回归公式两种指定方式结果差异原因及循环实现咨询

问题核心 #

在处理多重插补后的重复测量数据时，直接编写回归公式（Cal ~ a）与通过as.formula动态生成公式调用geeglm，得到的回归结果不一致，即使公式文本完全相同。

原因分析 #

问题出在公式的环境作用域：

• 当在with(imputed_data, ...)外部生成formula对象时，该公式的绑定环境是全局环境（.GlobalEnv）。调用geeglm时，会优先在全局环境中查找变量，而非imputed_data内部的插补数据集，导致实际使用的是原始含缺失值的数据，而非插补后的数据。
• 直接在with内部编写公式时，公式的绑定环境是imputed_data的内部环境，能正确引用插补后的完整数据集，因此结果正确。

解决方法 #

方法1：在with内部动态生成公式 #

将公式生成逻辑放在with的代码块中，确保公式的环境与插补数据一致：

var <- "a"
rg2 <- with(imputed_data, {
  formula <- as.formula(paste0("Cal ~ ", var))
  geeglm(formula, family = binomial, id = d, corstr = "independence")
})
summary(rg2)

方法2：使用reformulate简化公式生成 #

reformulate可以直接在with内部生成目标公式，代码更简洁：

var <- "a"
rg2 <- with(imputed_data, geeglm(
  reformulate(var, response = "Cal"),
  family = binomial, id = d, corstr = "independence"
))
summary(rg2)

循环封装回归的经验 #

1. 批量处理自变量 #

定义自变量列表，用lapply实现批量回归（比for循环更简洁，自动存储结果）：

# 定义需要循环的自变量
indep_vars <- c("a", "b", "c")

# 批量执行回归并存储结果
reg_list <- lapply(indep_vars, function(var) {
  with(imputed_data, geeglm(
    reformulate(var, response = "Cal"),
    family = binomial, id = d, corstr = "independence"
  ))
})

# 为结果列表命名，方便后续索引
names(reg_list) <- indep_vars

2. 批量提取结果 #

使用broom包的tidy函数可以快速提取所有回归的系数、p值等统计量，便于汇总分析：

library(broom)
# 提取每个回归的汇总结果
reg_tables <- lapply(reg_list, tidy, conf.int = TRUE)

# 合并为数据框
library(dplyr)
bind_rows(reg_tables, .id = "predictor")

3. 扩展到多因变量 #

如果需要处理多个因变量，可以嵌套循环：

dep_vars <- c("Cal", "另一个因变量")
indep_vars <- c("a", "b", "c")

# 双重循环处理所有组合
full_reg_list <- lapply(dep_vars, function(dep) {
  lapply(indep_vars, function(indep) {
    with(imputed_data, geeglm(
      reformulate(indep, response = dep),
      family = binomial, id = d, corstr = "independence"
    ))
  })
})
names(full_reg_list) <- dep_vars

内容的提问来源于stack exchange，提问作者Luo Z