我正在审查一篇具有以下生物实验的论文。一种装置用于将细胞暴露于不同量的流体剪切应力。随着对细胞施加更大的剪切应力，更多的细胞开始从基底上分离。在每一级剪切应力下，他们计算仍然附着的细胞，并且由于他们知道开始时附着的细胞总数，他们可以计算分数附着（或分离）。
如果您绘制粘附分数与剪切应力的关系图，则结果是逻辑曲线。理论上，每个单独的单元格是一个单独的观察值，但显然有数千或数万个单元格，因此如果以通常的方式设置数据集（每一行是一个观察值），数据集将是巨大的。
所以，自然地，我的问题（如标题中所述）现在应该有意义了。我们如何使用分数结果作为 DV 进行逻辑回归？是否有一些可以在 glm 中完成的自动转换？
同样，如果可能有 3 个或更多（分数）测量值，如何为多项逻辑回归执行此操作？
中的glm函数R允许 3 种方法来指定逻辑回归模型的公式。
最常见的是数据框的每一行代表一个观察值，响应变量为 0 或 1（或具有 2 个水平的因子，或仅具有 2 个唯一值的其他变量）。
另一种选择是使用 2 列矩阵作为响应变量，第一列是“成功”的计数，第二列是“失败”的计数。
您还可以将响应指定为 0 到 1 之间的比例，然后将另一列指定为“权重”，该列给出该比例来自的总数（因此 0.3 的响应和 10 的权重与 3 相同）成功”和 7 次“失败”）。
最后两种方法中的任何一种都适合您尝试做的事情，最后一种似乎最直接地描述了您的数据。
首先，如果您有一个比例因变量，您可以使用 Beta 回归。这不会（以我有限的知识）扩展到多个比例。
有关 Beta 回归概述和 R 实现，请查看betareg。
我一直在使用nnet::multinom（包 nnet 是 MASS 的一部分）用于类似目的，它接受 [0, 1] 中的连续输入。
如果您需要参考：C. Beleites et.al.：星形细胞瘤组织的拉曼光谱分级：使用软参考信息。肛门生物肛门化学，2011，卷。400(9)，第 2801-2816 页