含零事件的二项Logistic回归及elrm模型求解问题

问题背景 #

数据包含二分类结局变量（morto）和二分类自变量（volo_1、NACA_cat/NACA_dic），其中NACA_cat=0对应的两组均为零事件，导致常规二项Logistic回归输出极端OR值；使用elrm包做类精确推断时，针对NACA_cat/NACA_dic的模型返回NA估计值，报错提示'NACA_dic' observed value of the sufficient statistic was not sampled。

原因分析 #

NACA_cat=0的分组中事件数全为0，属于**分离数据（separation）**场景：此时模型的似然函数无法收敛到有限值，常规Logistic回归会出现极端系数；而elrm的MCMC采样过程无法生成与观测充分统计量匹配的样本，导致参数估计失败。

解决方案 #

方案1：精确条件Logistic回归（四格表精确检验） #

针对NACA_dic与结局的二分类关系，直接构造四格表使用精确检验，能得到可靠的OR及置信区间：

# 安装并加载exact2x2包
install.packages("exact2x2")
library(exact2x2)

# 构造四格表：行=结局（1=事件，0=非事件），列=NACA_dic分组
tab <- matrix(
  c(0, 107, 2613, 384),  # 0=NACA_dic=0的事件数，107=NACA_dic=1的事件数，2613=NACA_dic=0的非事件数，384=NACA_dic=1的非事件数
  nrow = 2,
  dimnames = list(morto = c("事件", "非事件"), NACA_dic = c("0", "1"))
)

# 执行精确检验
exact2x2(tab, alternative = "two.sided")

方案2：Firth校正Logistic回归 #

Firth校正通过惩罚似然解决分离数据问题，能生成稳定的参数估计，推荐使用logistf包：

# 安装并加载logistf包
install.packages("logistf")
library(logistf)

# 用原始数据拟合Firth校正模型
firth_model <- logistf(morto ~ NACA_dic, data = db)
summary(firth_model)

# 将系数转换为OR及95%置信区间
exp(cbind(OR = coef(firth_model), `95%CI` = confint(firth_model)))

方案3：调整elrm参数（尝试性） #

若坚持使用elrm，可尝试增加迭代次数与燃烧期，提升MCMC采样的覆盖性，但对极端稀疏数据效果有限：

m.NACA_dic <- elrm(
  formula = admit/ntrials ~ NACA_dic, 
  interest = ~NACA_dic, 
  iter = 50000,  # 大幅增加迭代次数
  dataset = cdat, 
  burnIn = 5000   # 延长燃烧期
)
summary(m.NACA_dic)

总结 #

针对零事件导致的分离数据，Firth校正或精确条件回归是更可靠的选择；elrm在极端稀疏场景下采样效率极低，不优先推荐。

内容的提问来源于stack exchange，提问作者ArTu