我有一个多元回归问题，我尝试使用简单的多元回归来解决：

model1 <- lm(Y ~ X1 + X2 + X3 + X4 + X5, data=data)

这似乎解释了 85% 的方差（根据 R 平方），这似乎相当不错。

然而让我担心的是看起来怪异的残差与拟合图，见下文：

我怀疑我们有这样的平行线的原因是因为 Y 值只有 10 个唯一值对应于大约 160 个 X 值。

在这种情况下，也许我应该使用不同类型的回归？

编辑：我在下面的论文中看到了类似的行为。请注意，它只有一页纸，因此当您预览它时，您可以阅读全部内容。我认为它很好地解释了为什么我观察到这种行为，但我仍然不确定是否有任何其他回归会在这里更好地工作？

Edit2：我能想到的最接近我们案例的例子是利率的变化。美联储每隔几个月宣布一次新利率（我们不知道何时以及多久一次）。与此同时，我们每天收集我们的自变量（例如每日通货膨胀率、股市数据等）。结果，我们将遇到一种情况，我们可以对一个利率进行多次测量。