如何压缩比例数据剔除0和1值？适配Beta分布GLMM模型

Beta分布的广义线性混合模型要求响应变量严格处于(0,1)区间，遇到0或1值时可以通过以下几种方式处理：

1. 数据移位缩放压缩 #

这是最直接的方法，通过线性变换把所有值映射到(0,1)内部，常用两种方式：

简单缩放法 #

直接给所有值加一个极小值、乘一个接近1的系数，把0和1分别移到区间内：

# 处理0-5cm植被覆盖变量X0.5
vege2$X0.5_adj <- (vege2$X0.5 * 0.99) + 0.005

这种方法操作简单，不会大幅改变数据的相对分布，适合仅边缘出现少量0/1的场景。

样本量依赖缩放法 #

更严谨的方式是基于样本量调整，公式为 y' = (y*(n-1)+0.5)/n（n为样本量）：

n <- nrow(vege2)
vege2$X0.5_adj <- (vege2$X0.5 * (n - 1) + 0.5) / n

2. 使用零膨胀Beta模型（推荐） #

如果数据中的0值是有生物学意义的（比如特定站点/时段确实无该高度层植被），而非随机误差，直接使用零膨胀Beta模型更合理，无需修改原始数据：

# 构建零膨胀Beta模型，同时建模零值产生过程和非零值的Beta分布
zi_beta_sd <- glmmTMB(X0.5 ~ sitio * epoca,
                      ziformula = ~ sitio * epoca, # 零膨胀部分的公式可根据实际调整
                      data = vege2,
                      family = ziBeta_family())

该模型将数据拆分为两部分：用二项分布建模是否为0，用Beta分布建模非0值的比例，更贴合真实数据生成过程。

3. 替换极端值 #

基于数据本身的分布替换0和1：

# 替换0值为最小非0值的一半
min_nonzero <- min(vege2$X0.5[vege2$X0.5 > 0])
vege2$X0.5_adj <- ifelse(vege2$X0.5 == 0, min_nonzero/2, vege2$X0.5)

# 若存在1值，替换为最大非1值与1的中间值
if(any(vege2$X0.5_adj == 1)){
  max_nonone <- max(vege2$X0.5_adj[vege2$X0.5_adj < 1])
  vege2$X0.5_adj <- ifelse(vege2$X0.5_adj == 1, max_nonone + (1 - max_nonone)/2, vege2$X0.5_adj)
}

这种方法更贴近数据原有分布，避免统一缩放带来的偏差，适合0/1值数量少且有明确极值的情况。

注意事项 #

• 若数据中存在1值，同样需要处理，Beta分布不允许响应变量取1。
• 优先选择零膨胀模型，尤其是当0值呈现明显分组规律时，比修改数据更符合统计假设。
• 使用数据压缩方法后，解释结果时需明确说明数据做了调整，避免结论误导。

内容的提问来源于stack exchange，提问作者Agustín Gabriel Álvarez