如何在R中用外部系数对含交互项的逻辑回归模型做外部验证

问题核心原因 #

1. 因子编码不匹配：原模型中sex是哑变量编码（女性F为参考水平，男性M对应1），直接用as.numeric(sex)会返回因子水平的索引（如F=1、M=2），导致系数应用错误，尤其是交互项的计算完全偏离原模型逻辑。
2. 表达式未求值：使用expression定义公式后，未通过eval执行计算，with函数仅返回表达式对象而非实际计算结果。

解决方案 #

方法1：自定义函数处理插补数据集（推荐） #

这种方式逻辑清晰，便于后续维护和扩展：

# 定义计算线性预测值和预测概率的函数
calc_preds <- function(data) {
  # 将sex转换为匹配原模型的哑变量：M=1，F=0
  sex_dummy <- ifelse(data$sex == "M", 1, 0)
  # 计算线性预测值
  lp <- -2.827381 + 
        (0.286466741 * sex_dummy) + 
        (-0.036205346 * data$age) + 
        (-0.151205539 * sex_dummy * data$age)
  # 计算逻辑回归预测概率（按需选择）
  pred_prob <- plogis(lp)
  # 返回结果，可单独提取lp或pred_prob
  return(list(lp = lp, pred_prob = pred_prob))
}

# 在mids对象上应用函数，遍历所有插补数据集
pred_results <- with(imputed_data_outcomes, calc_preds(.))

方法2：修正表达式并执行求值 #

如果偏好使用表达式方式，需修正编码并添加eval执行计算：

# 修正sex编码并定义线性预测表达式
model_linear_predictors <- expression(
  -2.827381 + 
  (0.286466741 * ifelse(sex == "M", 1, 0)) + 
  (-0.036205346 * age) + 
  (-0.151205539 * ifelse(sex == "M", 1, 0) * age)
)

# 计算线性预测值
linear_predictors <- with(imputed_data_outcomes, eval(model_linear_predictors))

# 计算预测概率
pred_probs <- with(imputed_data_outcomes, plogis(eval(model_linear_predictors)))

关键注意事项 #

• 确认原模型的sex参考水平：如果原模型以男性为参考水平，需调整哑变量编码（如ifelse(sex == "F", 1, 0)）。
• 处理mids对象后，可使用pool函数合并所有插补数据集的结果，得到汇总的预测值或概率。

内容的提问来源于stack exchange，提问作者Emos