如何在R中让回归分析仅针对15岁及以上年龄值生效

1. 替换模型类型：用逻辑回归替代线性回归 #

你的因变量Binary_value是二值（0/1）变量，使用lm()的普通最小二乘回归并不合适——OLS会输出0-1范围外的预测值，且违背误差正态分布的假设，这很可能是高年龄区间结果无意义的核心原因。应该改用逻辑回归：

# 先筛选15岁及以上的数据
data_sub <- dataframe[dataframe$Age >= 15, ]
# 拟合逻辑回归模型
model <- glm(Binary_value ~ Age, data = data_sub, family = binomial)
summary(model)

2. 捕捉年龄的非线性效应 #

高年龄区间结果异常，大概率是年龄与二值因变量的关系并非简单线性。可以通过以下方式处理：

• 加入二次项：拟合年龄的二次曲线，捕捉效应的增减拐点

model_quad <- glm(Binary_value ~ Age + I(Age^2), data = data_sub, family = binomial)
summary(model_quad)

• 年龄分组建模：将年龄划分为区间，用哑变量体现不同区间的效应（区间划分可根据数据分布调整）

# 创建年龄分组
data_sub$Age_group <- cut(data_sub$Age, 
                         breaks = c(15, 25, 35, 45, 55, Inf),
                         labels = c("15-24", "25-34", "35-44", "45-54", "55+"))
# 拟合分组模型
model_group <- glm(Binary_value ~ Age_group, data = data_sub, family = binomial)
summary(model_group)

• 样条函数拟合：用自然样条捕捉更灵活的非线性关系（需加载splines包）

library(splines)
model_spline <- glm(Binary_value ~ ns(Age, df = 3), data = data_sub, family = binomial)
summary(model_spline)

3. 检查高年龄组样本量 #

如果高年龄区间的样本数量极少，会导致参数估计不稳定，出现极端无意义的结果。可以先查看各年龄的样本分布：

table(data_sub$Age)
# 或按分组查看
table(data_sub$Age_group)

若某区间样本量不足，可考虑合并相邻区间，或在合理前提下排除该区间数据。

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