我正在执行回归，其中我的因变量是一组Simpson Diversity Index的值。该索引值受和（其中是类数）的约束，尽管我的值都没有接近。我知道 OLS 回归不适合带有“有界”因变量的回归，我对适当方法的研究为我指出了几个方向，包括 logit 变换和 beta 回归。Beta 回归超出了我的想象，所以我正在考虑 logit 转换，但仍在寻找一些关于解释结果系数的建议，以及这种方法是否真的足够。
此外，还有一些其他问题：我是否只是转换因变量而不理会自变量？我要转换两者吗？（顺便说一下，我的因变量包括百分比、整数和虚拟变量。）
通过转换，我读到 OLS 将是合适的，但我也看到了对 GLM 的建议。
您是否有任何正好为 0 或 1 的响应值？（这些会导致 logit 变换出现问题）
您是否尝试过绘制数据？你使用了哪些探索技术？该领域的其他研究人员做了什么？
您可以尝试模拟一些适合 logit 变换或 beta 回归模型（或您考虑尝试的任何其他模型）的数据，并查看它与您的数据相比如何，以便更好地了解哪种模型可能更合适。
有了你给我们的，我们只能提出建议，你需要根据你对数据的理解、数据背后的科学以及你想问的问题来决定什么是最有意义的。您可能还需要咨询该领域的专家和/或专业统计学家。选择不做 Beta 回归，因为它超出了你的能力，就像让你的医生说你可能需要脑部手术，但他会取出你的阑尾，因为大脑超出了他的经验，但他擅长阑尾。
你知道但你使用了因变量. 不要划分，但使用的值作为因变量。正如你所说是类的数量，因此您应该看到带有分类因变量的回归。作为参考，你应该看看 这里
我认为你应该避免如果您使用任何其他回归或方法。因为当你有更多的类时，结果接近于零，而小类的结果接近于 1，这会对自变量产生误导性的结果。