您可以使用多级模型或考虑到聚类的回归或结构方程模型来执行此操作。您将数据从宽转换为长，因此每个人在数据集中有两行，并且您有一个标识一个人的变量。

您也可以使用多项逻辑回归来做到这一点 - 预测（比如说）4组的成员 - 少数男性，少数女性，多数男性，多数女性。

我对 SEM 了解不多，但我听说它们非常复杂。一个易于理解的替代方案是多项逻辑回归。vglm()在 R 中，您可以使用包中的函数来制定它VGAM。这是一个快速的要点：

在二项式逻辑回归中，您的模型如下所示：

$$\log\left(\frac{p}{1-p}\right) = \mathbf{X\beta}$$

在多项逻辑回归中，您需要有一个基线因子水平（我认为 R 默认为按字母顺序排列的最后一个）。因此，如果您有个预测因子，您可以预测，其中。你的模型看起来像这样：$k$$p_1, ..., p_k$$p_k = 1 - p_1 - ... - p_{k-1}$

$$\log\left(\frac{p_i}{p_k}\right) = \mathbf{X\beta}_i$$

注意这里本身就是一个向量。所以如果你有个预测变量，你现在就有斜率估计。$\mathbf{\beta}_i$$p$$p\times(k-1)$