零膨胀负二项模型与Poisson模型评估对比问题求助

核心问题排查 #

你遇到的Poisson模型预测值直方图与零膨胀负二项模型视觉上一致，但根图存在明显差异的问题，主要是直方图默认分箱设置导致的视觉误导，而非模型预测值本身无差异。以下是具体分析和修正方案：

1. 直方图分箱的视觉误差 #

geom_histogram()默认会根据数据自动计算分箱宽度，两个模型的预测值分布虽有差异，但自动分箱可能让它们的柱状图高度和位置重叠度极高，导致视觉上看起来一致。而根图是专门为计数模型设计的诊断工具，能更精准地捕捉分布差异，所以显示出真实区别。

2. 模型预测与展示的优化方案 #

方案1：统一分箱宽度并使用密度直方图

将两个模型的直方图设置为相同的分箱宽度，同时改用密度（而非频数）展示，能更清晰对比分布形状：

# 零膨胀负二项模型预测值与观测值对比（密度直方图）
datayus %>% 
  ggplot() +
  geom_histogram(aes(x = soaGEN, y = ..density..), alpha = 0.5, binwidth = 1) +
  geom_histogram(aes(x = pred.model1, y = ..density..), fill = "red", alpha = 0.3, binwidth = 1)+
  theme_minimal() +
  ggtitle("观测值与零膨胀负二项模型预测值分布（密度）") +
  ylab("密度") +
  xlab("SOA参与次数")

# Poisson模型预测值与观测值对比（密度直方图）
datayus %>% 
  ggplot() +
  geom_histogram(aes(x = soaGEN, y = ..density..), alpha = 0.5, binwidth = 1) +
  geom_histogram(aes(x = pred.pois, y = ..density..), fill = "red", alpha = 0.3, binwidth = 1) +
  theme_minimal() +
  ggtitle("观测值与Poisson模型预测值分布（密度）") +
  ylab("密度") +
  xlab("SOA参与次数")

方案2：合并对比两个模型的预测值

使用长格式数据叠加密度曲线，直接对比两个模型的预测值分布：

# 整理数据为长格式
plot_data <- datayus %>%
  select(soaGEN, pred.model1, pred.pois) %>%
  pivot_longer(cols = -soaGEN, names_to = "model", values_to = "prediction")

# 绘制叠加密度曲线
ggplot(plot_data) +
  geom_density(aes(x = prediction, color = model), alpha = 0.5) +
  geom_density(aes(x = soaGEN), color = "black", linetype = "dashed") +
  theme_minimal() +
  ggtitle("观测值与两个模型预测值的密度分布对比") +
  ylab("密度") +
  xlab("SOA参与次数") +
  scale_color_manual(values = c("pred.model1" = "blue", "pred.pois" = "red"),
                     labels = c("零膨胀负二项模型", "Poisson模型"))

方案3：规范predict调用参数

你的Poisson模型predict调用中，"response"为位置参数，建议显式指定type = "response"，避免潜在解析问题：

datayus$pred.pois <- predict(mod.pois, newdata = datayus, type = "response")

额外验证建议 #

• 查看预测值的描述性统计，确认数值分布差异：

  summary(datayus$pred.model1)
  summary(datayus$pred.pois)
  

• 使用pscl包的rootogram()函数进一步验证模型拟合效果，根图对计数模型的零膨胀、过度离散问题诊断更精准。

内容的提问来源于stack exchange，提问作者LauMadsen