Logistic回归未发现父列与分位列显著相关性的问题排查求助

你的问题出在**完全分离（Complete Separation）**现象：

• 你构造的q80变量完全由a的取值决定：所有a >= q的样本q80=1，所有a < q的样本q80=0，自变量和因变量之间存在绝对的分界关系。
• 这种情况下，Logistic回归的极大似然估计（MLE）会趋向于无穷大，对应的标准误也会无限膨胀。Wald检验（即summary(mod1)里的p值计算方式）依赖系数除以标准误，结果趋近于0，最终得到接近1的p值（比如你看到的0.994）。

针对完全分离的情况，有两种常用的处理方式：

1. 使用惩罚Logistic回归：
   采用Firth惩罚的极大似然估计，避免参数估计发散。可以用logistf包的logistf函数，或者brglm2包的brglm函数：

   # 安装并加载logistf包
   install.packages("logistf")
   library(logistf)
   mod_firth <- logistf(q80 ~ a, data = tmp)
   summary(mod_firth)
   

   这种方法能给出稳定的参数估计和合理的p值，反映a与q80的真实关联。

2. 重新审视变量构造逻辑：
   你当前的q80是完全由a的分位数划分得到的，本质上是a的单调变换。如果研究目的是验证a对某个二分结局的预测能力，建议使用原始的结局变量而非这种衍生变量；如果只是演示分位数划分与logistic回归的关系，需要明确这种完全分离是人为构造的极端情况。

内容的提问来源于stack exchange，提问作者Henrik Ode