如何用NHANES数据做中介分析？求适配逻辑回归与权重的R包

• survey + boot 组合
  这是适配复杂抽样权重的灵活方案：

  1. 用survey包构建包含NHANES权重、分层、聚类信息的抽样设计对象，再分别拟合三个核心模型：
     • 总效应模型（自变量→二分类因变量）：svyglm(y ~ x, design = svydesign_obj, family = binomial())
     • 自变量→中介变量模型（中介为分类时用binomial()，连续则用gaussian()）：svyglm(m ~ x, design = svydesign_obj, family = ...)
     • 直接效应模型（自变量+中介→因变量）：svyglm(y ~ x + m, design = svydesign_obj, family = binomial())
  2. 借助boot包对加权模型进行自助抽样，计算中介效应的置信区间，以此适配复杂抽样的方差估计，避免结果偏误。

• miceadds包
  该包专门支持复杂抽样数据的结构方程建模，能直接处理logistic回归类型的中介分析，无需手动拆分模型：

  library(miceadds)
  # 基于survey包的设计对象生成适配矩阵
  des_mat <- miceadds::design_matrix(your_svy_design)
  # 定义中介模型语法（y为二分类因变量，m根据类型调整family）
  sem_syntax <- '
    y ~ x + m
    m ~ x
  '
  # 拟合加权中介模型
  fit <- miceadds::sem.mi(sem_syntax, data = nhanes_data, design = des_mat, 
                          family = list(y = "binomial", m = "gaussian"))
  

内容的提问来源于stack exchange，提问作者you lin