如何在R语言lm模型中利用配对信息分析癌-正常配对样本

你的当前模型summary(lm(value ~ group-1))确实没有用到配对（pairs）信息，这会浪费配对设计的核心优势——控制个体间的固有差异，导致组间差异的估计不够精准。下面是两种正确的建模方式，帮你纳入配对信息：

1. 先构造可复现的数据 #

首先把你的数据整理成数据框，确保group和pairs是因子类型（模型需要识别分类变量）：

dat <- data.frame(
  value = c(1.21, 2.3, 2.2, 3.1, 1.2, 0.12),
  group = factor(c("Cancer", "Normal", "Cancer", "Normal", "Cancer", "Normal"),
                 levels = c("Normal", "Cancer")), # 把Normal设为基准组，方便解读差异
  pairs = factor(c("001", "001", "002", "002", "003", "003"))
)

2. 方法一：固定效应模型（等价配对t检验） #

把配对作为固定效应纳入模型，这完全等价于配对t检验，适合配对数较少的情况：

# 纳入配对信息的线性模型
model_paired <- lm(value ~ group + pairs, data = dat)
summary(model_paired)

结果解读： #

• groupCancer的系数就是癌组相对于正常组的平均配对差异
• 模型会为每个配对（个体）估计一个截距偏移，剔除了个体间的固有变异，让组间差异的估计更准确
• 这个模型的检验效能远高于你原来忽略配对的模型

3. 方法二：混合效应模型（适合大样本/多配对） #

如果你的配对数很多（比如几十上百个），用混合效应模型把配对作为随机效应更高效，不需要为每个配对单独估计固定效应：

# 先加载lme4包（如果没安装先运行install.packages("lme4")）
library(lme4)

# 配对作为随机效应的混合模型
model_mixed <- lmer(value ~ group + (1 | pairs), data = dat)
summary(model_mixed)

结果解读： #

• groupCancer的系数依然是两组的配对差异
• 随机效应部分(1 | pairs)会估计配对间的个体变异程度，模型会自动利用这部分信息优化差异估计

为什么要纳入配对信息？ #

配对设计的核心是同一个体/配对的癌和正常样本共享很多固有特征（比如遗传背景、环境因素），忽略配对信息会把这些个体变异混入组间差异的误差项，导致标准误偏大，更难检测到真实的组间差异。

内容的提问来源于stack exchange，提问作者user2300940