求计算多变量频数表中校正Odds的函数（附R语言示例）

需求说明 #

需要实现一个R函数，用于计算多自变量与二分类因变量组合的校正Odds（注意：不是Odds Ratios）。针对给定的示例数据集：

• z 为二分类因变量（取值0/1）
• x、y 为自变量（x 是分类变量，y 是连续/分类变量）
• 需要分别计算：
  • x 各组校正y后的Odds
  • y 各组校正x后的Odds

示例数据集 #

首先生成示例数据集：

set.seed(555)
x = rep(rep(c('a','b'), each=5), 2)
y = rep(rep(1:5, 2), 2)
z = c(rep(1,10), rep(0,10))
Freq = trunc(runif(20, 1, 6))

m = data.frame(x, y, z, Freq)
# 查看数据集
print(m)

数据集结构示例：

校正Odds计算函数实现 #

校正Odds的核心逻辑是通过逻辑回归模型控制其他自变量，预测目标自变量各水平下因变量取1的概率，再通过公式 Odds = P(z=1)/(1-P(z=1)) 计算得到。

以下是实现函数：

calculate_adjusted_odds <- function(data, dv, target_iv, adjust_vars, weight_col = NULL) {
  # 参数说明：
  # data: 输入数据集
  # dv: 二分类因变量名称（字符串）
  # target_iv: 需要计算校正Odds的目标自变量名称（字符串）
  # adjust_vars: 需要校正的其他自变量名称（字符向量）
  # weight_col: 频数列名称（可选，无频数时设为NULL）
  
  # 构建模型公式
  formula_str <- paste(dv, "~", paste(c(target_iv, adjust_vars), collapse = " + "))
  formula <- as.formula(formula_str)
  
  # 拟合逻辑回归模型
  if (!is.null(weight_col)) {
    model <- glm(formula, data = data, family = binomial(), weights = data[[weight_col]])
  } else {
    model <- glm(formula, data = data, family = binomial())
  }
  
  # 生成目标自变量各水平的预测数据集（其他校正变量取均值/所有水平）
  new_data <- lapply(c(target_iv, adjust_vars), function(var) {
    if (is.factor(data[[var]]) || is.character(data[[var]])) {
      # 分类变量保留所有水平
      unique(data[[var]])
    } else {
      # 连续变量取均值作为控制水平
      mean(data[[var]], na.rm = TRUE)
    }
  })
  names(new_data) <- c(target_iv, adjust_vars)
  new_data <- expand.grid(new_data)
  
  # 预测概率并计算校正Odds
  new_data$prob <- predict(model, newdata = new_data, type = "response")
  new_data$adjusted_odds <- new_data$prob / (1 - new_data$prob)
  
  return(new_data[, c(target_iv, "adjusted_odds")])
}

函数调用示例 #

1. 计算x各组校正y后的Odds

# 控制y变量，计算x各水平的校正Odds
x_adjusted_odds <- calculate_adjusted_odds(
  data = m,
  dv = "z",
  target_iv = "x",
  adjust_vars = "y",
  weight_col = "Freq"
)
print(x_adjusted_odds)

输出示例：

（注：因示例数据集构造时z的取值与x无关，故两组校正Odds一致，实际业务数据会有差异）

2. 计算y各组校正x后的Odds

# 控制x变量，计算y各水平的校正Odds
y_adjusted_odds <- calculate_adjusted_odds(
  data = m,
  dv = "z",
  target_iv = "y",
  adjust_vars = "x",
  weight_col = "Freq"
)
print(y_adjusted_odds)

输出示例：

（注：示例数据集构造时z的取值与y无关，故校正后Odds一致）

补充说明 #

• 函数兼容分类和连续自变量的校正，连续校正变量会取均值作为控制水平
• 若数据集无频数列，可直接省略weight_col参数
• 逻辑回归模型会自动处理分类自变量的参考水平，预测时覆盖所有水平

内容的提问来源于stack exchange，提问作者An116