按set分层计算倾向得分（PS）：logistic模型拟合报错求助

错误原因 #

你遇到的尺寸不匹配问题，本质是在group_by(set)后直接用mutate调用glm时，模型拟合或预测的数据集与当前分组的行数不匹配——要么是glm意外使用了全局数据集而非分组子集，要么是predict未指定newdata导致返回了全量预测值，和当前分组行数不符。

正确实现方案 #

用dplyr的nest()+purrr::map()组合，先按set嵌套数据，再为每个分组独立拟合模型并计算PS值，能彻底避免尺寸不匹配问题。步骤如下：

1. 加载依赖包

library(dplyr)
library(tidyr)
library(purrr)

2. 数据预处理（转换二分类因变量）
   先将group转换为二分类变量（是否属于AB组），这是logistic模型的必要前提：

# 假设你的原始数据集名为dat
dat <- dat %>%
  mutate(treat = as.integer(group == "AB")) # 1代表AB组，0代表非AB组（A/B组）

3. 按set分层拟合模型并计算PS

dat_with_ps <- dat %>%
  group_by(set) %>%
  # 过滤掉仅包含单一分组的set（避免glm无法拟合二项模型）
  filter(n_distinct(treat) == 2) %>%
  # 按set嵌套数据，每个set对应一个独立数据框
  nest() %>%
  mutate(
    # 为每个set分组拟合logistic倾向得分模型
    ps_model = map(data, ~ glm(
      formula = treat ~ age + educ + race + married + nodegree + re74 + re75 + re78,
      data = .,
      family = binomial(link = "logit")
    )),
    # 对当前分组的数据集预测PS值（type="response"返回概率值）
    pscore = map2(ps_model, data, ~ predict(.x, newdata = .y, type = "response"))
  ) %>%
  # 展开嵌套数据，将PS值合并回原数据集
  unnest(c(data, pscore)) %>%
  # 取消分组状态
  ungroup()

关键细节说明 #

• nest()：将每个set对应的子集数据打包成独立数据框，确保后续模型仅基于当前分组数据拟合。
• map()/map2()：遍历每个分组的嵌套数据，分别拟合模型并完成预测，保证每个分组的模型和预测结果独立对应。
• filter(n_distinct(treat) == 2)：提前过滤掉只有AB组或只有非AB组的set，避免因二分类因变量无变异导致glm报错。

内容的提问来源于stack exchange，提问作者geek45