对于逻辑回归，我想测试Y的自变量和对数概率之间的线性空间关系的假设。
我已经阅读了有关使用 Box-Tidwell 测试的信息。应用测试会导致错误，因此我希望能够对代码做出一些帮助。
我的数据集包含大约80个变量。我的依赖变量是一个二分变量。我的自变量由连续变量和因子组成。
第一个问题我在box-tidwell中使用 Y 。
我通过在所有预测变量上运行glm（family = binomial）指定Y并获取log-odds：
odds = ...$fitted.values / (1-...$fitted.values)
log_odds <- log(odds)
这意味着我用于box-tidwell的Y基于没有x ln（x）交互的模型。我想知道这是不是正确的方法。 我想不出另一种在Box_Tidwell中指定模型的方法。 我应该在Box_Tidwell测试中定义glm，如果是，我应该怎么做（即我应该使用哪个代码）？
第二个问题我关注X1 zh X2的规范。 我通过在所有连续预测变量中添加一个分数（0.01）来指定BT中的x1（因为BT不能处理零），因此首先选择所有连续预测变量。 由于我读到X1和X2应该是矩阵，我做了以下几点：
DF_numeric <- Filter(is.numeric, DF)
x <- DF_numeric + 0.01
x_matrix <- as.matrix (x)
据我所知，X2应该包含模型中不适合转换的变量，所以：
x2 <- Filter(is.factor, DF)
x2_matrix <- as.matrix (x2)
运行我的BT时出现以下错误：
BT <- boxTidwell(Y=log_odds, x1=x_matrix, x2=x2_matrix)
Error in `[[<-.data.frame`(`*tmp*`, i, value = c(250L, 250L, 194L, 250L, :
replacement has 480090 rows, data has 6155
480090行是6155个参与者乘以变量的数量，但我不知道我犯了哪个错误。
我尝试了不同的可能性。由于我用于Y的log_odds与X1 en X2不在同一个数据帧中，我尝试绑定（使用cbind）x1，x2和log_odds。但是，这不会改变错误。
我应该为Y，X还是X2使用不同的格式？
我希望我已经提供了足够的信息，希望你能帮助我！
（我首先在Cross Validated中问过这个问题，但由于那里的主题不合适，我希望这是正确的地方。）
提前致谢！ 西蒙