I have posted this question before, but I believe that I had not explained the problem well and that it was over-complicated, so I deleted my previous post and I am posting this one instead. I am sorry if this caused any inconvenience.
我也提前道歉，因为无法提供示例数据，我使用的是非常大的表，而我正在尝试做的更简单的示例，因此提供示例数据无济于事 . 它一直对我有用，直到现在 . 所以我只是试图了解可能存在的问题 . 但如果有任何方法可以提供更多信息，请告诉我 .
所以，我有一个对应于响应变量的向量和一个预测变量表 . 响应向量是数字，预测变量（表的列）是二进制格式（0和1） .
我使用响应向量和预测变量表运行glm函数（多元线性回归）：
fit <- glm(response ~ as.matrix(predictors), na.action=na.exclude)
coeff <- as.vector(coef(summary(fit))[,4])[-1]
当我过去这样做的时候，我会提取回归系数的向量，用它来进一步分析 .
问题是现在回归返回一个缺少某些值的系数向量 . 基本上一些预测变量根本不归因于glm的系数 . 但是没有错误消息 .
模型的摘要看起来很正常，但是我提到的一些预测变量缺失了 . 大多数其他预测变量都分配了数据（系数，p值等） . 模型中缺少约30个预测变量，超过200个 .
我尝试过使用不同的响应变量（向量），但我遇到了同样的问题，尽管缺失的预测因素取决于响应向量...
关于可能发生的事情的任何想法？我认为如果某些变量的方差为0，就会发生这种情况，但我已经检查过了 . 表中也没有NA值和缺失值 .
什么可能导致glm忽略/删除一些预测变量？
欢迎任何建议！
EDIT: 我发现被删除的预测变量的值与另一个预测变量相同 . 应该仍然有一种方法可以保留它们，例如它们会得到相同的回归系数
1 回答
您的编辑解释了为什么您没有获得这些变量 . 那将是我的第一个问题 . （这个问题最好在Cross验证时提出，因为它不是R错误，这是你模型的一个问题 . ）
他们不会得到相同的系数：假设你有一个1：1的关系，
Y = X + e，那么适合简单的模型Y ~ X + X. 每个X将被赋予任何值，使得总和等于1.没有解决方案 .Y = 0.5X + 0.5X对我们来说可能是最明显的，但Y = 100X -99X同样有效 .出于同样的原因，您也不能拥有任何其他预测变量的线性和的预测变量 .
如果您真的想要这些值，您可以根据自己的 Value 生成它们 . 但是我不推荐它，因为这些假设将会非常薄弱 .