基于边际均值估计的 hurdle 模型系数解读问题咨询

背景说明 #

我通过估计边际均值解读hurdle模型的hurdle部分系数，偏好直接解读从logit尺度逆变换得到的概率，而非对数优势比或优势比，计划使用emmeans()函数。已知hurdle模型的hurdle部分与二项GLM系数一致，但emmeans()不同设置下的结果和二项GLM不匹配：

• lin.pred = FALSE：得到的概率与二项GLM不同，推测是直接在概率尺度上平均
• lin.pred = TRUE + type = "response"：得到的概率与二项GLM一致，推测是在logit尺度上平均后逆变换

问题1：解读概率时优先选择哪种设置？ #

优先选择**lin.pred = TRUE + type = "response"**的组合，原因如下：

1. 符合广义线性模型（GLM）的核心假设：模型的线性关系建立在**链接函数尺度（此处为logit）**上。二项GLM的emmeans()默认就是先在logit尺度估计边际均值，再通过逆logit变换得到概率，这是对群体平均概率的无偏估计。
2. 直接在概率尺度平均（lin.pred = FALSE）会忽略链接函数的非线性，当概率偏离0.5较远时，会导致估计结果偏差。比如群体内个体概率差异较大时，概率尺度的均值≠logit尺度均值的逆变换，而后者才是模型所描述的群体平均效应。
3. 你倾向的“与二项GLM估计概率匹配”的需求，正好对应这个设置，解读逻辑一致：比如已婚博士生跨过hurdle（发表至少1篇论文）的概率为74%，单身为67%，该差异较小且不显著，这个解读是合理的。

问题2：Inf自由度的含义是什么？ #

在hurdle模型（如pscl包的hurdle()）中，emmeans()输出的自由度为Inf，原因如下：

• Hurdle模型的参数估计采用极大似然法（ML），而二项GLM常用拟似然估计，会基于残差计算有限自由度。
• ML估计的标准误基于信息矩阵的渐近正态分布，大样本下t分布会趋近于正态分布，因此自由度被近似为无穷大，对应的检验是z检验而非t检验。这是大样本统计推断的常规做法，当样本量足够时，这个近似是可靠的。

R语言复现示例 #

# 加载所需包
library(pscl)
library(emmeans)

# 模拟数据：生物化学博士生发表情况
set.seed(123)
n <- 200
# 分组：married=1，single=0
marital <- rbinom(n, 1, 0.5)
# logit尺度预测hurdle概率
logit_prob <- -0.2 + 0.4 * marital
# 转换为概率
prob <- plogis(logit_prob)
# 生成是否发表至少1篇的结果（hurdle部分）
pub_binary <- rbinom(n, 1, prob)
# 生成发表数量（计数部分，这里只关注hurdle部分）
pub_count <- ifelse(pub_binary == 0, 0, rpois(n, 2 + marital))

# 构建数据框
df <- data.frame(marital = factor(marital, labels = c("single", "married")),
                 pub_count = pub_count)

# 拟合二项GLM
glm_model <- glm(I(pub_count > 0) ~ marital, data = df, family = binomial)
# 拟合hurdle模型
hurdle_model <- hurdle(pub_count ~ marital, data = df, dist = "poisson")

# 对比不同设置的emmeans结果
# 二项GLM的边际概率
emmeans(glm_model, ~ marital, type = "response")

# Hurdle模型：lin.pred=TRUE + type="response"（和GLM一致）
emmeans(hurdle_model, ~ marital, component = "zero", lin.pred = TRUE, type = "response")

# Hurdle模型：lin.pred=FALSE（概率尺度平均，和GLM不同）
emmeans(hurdle_model, ~ marital, component = "zero", lin.pred = FALSE)

运行代码后可看到：lin.pred=TRUE + type="response"的结果与二项GLM完全匹配，而lin.pred=FALSE的结果存在差异。

内容的提问来源于stack exchange，提问作者M. Riera