，Cortona，1995 年 6 月”，可在 http://biostat.georgiahealth.edu/~dryu获得/course/stat9110spring12/land16_ref.pdf。

粗略地说，glm 假设似乎可以表示如下：

• 独立同分布残差；
• 链接函数必须正确地表示因变量和自变量之间的关系；
• 没有异常值

每个人都知道是否存在任何其他假设/技术问题可能建议使用其他类型的模型来处理计数协变量？

最后，请注意我的数据包含的样本相对较少（<100），并且计数变量的范围可以在 3-4 个数量级内变化（即某些变量的值在 0-10 范围内，而其他变量的值可能在0-10000)。

一个简单的 R 示例代码如下：

\###########################################################

\#generating simulated data

var1 <- sample(0:10, 100, replace = TRUE);    
var2 <- sample(0:1000, 100, replace = TRUE);    
var3 <- sample(0:100000, 100, replace = TRUE);    
outcome <- sample(0:1, 100, replace = TRUE);
dataset <- data.frame(outcome, var1, var2, var3);

\#fitting the model

model <- glm(outcome ~ ., family=binomial, data = dataset)

\#inspecting the model

print(model)

\###########################################################