核心结论
统计模型不是一台把数据放进去就会吐出结论的机器。它只是用一组数学条件，把“比较什么、同时考虑什么、误差怎样计算”写得更明确。问题问错、变量漏掉或设计没有时间顺序，模型再复杂也不会自动补回来。
模型验证也不是反复计算同一个结果，再数它有几次越过统计门槛。我们要看更换城市、阈值和数据质量条件以后，主要关系是否仍然存在；同时检查模型区分结果和估计概率的能力。稳定只能说明结果不太依赖某几项分析决定，不能让“在同一调查阶段一起出现”的横断面关联变成因果。
本篇全部数字仍来自虚拟早餐数据。模型学到的是模拟生成机制与教学评分之间的关系，不是现实早餐规律。
先让数据自己分组，但不要把分组当成自然真相
在检查三条关联预期以前，我们先做一项探索：根据蛋白质、膳食纤维、钠、脂肪和食物类别数，把营养特征相近的早餐放在一起。
五个变量单位差别很大。钠以毫克计，数值动辄几百；食物类别只有 1 到 5。若直接计算距离，钠几乎会支配分组。因此，先把每个数与本变量平均值的差，换算成“相当于多少个常见波动幅度”。这个常见波动幅度在统计里叫标准差。换算后，五个变量才处在可比较的尺度上。
接着使用 k-means 分组。它先设定四个组中心，把每份早餐分给距离最近的中心，再反复更新中心，直到分组基本不再变化。选择四组是分析者的决定，不是数据自己宣布世界上只有四种早餐。
| 事后名称 | 早餐数 | 蛋白质 | 纤维 | 钠 | 脂肪 | 食物类别 | 低于 6 分 |
|---|---|---|---|---|---|---|---|
| 多样高蛋白型 | 354 | 20.5 g | 5.5 g | 550.2 mg | 15.6 g | 4.7 | 2.8% |
| 高钠多样型 | 306 | 18.5 g | 3.5 g | 1,039.8 mg | 17.3 g | 4.1 | 64.1% |
| 高脂低多样型 | 256 | 12.3 g | 2.6 g | 835.4 mg | 27.8 g | 2.5 | 95.3% |
| 主食集中低多样型 | 284 | 11.2 g | 2.7 g | 559.2 mg | 9.9 g | 2.5 | 77.1% |
这些名称是在看到各组特征以后才取的，所以只能叫探索性标签。选择四类也是分析者的决定；改成三类或五类，边界和名称都可能改变。聚类没有发现四种客观存在、永远不变的早餐物种，只是给连续分布提供了一种便于观察的切法。
各组低分率更不能当作独立验证。教学总分本来就使用蛋白质、纤维、钠和食物类别，而聚类又使用这些变量。高钠低纤维的组更容易低分，有一部分是公式定义直接造成的。这个结果适合帮助描述结构，不适合写成“聚类证明评分有效”。
主模型只回答问题卡里已经写下的问题
主要结果是“是否低于 6 分”，数据列 imbalanced_lt6 用 0 和 1 表示这两个答案。普通直线模型可能给出小于 0 或大于 1 的概率，因此这里使用专门处理两类结果的 logistic 回归。它会同时放入是否有明确蛋白质食物、蔬菜、奶或豆类、油炸食品，以及每 5 元价格差异；城市和店铺类型也一起进入比较，避免把明显的场景差异全压在食物标记或价格上。论文把这种同时考虑其他已记录条件的结果称为调整后结果。计算区间时，再根据店铺编号 shop_id 把同店早餐作为一组处理。
没有放入 latent_pattern，因为它是生成模拟数据时的隐藏答案，现场研究不可能观察到。也没有把蛋白质克数、钠克数等评分组成项当作主要解释变量，否则会把公式的一部分拿来预测公式总分，形成部分—整体循环。
logistic 回归常报告优势比，英文缩写为 OR。这里的“优势”是“结果发生的概率 ÷ 不发生的概率”：低分概率为 60% 时，优势是 0.60 ÷ 0.40 = 1.5；概率为 30% 时，优势是 0.30 ÷ 0.70 ≈ 0.43。优势比再拿两组的优势相除，并不是直接比较概率。OR 等于 1，表示两组优势相同；小于 1 表示前一组较低，大于 1 表示前一组较高。因此 OR 为 0.27 不能直接翻译成“概率降低 73%”。
主模型结果如下，括号内是按店铺聚类的 95% 区间：
| 条件比较 | 调整后 OR | 条件性解释 |
|---|---|---|
| 有明确蛋白质食物，相比没有 | 0.267（0.193—0.371） | 在模型所列条件相近时，低分优势较低 |
| 有蔬菜，相比没有 | 0.168（0.119—0.237） | 低分优势较低 |
| 有奶或豆类，相比没有 | 0.199（0.143—0.278） | 低分优势较低 |
| 有油炸食品，相比没有 | 3.834（2.619—5.612） | 低分优势较高 |
| 价格每增加 5 元 | 2.369（1.479—3.794） | 低分优势较高 |
所有区间都没有包含 1。由于 OR 等于 1 代表两组优势相同，这说明在当前模拟数据和模型条件下，估计范围没有碰到“无差别”这个位置。不过，区间只反映当前模型计算到的不确定性，不包括错误操作定义、没有记录的替代解释和城市选择造成的全部不确定。
