零膨胀回归出现随机NaN值及theta含义咨询

云原生阿岚

2026-7-26

蜜蜂多样性零膨胀回归分析问题

我正在研究不同场景下的蜜蜂多样性：苹果园内部与外部（Placement变量）、不同农场、不同品种之间的差异。针对蜜蜂（Honeybee）的零膨胀回归分析中，三个变量均能正常运行，但针对独居蜂（Wildbee）及部分熊蜂（Bumblebee）的分析结果出现了NaN值。我设置了近500个陷阱，共记录到约500只蜜蜂、150只熊蜂、70只独居蜂，请问：

是否因数据量不足导致NaN？
该如何解决？
theta并非我的变量，它的含义是什么？

苹果园内外分析代码及结果

# This is what happened for inside vs outside

> p1 <- zeroinfl(Honeybee...29 ~ Placement, data = diversity, dist = "negbin")
> summary(p1)

Call:
zeroinfl(formula = Honeybee...29 ~ Placement, data = diversity, dist = "negbin")

Pearson residuals:
    Min      1Q  Median      3Q     Max 
-0.5872 -0.5872 -0.4080  0.1483 11.2744 

Count model coefficients (negbin with log link):
              Estimate Std. Error z value Pr(>|z|)    
(Intercept)    0.20377    0.11021   1.849   0.0645 .  
PlacementWild  0.09042    0.23433   0.386   0.6996    
Log(theta)    -0.73459    0.16043  -4.579 4.67e-06 ***

Zero-inflation model coefficients (binomial with logit link):
              Estimate Std. Error z value Pr(>|z|)
(Intercept)     -9.685     53.494  -0.181    0.856
PlacementWild    9.499     53.489   0.178    0.859
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1 

Theta = 0.4797 
Number of iterations in BFGS optimization: 127 
Log-likelihood: -607.6 on 5 Df
> 
> p2 <- zeroinfl(Bumblebee ~ Placement, data = diversity, dist = "negbin")
> summary(p2)

Call:
zeroinfl(formula = Bumblebee ~ Placement, data = diversity, dist = "negbin")

Pearson residuals:
    Min      1Q  Median      3Q     Max 
-0.3761 -0.3761 -0.3289 -0.3289  5.9230 

Count model coefficients (negbin with log link):
              Estimate Std. Error z value Pr(>|z|)    
(Intercept)    -1.6686     0.1939  -8.607  < 2e-16 ***
PlacementWild   1.8530     0.3853   4.809 1.52e-06 ***
Log(theta)     -0.5619     0.5234  -1.074    0.283    

Zero-inflation model coefficients (binomial with logit link):
              Estimate Std. Error z value Pr(>|z|)
(Intercept)     -6.747     76.346  -0.088    0.930
PlacementWild    7.366     76.258   0.097    0.923
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1 

Theta = 0.5701 
Number of iterations in BFGS optimization: 84 
Log-likelihood: -299.5 on 5 Df
> 
> p3 <- zeroinfl(Wildbee ~ Placement, data = diversity, dist = "negbin")
> summary(p3) 

Call:
zeroinfl(formula = Wildbee ~ Placement, data = diversity, dist = "negbin")

Pearson residuals:
    Min      1Q  Median      3Q     Max 
-0.3369 -0.3369 -0.3132 -0.3132  7.1499 

Count model coefficients (negbin with log link):
              Estimate Std. Error z value Pr(>|z|)    
(Intercept)    -1.7629     0.2065  -8.535  < 2e-16 ***
PlacementWild   0.2712     0.2817   0.963    0.336    
Log(theta)     -1.4738     0.2675  -5.510 3.58e-08 ***

Zero-inflation model coefficients (binomial with logit link):
              Estimate Std. Error z value Pr(>|z|)
(Intercept)    -12.886    325.692   -0.04    0.968
PlacementWild   -7.375        NaN     NaN      NaN
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1 

Theta = 0.2291 
Number of iterations in BFGS optimization: 18 
Log-likelihood: -246.7 on 5 Df
Warning message:
In sqrt(diag(object$vcov)) : NaNs produced

农场间分析代码及结果

> f1 <- zeroinfl(Honeybee...29 ~ Farm, data = diversity, dist = "negbin")
> summary(f1)

Call:
zeroinfl(formula = Honeybee...29 ~ Farm, data = diversity, dist = "negbin")

Pearson residuals:
     Min       1Q   Median       3Q      Max 
-0.54910 -0.49323 -0.44511  0.01922  8.19537 

