R中基于prediction包实现与Stata pwcompare等价的预测概率两两比较
基于
prediction()输出实现逻辑回归预测概率两两比较 完全可以不依赖emmeans(),直接从prediction()返回的对象中提取内置的预测值和协方差矩阵,复现Statamargins 变量名, pwcompare(effects)的计算逻辑,具体步骤如下:
核心原理
prediction()的输出对象并非只存储了预测均值,内部完整保留了每个指定分组平均预测概率的协方差矩阵。Stata中pwcompare(effects)的本质就是基于这套协方差矩阵,计算任意两组预测概率的差值、差值标准误、z检验统计量、p值和置信区间,全程不需要二次转换预测结果。
针对你提供的示例代码的可运行实现
1. 提取预测值与协方差矩阵
# 提取各分组的平均预测概率,对应pp对象中输出的预测结果 pred_vals <- pp$value names(pred_vals) <- pp$M_W # 提取预测值对应的协方差矩阵,作为计算差值标准误的核心依据 vcov_mat <- attr(pp, "vcov")
2. 单组两两比较计算(示例中仅M、W两个分组)
# 计算两组预测概率的差值(对应W组减M组的效应值) diff_val <- pred_vals["W"] - pred_vals["M"] # 按协方差传递规则计算差值的标准误:Var(a-b) = Var(a) + Var(b) - 2*Cov(a,b) diff_se <- sqrt(vcov_mat["W", "W"] + vcov_mat["M", "M"] - 2 * vcov_mat["W", "M"]) # 计算双侧z检验统计量 diff_z <- diff_val / diff_se # 计算双侧检验p值 diff_p <- 2 * pnorm(abs(diff_z), lower.tail = FALSE) # 计算95%置信区间 diff_ci_low <- diff_val - 1.96 * diff_se diff_ci_high <- diff_val + 1.96 * diff_se # 整理成和Stata输出格式一致的结果表 pw_compare_result <- data.frame( comparison = "W vs M", difference = round(diff_val, 4), std_error = round(diff_se, 4), z_value = round(diff_z, 4), p_value = round(diff_p, 4), ci_95_low = round(diff_ci_low, 4), ci_95_high = round(diff_ci_high, 4) ) print(pw_compare_result)
3. 多分组通用批量比较实现
如果后续纳入比较的分类变量有3个及以上水平,不需要逐组手动计算,直接遍历所有两两组合批量生成结果即可:
# 获取待比较变量的所有分组名 group_names <- unique(pp$M_W) # 生成所有不重复的两两组合 all_pairs <- combn(group_names, 2) # 批量计算每个组合的检验统计量 pairwise_results <- apply(all_pairs, 2, function(pair) { g1 <- pair[1] g2 <- pair[2] diff <- pred_vals[g1] - pred_vals[g2] se <- sqrt(vcov_mat[g1, g1] + vcov_mat[g2, g2] - 2 * vcov_mat[g1, g2]) z <- diff / se p <- 2 * pnorm(abs(z), lower.tail = FALSE) data.frame( comparison = paste0(g1, " vs ", g2), difference = diff, std_error = se, z_value = z, p_value = p, ci_95_low = diff - 1.96 * se, ci_95_high = diff + 1.96 * se ) }) # 合并所有结果为数据框 pw_result_df <- do.call(rbind, pairwise_results)
注意事项
- 以上计算全程基于
prediction()直接输出的原始结果,没有经过其他包的二次转换,完全匹配你要求的不使用emmeans()的需求,和Stata对应命令的计算逻辑完全一致 - 如果需要多重检验校正(比如Bonferroni、Holm校正),直接对生成的p值向量调用
p.adjust()即可,和Stata中pwcompare指定多重校正方法的效果等价 - 你当前示例中
prediction()默认将其余协变量保持在原始观测分布上计算平均预测概率,和Stata默认的边际均值计算规则完全匹配,结果没有系统性偏差
内容的提问来源于stack exchange,提问作者KIM
相关产品推荐
相关产品推荐

