基于指定公式在R数据集上生成伯努利二值模拟因变量Y的实现方法

你需要的二分类因变量生成逻辑非常清晰：先根据你指定的参数计算每个观测Y=1的概率，再通过伯努利抽样生成0/1结果即可。注意我们在代码中会做边界限制，保证概率不会超出[0,1]的合法范围。

# 加载数据处理依赖包
library(dplyr)

# 先设置随机种子，保证生成结果可复现，种子数值可自行修改
set.seed(123)

# 1. 定义DGP参数
a <- 0.6 # 常数项，即attrib1_A=0、attrib1_B=0时Y=1的基准概率，可按需调整
coef_A <- 0.3 # attrib1_A的系数
coef_B <- -0.5 # attrib1_B的系数

# 2. 生成概率与因变量Y
d <- d %>%
  mutate(
    # 计算每个观测的Y=1概率，pmax/pmin用于避免概率超出0-1范围
    prob = pmax(pmin(a + coef_A * attrib1_A + coef_B * attrib1_B, 1), 0),
    # 按伯努利分布生成0/1虚拟变量Y
    Y = rbinom(n = nrow(.), size = 1, prob = prob)
  )

# 查看生成结果
head(d, 10)

如果你需要的是经典logistic回归的DGP（即系数为对数几率的边际效应，从根源避免概率溢出问题），可以将概率计算部分替换为logit转换：

d <- d %>%
  mutate(
    # 计算对数几率
    logit_p = a + coef_A * attrib1_A + coef_B * attrib1_B,
    # 用sigmoid函数转换为合法概率
    prob = plogis(logit_p),
    Y = rbinom(nrow(.), 1, prob)
  )

• 生成的prob列是每个观测对应的Y=1的概率，Y就是你需要的0/1虚拟因变量
• 可按需调整常数项a的取值，控制参考组的基准概率水平

内容的提问来源于stack exchange，提问作者Alex