如何在Rethinking中将零膨胀泊松模型转为零膨胀负二项模型？

一、核心实现逻辑 #

Rethinking工具包确实没有像dzipois那样直接的零膨胀负二项便捷函数，但可以通过混合模型拆分的思路手动构建——先通过伯努利模型区分“结构零”（由数据机制产生的零）和“计数零”（由负二项分布自然生成的零），再对非结构零的部分用负二项模型拟合。

二、用dgampois构建零膨胀负二项的可行性 #

完全可以。因为负二项分布本质是伽马混合泊松分布，而dgampois正是Rethinking中实现伽马混合泊松的分布函数，所以我们可以基于它来搭建零膨胀负二项模型。

三、基于你现有代码的改写版本 #

下面是将零膨胀泊松模型修改为零膨胀负二项的代码，关键修改点已标注：

SiteZINB <- ulam(
  alist(
    # 1. 零膨胀部分：伯努利变量标记是否为结构零
    is_zero ~ dbern(p_zero),  # is_zero=1对应结构零，0对应负二项计数（含自然零）
    # 2. 负二项部分：用伽马混合泊松实现
    SportfishCount ~ dgampois(lambda, phi),
    # 3. 结构零的概率模型（和原模型一致）
    logit(p_zero) <- z1 + z2*Dim2,
    # 4. 负二项的均值模型（和原泊松的lambda模型一致）
    log(lambda) <- a + b*Dim1 + c*Dim2 + d*HTOY,
    # 5. 新增离散度参数phi的先验（控制负二项的离散程度）
    phi ~ dexp(1),
    # 原模型的先验设置保持不变
    a ~ dnorm(1.85, 2.76),
    b ~ dnorm(1, 100),
    c ~ dnorm(1, 100),
    d ~ dnorm(0, 1),
    c(z1, z2) ~ dnorm(0, 1)
  ),
  data = ModelData,
  # 给新增的离散度参数phi添加初始值
  start = list(a=0, b=0, c=0, d=0, z1=0.1, z2=0.2, phi=1),
  iter=5000, warmup=2000, chains=3, cores=4, log_lik=TRUE
)

说明：模型会自动处理两种零：当is_zero=1时，观测到的零是结构零；当is_zero=0时，观测到的零是负二项分布的自然结果。

四、贝叶斯零膨胀负二项的核心思路 #

贝叶斯框架下的零膨胀负二项，核心是给所有参数赋予合理先验，通过MCMC采样得到参数的后验分布：

• 结构零概率参数（z1,z2）：用正态先验配合logit变换，确保概率落在0-1区间
• 负二项均值参数（a,b,c,d）：可根据领域知识设定有信息先验，或用宽范围正态先验做无信息设定
• 离散度参数phi：控制负二项的离散程度，phi越大分布越接近泊松，越小则离散度越高，通常用指数或半正态先验

五、模型验证建议 #

• 用precis(SiteZINB)查看参数后验，若phi的后验均值很大（如大于10），说明数据离散度低，原零膨胀泊松模型可能已足够
• 用pp_check(SiteZINB)做后验预测检查，对比模拟数据与真实数据的分布，验证模型拟合效果

内容的提问来源于stack exchange，提问作者user21584544