论文还常报告 p 值：先假定两者其实没有关联，再计算像当前这样或更极端的数据有多难出现。它不是“假设为真的概率”，也不能单独说明结果重要不重要。美国统计协会关于 p 值的声明强调，科学结论不应只取决于结果是否越过一个阈值。这里因此同时报告关系方向、大小、区间、模型条件和后续验证，而不是给表格加一排星号便结束。
概率更直观，但模型比较仍然不是干预效果
为了让 OR 容易理解，我们又做了平均模型预测。对每一份早餐保留城市、店铺、价格和其他标记不变，分别把目标食物标记设为 0 和 1，再对 1,200 份预测概率取平均。
没有明确蛋白质食物时，平均预测低分概率为 66.9%；设为有时为 43.4%，相差 -23.6 个百分点。蔬菜的对应结果是 64.6% 与 32.2%，相差 -32.4 个百分点；奶或豆类是 64.3% 与 34.9%，相差 -29.4 个百分点；油炸食品则从 51.3% 变为 73.8%，相差 +22.4 个百分点。
这些数字比 OR 接近日常语言，却仍是模型里的条件比较。我们没有真的让同一家店增加蔬菜、保持其他所有条件不变，再观察评分怎样变化。食物标记又通过营养组成与教学评分相连。因此不能把 -32.4 个百分点写成“加蔬菜会让现实早餐不合格风险下降 32.4%”。
价格结果尤其值得停下来。每增加 5 元的 OR 为 2.369，方向与“越贵越健康”的直觉相反。把每份观察价格在模型中整体加 5 元，平均预测低分概率从 55.8% 上升到 69.4%，增加 13.6 个百分点。
这只是模型里的价格演算，不是涨价实验。当前模型还假定，无论早餐原价是多少，每增加 5 元都按同一种方式与结果变化；可现实关系未必是一条直线。部分记录加 5 元后还会超出原数据的价格范围。可能的解释包括：更大的组合价格更高，同时能量超过评分区间；价格还承载了未记录的商圈和菜单信息。正确做法是保留方向、检查是否需要弯曲的价格关系并限制解释，而不是因为结果不好讲便删掉价格。
所以关于价格的关联预期只得到了一种很有限的支持：同时考虑模型中已有的食物标记、城市和店铺类型后，价格仍与低分状态有关；它没有支持“价格改善营养”，也没有证明涨价会造成低分。
AUC 不错，只说明模型排序有些本事
主模型的 AUC 为 0.829。可以把它理解为：随机取一份低分早餐和一份非低分早餐，模型大约有 82.9% 的机会把低分那份排在更高预测概率。它评价排序区分能力，不告诉我们 70% 的预测概率是否真的对应约七成结果，也不评价变量关系是否有因果意义。
Brier 分数是预测概率与实际 0/1 结果之差的平方再取平均，0 最好。主模型为 0.167。若完全不用变量，每一份都预测总体低分率 55.8%，基准 Brier 约为 0.558 × (1-0.558) = 0.247。0.167 比这个简单基准好，但不能只凭一个数宣布模型已经可用于现实决策。
我们进一步轮流拿掉一座城市：先用其余五城估计模型中的关系，再预测此前没有参与计算的那座城市。六次 AUC 为 0.793—0.849，Brier 为 0.159—0.185。模型没有在某一座虚拟城市完全失效，却有可见波动。这只能算同一批模拟数据内部的跨场景检查，不是拿真正独立现实数据进行的外部验证；六城仍由同一个生成办法产生，现实数据可能完全不同。
TRIPOD/TRIPOD-Cluster 的报告资料面向预测模型研究，本案例并非临床预测工具，但其中透明报告预测变量、样本、模型、性能与验证的要求值得借鉴。报告指南能让模型更容易被检查，不能代替合适的开发和验证方法。
换阈值、换质量条件，主要方向有没有散掉
把 90 份未实测份量或 148 份估算配方的记录排除后，较高质量子集有 971 份，低分比例为 56.1%，接近全样本的 55.8%。五个主要关联方向保持不变：蛋白质食物、蔬菜、奶豆的 OR 仍小于 1，油炸和价格仍大于 1，聚类区间均未跨 1。
在 120 份参照子样本中，蛋白质估值相对参照值的平均绝对百分误差为 6.7%，钠为 9.2%。这说明两项估值存在实际误差，但不能由此宣布其余 1,080 份完全可靠，也不能证明总分有效。它只告诉我们估算误差大约处在哪个量级，方便以后改变误差条件重新计算，观察结果会不会明显变化。
把结果阈值改成低于 5 分或低于 7 分后，五个主要变量的方向也保持：三类食物标记 OR 小于 1，油炸与价格 OR 大于 1。阈值改变会大幅改变总体比例，却没有在这套模拟数据中翻转主要关联方向。
综合起来，三条关联预期在“同时考虑已记录条件后的模拟关联”这一层得到支持。0.067 的店内相关和变宽的聚类区间则确认了另一件事：把同店早餐作为一组处理是必要的分析要求，但它不是一条营养学研究假设。仍然没有被解决的，是横断面缺少时间顺序、评分属于教学定义、价格关系可能弯曲、仍有替代解释没有记录，以及分成几类早餐、模型怎样写都包含分析者的选择。
模型最后交付的不是一句“结果显著”，而是一组带条件的判断：哪些关系方向稳定，大小大约如何，换场景和规则后波动多少，哪些解释仍然不允许。第 10 篇要把这些条件真正写进论文，而不是只把表格里最醒目的数字搬到摘要里。论文的可信度，往往就藏在这些没有被删掉的条件里。