如何为logistic svyglm()的优势比结果添加p值？

直接按以下步骤操作，就能把p值加到结果表里：

1. 先计算OR和置信区间，再从模型的summary结果中提取p值，最后将两部分合并即可。

具体代码实现：

# 拟合你的模型
model <- svyglm(y ~ x + covariate,
                 design = survey_design,
                 family = quasibinomial(link = logit)) 

# 计算OR和95%置信区间
or_ci <- exp(cbind(OR = coef(model), confint(model)))

# 从summary里提取p值——注意svyglm用的是t检验，对应列名是Pr(>|t|)
p_vals <- summary(model)$coefficients[, "Pr(>|t|)"]

# 合并成最终结果表
result_table <- cbind(or_ci, p_value = p_vals)

# 查看结果
result_table

更简便的tidy风格输出（用broom包） #

如果你偏好整洁的表格格式，可以用broom包一步搞定：

library(broom)

# 直接提取指数化后的OR、置信区间和p值
tidy_output <- tidy(model, exponentiate = TRUE, conf.int = TRUE)

# 整理成易读的列名
final_table <- tidy_output[, c("term", "estimate", "conf.low", "conf.high", "p.value")]
colnames(final_table) <- c("变量", "OR", "95%CI下限", "95%CI上限", "p值")

final_table

注意：svyglm的summary输出中，p值对应的列是Pr(>|t|)，和普通glm的Pr(>|z|)不同，别混淆了。

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