在R中能否实现带中介变量的二元Logistic回归？

一、方法可行性说明 #

带中介变量的二元Logistic回归在R中完全可行，mediate()函数支持这类分析（只要中介模型与结果模型的类型匹配，比如结果模型用logistic，中介模型可根据变量类型选择线性或logistic），你的问题均出自数据处理与模型构建的细节错误。

二、逐个解决报错问题 #

1. mediate()观测数不匹配报错 #

Error in mediate(Model2, Model3, treat = "Sat_dem", mediator = "Corona", : number of observations do not match between mediator and outcome models

原因：模型构建时使用data$变量名的写法，导致glm自动删除缺失值的逻辑不统一，两个模型保留的观测行不一致。

解决步骤：

• 统一模型写法：直接使用变量名（不要加data$前缀），让glm基于同一数据集处理缺失值。
• 先清洗数据，移除所有含缺失值的行，确保两个模型用完全相同的观测集：

# 清洗数据，移除缺失值
cleaned_data <- na.omit(data)

# 重新构建模型（注意根据中介变量Corona的类型指定family：连续用gaussian，二元分类用binomial）
Model2 <- glm(Corona ~ Sat_dem + Gender + Income + Education + Religion, 
              data = cleaned_data, 
              family = "gaussian") # 替换为对应Corona类型的family
Model3 <- glm(second_vote ~ Sat_dem + Corona + Gender + Income + Education + Religion, 
              data = cleaned_data, 
              family = "binomial")

# 调用mediate函数
results <- mediate(Model2, Model3, treat = "Sat_dem", mediator = "Corona")

2. 数据集拆分报错 #

（1）sample.split()缺失值报错

Error in quantile.default(y, probs = seq(0, 1, length = groups)) : missing values and NaN's not allowed if 'na.rm' is FALSE

原因：原始数据存在缺失值，sample.split()无法处理含缺失值的数据集。

解决：先清洗数据再拆分，同时指定拆分依据（比如因变量）：

cleaned_data <- na.omit(data)
set.seed(42)
# 以因变量second_vote为拆分依据
split <- sample.split(cleaned_data$second_vote, SplitRatio = 0.8)
train_data <- subset(cleaned_data, split == TRUE)
test_data <- subset(cleaned_data, split == FALSE)

（2）手动拆分后Model2的因子变量报错

Error in glm.fit(x = c(1, 1, 1, ...)) : NA/NaN/Inf in 'y'
In addition: Warning messages:
1: In Ops.factor(y, mu) : ‘-’ not meaningful for factors

原因：中介变量Corona是因子类型，但未给Model2指定正确的family，glm默认用线性模型处理因子因变量导致冲突。

解决：

• 先检查Corona类型：class(cleaned_data$Corona)
• 根据类型调整模型：
  • 若Corona是二元分类因子，直接指定family = "binomial"：

    Model2 <- glm(Corona ~ Sat_dem + Gender + Income + Education + Religion, 
                  data = train_data_manual, 
                  family = "binomial")
    

  • 若需转为数值变量（0/1编码）：

    # 转换因子为数值，注意调整编码对应逻辑
    train_data_manual$Corona <- as.numeric(train_data_manual$Corona) - 1
    Model2 <- glm(Corona ~ Sat_dem + Gender + Income + Education + Religion, 
                  data = train_data_manual, 
                  family = "gaussian")
    

内容的提问来源于stack exchange，提问作者Fleur