寻求适用于条件二元因变量的统计模型及效应检验方法

嘿，这个场景我之前做临床数据分析的时候刚好碰到过，咱们先把问题拆明白，再聊合适的模型方案～

首先，你的数据属于嵌套二元结果：A是「准入开关」——只有A=1时，B才有机会变成1；A=0时B必然是0。你要评估的是独立刺激对「B最终发生（即B=1）」的影响，这里分两种核心需求，对应不同的模型：

1. 只关心「A已发生（A=1）时，刺激对B=1的概率影响」 #

这种情况最简单，直接拿A=1的子样本做标准logistic回归就行：

# R代码示例
model_conditional <- glm(B ~ stimulus, family = binomial(link = "logit"), 
                         data = your_data[your_data$A == 1, ])
summary(model_conditional)

这个模型直接给出刺激对P(B=1|A=1)的边际效应，解释起来很直观——比如「刺激组在A发生的情况下，B发生的概率比对照组高X%」。

2. 关心「整体人群中，刺激对B=1的边际概率影响」（同时考虑A是否发生） #

这时候需要用两阶段模型（Two-Part Model），把A和B的概率联合起来估计：

• 第一阶段：用logistic回归建模刺激对A=1的概率的影响（这就是你提到的hurdle模型的逻辑，但hurdle更多用于计数数据，二元结果用logistic更直接）
• 第二阶段：针对A=1的子样本，用logistic回归建模刺激对B=1的概率的影响
• 最后，整体人群中B=1的概率是两个阶段概率的乘积：P(B=1) = P(A=1) * P(B=1|A=1)，你可以用Delta方法计算组合概率的置信区间，或者直接用预测值相乘后取均值。

R代码示例：

# 第一阶段：建模A的发生概率
model_a <- glm(A ~ stimulus, family = binomial(link = "logit"), data = your_data)
# 第二阶段：建模A=1时B的发生概率
model_b <- glm(B ~ stimulus, family = binomial(link = "logit"), 
               data = your_data[your_data$A == 1, ])

# 计算整体人群的B=1边际概率
pred_a <- predict(model_a, type = "response")
pred_b <- predict(model_b, newdata = your_data, type = "response")
pred_b[your_data$A == 0] <- 0  # A=0时B必为0
marginal_p_b <- mean(pred_a * pred_b)

进阶：同时估计刺激对A和B的影响，且考虑两阶段相关性 #

如果数据中A和B的残差存在相关性（比如某些未观测因素同时影响A和B），可以用嵌套logit模型或者带约束的二元probit模型，强制设定「A=0时B=0」的约束条件。不过这种方法需要更多统计假设，解释起来更复杂，一般如果两阶段残差相关性不显著，用两阶段模型就足够了。

避坑提醒 #

• 别用负二项模型！负二项是针对计数数据（比如某事件发生的次数），你的A和B都是二元变量，logistic类模型才是正确选择。
• 如果选择子样本分析（只看A=1的情况），不用太担心样本选择偏差——因为A是B的前置条件，不是随机缺失的观测值，只要刺激不是通过影响A间接影响B（如果是，就要用中介分析思路），子样本分析的结果是可靠的。

内容的提问来源于stack exchange，提问作者Kaeli