R语言：合并分性别字符变量用于逻辑回归的正确方法问询

你遇到的核心问题确实是paste()函数导致的：它会把空字符串和有效字符串拼接成带空格的新字符串（比如"weekly "和 "weekly"），这些字符串在逻辑回归中会被识别为不同的类别，从而出现重复的OR结果；同时两个字段都为空时会生成" "这样的无效类别，进而导致部分类别出现NA的置信区间。

正确的合并方法 #

因为你的数据集是按性别拆分变量，每个观测应该只有一个非空的取值（要么在male字段，要么在female字段），所以我们需要提取每个观测中非空的唯一有效值，具体步骤如下：

1. 先将空字符串转换为NA

首先把原数据中的空字符串替换成NA，方便后续处理：

# 替换空字符串为NA
df$male[df$male == ""] <- NA
df$female[df$female == ""] <- NA

2. 合并变量（两种可选方法）

方法一：使用dplyr包的coalesce()函数（简洁推荐）

coalesce()会自动取每个观测中第一个非NA的值：

library(dplyr)
df$combined <- coalesce(df$male, df$female)

方法二：Base R原生方法（无需额外包）

用ifelse()判断并提取有效值：

df$combined <- ifelse(is.na(df$male), df$female, df$male)

3. 优化逻辑回归代码

另外建议不要在公式中使用df$的形式，因为已经通过data=df指定了数据集，这样写更规范且避免潜在问题：

# 修正后的回归代码
model_00_ <- glm(formula = outcome ~ main_predictor + combined, 
                 data = df, 
                 family = binomial(link = "logit"))

# 输出OR值和置信区间
exp(cbind(OR = coef(model_00_), confint(model_00_)))

验证合并结果 #

处理后你的combined变量会变成：
c("weekly", "monthly", "never", "never", "daily", "weekly", "weekly")
所有类别都是唯一的有效取值，逻辑回归结果就不会再出现重复的OR行和NA的置信区间了。

内容的提问来源于stack exchange，提问作者Ryan