Count model coefficients (negbin with log link):
                Estimate Std. Error z value Pr(>|z|)    
(Intercept)       0.2768     0.1441   1.920   0.0548 .  
FarmFruktgården  -0.4622     0.3009  -1.536   0.1245    
FarmSando        -0.1801     0.2744  -0.656   0.5116    
Log(theta)       -0.9391     0.1857  -5.056 4.27e-07 ***

Zero-inflation model coefficients (binomial with logit link):
                Estimate Std. Error z value Pr(>|z|)
(Intercept)       -8.688     42.152  -0.206    0.837
FarmFruktgården    7.379     42.133   0.175    0.861
FarmSando          6.753     42.126   0.160    0.873
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1 

Theta = 0.391 
Number of iterations in BFGS optimization: 32 
Log-likelihood: -612.9 on 7 Df
> 
> f2 <- zeroinfl(Bumblebee ~ Farm|Cultivar, data = diversity, dist = "negbin")
> summary(f2)

Call:
zeroinfl(formula = Bumblebee ~ Farm | Cultivar, data = diversity, dist = "negbin")

Pearson residuals:
    Min      1Q  Median      3Q     Max 
-0.4019 -0.3099 -0.3099 -0.2951 12.0230 

Count model coefficients (negbin with log link):
                Estimate Std. Error z value Pr(>|z|)    
(Intercept)      -1.9397     0.2679  -7.241 4.46e-13 ***
FarmFruktgården   0.1666     0.3705   0.450    0.653    
FarmSando         1.4289     0.3324   4.299 1.71e-05 ***
Log(theta)       -1.5096     0.2126  -7.102 1.23e-12 ***

Zero-inflation model coefficients (binomial with logit link):
                  Estimate Std. Error z value Pr(>|z|)
(Intercept)        -13.227    362.819  -0.036    0.971
CultivarDiscovery   -3.861        NaN     NaN      NaN
CultivarSummerred   -5.736   6888.605  -0.001    0.999
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1 

Theta = 0.221 
Number of iterations in BFGS optimization: 14 
Log-likelihood: -296.3 on 7 Df

问题解答

1. NaN值的成因

确实和数据量不足高度相关：

独居蜂仅70只，样本量远小于蜜蜂（500只），零膨胀模型需要同时拟合计数和零膨胀两个部分，当某类群的观测值过于稀疏（比如某分组下几乎没有个体），模型无法稳定估计系数的标准误，就会出现NaN。
看p3的结果，零膨胀部分PlacementWild的系数出现NaN，大概率是该分组下独居蜂的零值比例极高，或者观测数太少，导致模型计算时方差趋近于无穷大，标准误无法计算。
熊蜂的f2模型中CultivarDiscovery出现NaN，也是同样逻辑：该品种下熊蜂的观测数据太稀疏，模型没法稳定估计参数。

2. 解决方法

简化模型结构：
- 先试试去掉零膨胀部分，改用负二项回归（glm.nb()）——看蜜蜂的结果，零膨胀部分的P值都很高，说明零膨胀效应可能不强，没必要强行用零膨胀模型。
- 如果必须保留零膨胀结构，可以让零膨胀部分的公式更简单，比如只保留截距，不加入Placement或Cultivar：zeroinfl(Wildbee ~ Placement | 1, data = diversity, dist = "negbin")。
合并分组：
- 把样本量太小的农场/品种合并成相似组，减少模型参数数量，提升估计稳定性。
补充数据：如果条件允许，增加该类群的采样次数或采样点，这是最根本的解决办法。
换用贝叶斯模型：用brms包拟合贝叶斯零膨胀负二项模型，贝叶斯方法在小样本下的估计稳定性通常更好，通过设置合理先验，能避免NaN出现。

3. Theta的含义

theta是负二项分布的离散参数，用来衡量计数数据的离散程度：

当theta趋近于无穷大时，负二项分布就退化为泊松分布（离散程度等于均值）；
theta越小，数据的离散程度越高（过度离散越严重）。
在zeroinfl()函数中，指定dist = "negbin"时，模型会自动估计这个参数，它不是你输入的自变量，而是模型拟合得到的、描述计数部分数据分布特征的参数。

内容的提问来源于stack exchange，提问作者Jane

零膨胀回归出现随机NaN值及theta含义咨询

苹果园内外分析代码及结果 #

农场间分析代码及结果 #

问题解答 #

1. NaN值的成因 #

2. 解决方法 #