有人可以解释一下cr.setup包中rms函数的工作原理吗？我似乎无法弄清楚它是如何重新映射初始数据的，以及这种重新映射对于连续比率模型的有用性，帮助和示例没有用处。也无法在网上找到任何其他解释。
答案 0 :(得分：4)
在他的优秀文本“回归建模策略”中，Harrell在他关于延续比率模型的序数逻辑回归章节末尾有三页。 cr.setup通过复制某些行并为各种比较创建层标记来支持“欺骗普通逻辑回归”的过程：Y >= 0; Y>=1, ... Y>=K-1并创建适当的响应变量来表示特定层的“结果”。看看他的cr.setup的第一个例子：
y <- c(NA, 10, 21, 32, 32)
> cr.setup(y)
$y
[1] NA 1 0 1 0 0 0 0
$cohort
[1] <NA> all all y>=21 all y>=21 all y>=21
Levels: all y>=21
$subs
[1] 1 2 3 3 4 4 5 5
$reps
[1] 1 1 2 2 2
有三个级别的非NA Y，只有2个级别的新结果。 y向量是新结果。 subs向量元素是原始数据的索引。 reps向量告诉软件需要多少次复制。您可以通过以下示例了解如何在实践中使用它：
combinations <- expand.grid(cohort=levels(cohort), sex=levels(sex))
combinations