使用robustbase包lmrob()时遇length(y)==n不成立错误的求助

问题背景 #

我正在开展个人项目学习多元统计，使用UCI药物量化消费数据集，最初计划做MANOVA但发现数据不适用，转而尝试用自变量预测多个因变量的多元线性模型。由于因变量大多非正态，选择使用robustbase包的lmrob()构建稳健线性模型，但运行时持续报错。

报错信息 #

Error in lmrob.S(x, y, control = control) : length(y) == n is not TRUE

问题复现（mtcars数据集） #

library(robustbase)
library(tidyverse)
data(mtcars)

# 绑定多因变量
outcome <- cbind(mtcars$carb, mtcars$cyl)
# 尝试构建稳健多元模型
car_rob_mod <- robustbase::lmrob(outcome ~ mpg, data = mtcars)

运行上述代码会抛出与实际项目中完全相同的错误。

已执行的排查操作 #

• 检查所用列的缺失值，未发现缺失观测值
• 校验数据维度，结果无问题
• 通过ChatGPT排查，仅得到“检查维度和缺失值后重新运行”的建议，未解决问题

核心疑问 #

1. lmrob()是否支持多因变量的多元稳健线性回归建模？
2. 若不支持，有哪些可行的替代方法？

关于lmrob的支持性 #

robustbase包中的lmrob()不支持多因变量（多元响应）的稳健线性回归，该函数仅针对单因变量场景设计，期望输入的因变量y是一维向量，而你传入的是cbind生成的二维矩阵，触发了函数内部的维度校验逻辑，导致报错length(y) == n is not TRUE。

替代方案 #

方案1：对每个因变量单独拟合lmrob模型 #

这是最直接且易实现的方式，分别为每个因变量构建独立的稳健线性模型，示例代码：

library(robustbase)
data(mtcars)

# 为carb构建稳健模型
mod_carb <- lmrob(carb ~ mpg, data = mtcars)
# 为cyl构建稳健模型
mod_cyl <- lmrob(cyl ~ mpg, data = mtcars)

# 查看模型结果
summary(mod_carb)
summary(mod_cyl)

这种方式的优势是可以针对每个因变量单独调整模型参数，结果解读也更直观。

方案2：使用支持多元稳健回归的工具包 #

2.1 robust包的lmRob函数

robust包中的lmRob()原生支持多因变量的稳健回归，基于M估计实现，示例代码：

library(robust)
data(mtcars)

outcome <- cbind(mtcars$carb, mtcars$cyl)
mod_multi <- lmRob(outcome ~ mpg, data = mtcars)

# 查看多元模型结果
summary(mod_multi)

2.2 mvoutlier包的多元稳健分析

mvoutlier包专注于多元数据的稳健统计，提供了针对多元响应变量的稳健回归实现，适合处理因变量非正态且存在异常值的场景，可通过lmrobdet()函数构建模型。

2.3 定制化多元稳健回归（进阶）

如果需要更灵活的模型控制，可以基于多元M估计的原理，结合优化算法（如optim()）手动实现，但要求具备一定的统计理论基础。

内容的提问来源于stack exchange，提问作者lucerdoot