我不能特别评论如何处理多个响应类别，但您需要进一步完善您的问题，以便论坛上的人们能够提供有用的建议。

您提到了各种利益，例如某种毒品政策干预，以及根据种族、逮捕地点和家庭地点的不同收费。对于不同的指控，它们是评估这方面各个方面的大量犯罪学文献。您是否对特定官员的自由裁量行为（或种族偏见的待遇）感兴趣？您是否对与刑事司法系统不成比例的少数群体接触感兴趣？有各种各样的潜在问题我无法给出任何建议。毒品政策干预的性质是什么？您对犯罪历史和某些政策的影响感兴趣吗？

您的数据的性质非常典型。我使用的一些最近的逮捕数据平均每次逮捕大约有 3 项指控（我记得有 1 个案件在一次逮捕中有 20 项指控）。您通常会收取一些费用，这些费用往往会合并在一起（有时是功能上的多余费用）。通常情况下，持有毒品的指控并不孤单，因为犯罪者做了其他事情来吸引警察的注意（通常是另一种犯罪），并且在被捕后他们被搜查并发现了毒品。毫无疑问，您的数据中会有一个多产的犯罪者核心，对于任何分析，您都想了解他们的历史，并可能在您的分析中考虑到他们（您是否有个人的唯一标识符，或者您是否必须根据姓名、出生日期和/或 SSN'

我参与的大多数项目（包括我自己的工作）都以两种方式处理了多项指控。一种是根据某些排名标准仅包括“顶级”费用，另一种是仅分析特定的费用子集。但是，这几乎不是普遍的建议，并且在不知道您要解决的问题的情况下，一开始就可能不建议这样做。如果您将任何指控集中在一起（例如，将拥有杂草视为拥有可卡因），我建议您基于理论依据而不是使用某种统计方法（尽管再次取决于问题某种类型的统计聚类方法）可能有用）。

您提出的问题越具体，该社区就越能提供建议。您的数据的性质可能看起来很复杂，但这个论坛上的许多人都会有类似数据结构的经验（至少在各个方面）。

目前尚不清楚您要回答什么问题，但这里有几种处理多重响应数据的方法：

1. 逮捕官

   将两列转换为单个计数变量（1 或 2），表示逮捕人员的数量。您将失去逮捕官员的身份，但也许这对您本身并不感兴趣？

2. 收费

   再次转换为计数变量或加权计数，权重是犯罪的严重程度。计数变量表示对被告的指控数量。

当您丢失信息（例如，官员的身份、被指控的具体罪行的详细信息等）时，上述处理多响应变量的策略有缺点，但考虑到您想要追求的研究问题，这可能是您可以接受的。

可能会给出更好的答案，但这需要您了解您尝试使用数据完成的任务。

我过去检查了多个响应分类变量之间的关联，基本上遵循以下概述的边际数据的对数线性方法：

• 使用多个类别选择对两个类别变量进行建模的策略(Bilder, Loughlin, 2003)

您的案件可能会更复杂，因为您所关注的不仅仅是收费官员。但是 Bilder 论文和其中的参考资料可能是探索您的建模选择的良好开端。好消息是我能够毫不费力地将它安装在 R 中。

您可能会遇到的问题最终是一个稀疏的列联表，这在拟合您的对数线性模型时可能会导致收敛问题。在这方面，我认为 Andy 和 Srikant 的建议会很好地为您服务——您必须做出一些适合您的领域的假设或简化。找出你感兴趣的问题，看看你是否可以通过某种方式减少维度。