基于boot包downs.bc数据集的事件概率、OR与OD模型计算咨询

一、现有计算方式的可行性 #

你用glm(cbind(r, m-r) ~ age, family = binomial, data = boot::downs.bc)拟合模型的做法完全正确——这种列联表形式（cbind(r, m-r)）是处理分组二项数据的标准操作，模型输出的系数也没问题。但要注意：你计算出来的-6.43632和-5.06053是对数优势（log-odds），不是事件发生的概率，必须经过转换才能得到概率。

二、计算20岁、30岁人群的事件概率 #

有两种常用方法：

方法1：用predict函数直接预测 #

这是最简便且不易出错的方式，直接指定type = "response"就能得到概率：

# 先拟合模型（和你的代码一致）
mod1 <- glm(cbind(r, m-r) ~ age, family = binomial, data = boot::downs.bc)

# 构造包含目标年龄的新数据集
new_ages <- data.frame(age = c(20, 30))

# 预测概率
predicted_probs <- predict(mod1, newdata = new_ages, type = "response")
predicted_probs

方法2：手动转换对数优势 #

用sigmoid函数把你算出的log-odds转换成概率，公式为：概率 = exp(对数优势) / (1 + exp(对数优势))

# 20岁人群的概率
log_odds_20 <- -10.563690 + 20 * 0.137579
prob_20 <- exp(log_odds_20) / (1 + exp(log_odds_20))

# 30岁人群的概率
log_odds_30 <- -10.563690 + 30 * 0.137579
prob_30 <- exp(log_odds_30) / (1 + exp(log_odds_30))

prob_20
prob_30

两种方法得到的结果完全一致。

三、计算Odds Ratio（优势比）并构建模型 #

你提到的“OD模型”应该是指基于优势比的logistic回归模型——你已经拟合了正确的模型，下面是具体的OR计算方法：

1. 构建模型 #

你拟合的mod1就是标准的logistic回归模型，它的核心就是用优势比来量化自变量对事件发生概率的影响：模型中age的系数表示年龄每增加1岁，事件发生的对数优势的变化量。

2. 计算优势比 #

优势比是系数的指数形式，直接对模型系数取指数即可得到：

# 计算年龄的优势比
age_or <- exp(coef(mod1)[["age"]])
age_or

# 计算优势比的95%置信区间（更严谨的做法）
age_or_ci <- exp(confint(mod1)[["age"], ])
age_or_ci

这里得到的OR≈1.147，意思是：年龄每增加1岁，事件发生的优势（发生概率/不发生概率）是原来的1.147倍。

内容的提问来源于stack exchange，提问作者fashionable