零膨胀负二项模型（ZINB）回归结果合并报错求助

问题根源 #

你的错误来自两个核心问题：

1. 拟合ZINB模型后立刻用summarise(tidy(model))展开系数，导致后续数据框不再包含模型对象，而mice::pool需要的是模型对象列表，不是整理后的系数结果，因此触发类型不兼容错误。
2. zeroinfl函数中错误指定data = cohort_1，导致所有模型都使用原始完整数据集，而非你抽样后的子集，完全违背了抽样的初衷。

步骤1：修正ZINB模型拟合代码 #

采用和逻辑回归一致的group_by() + do()方式，确保每个抽样子集拟合对应模型，同时保留模型对象：

library(dplyr)
library(tidyverse)
library(pscl)
library(broom)
library(mice)

# 修正模型拟合逻辑，确保用抽样后的子集建模
regr_comb_randcase.zeroinfl <- Combined_randcase %>% 
  group_by(sample) %>% 
  do(model = zeroinfl(
    formula = cm_number ~ after_wm + age + gender_male + ref_mode_police + ref_lg_invol + 
      ref_reas_selfharm + ref_reas_aggrpers + comm_limited + duration_days + 
      diagnosis_personality + diagnosis_psychosis + diagnosis_mania + diagnosis_substance + intoxication | 
      age + gender_male + ref_mode_police + ref_lg_invol + ref_reas_selfharm + ref_reas_aggrpers + 
      comm_limited + duration_days + diagnosis_personality + diagnosis_psychosis + diagnosis_mania + 
      diagnosis_substance + intoxication,
    data = .,  # 使用当前分组的抽样子集，而非原始数据集
    na.action = na.exclude,
    dist = "negbin"
  ))

步骤2：提取模型列表并合并结果 #

现在regr_comb_randcase.zeroinfl包含sample和model列，其中model是每个抽样子集的ZINB模型对象，直接提取后用pool()处理：

# 提取所有模型对象
models.zeroinfl <- regr_comb_randcase.zeroinfl$model

# 用mice的pool函数合并结果
pool_results.zeroinfl <- pool(models.zeroinfl)

# 查看合并结果，注意区分count（负二项计数模型）和zero（零膨胀logit模型）部分
summary(pool_results.zeroinfl)

备选方案：手动按Rubin规则合并（若pool不兼容ZINB） #

如果mice::pool对zeroinfl对象支持不佳，可手动按Rubin规则合并结果：

2.1 提取所有模型的tidy结果 #

all_tidy_results <- regr_comb_randcase.zeroinfl %>% 
  mutate(tidy_result = list(tidy(model, conf.int = TRUE))) %>% 
  unnest(tidy_result)

2.2 按Rubin规则计算合并统计量 #

pooled_results <- all_tidy_results %>% 
  group_by(term, component) %>% 
  summarise(
    estimate = mean(estimate),
    within_var = mean(std.error^2),
    between_var = var(estimate),
    total_var = within_var + (1 + 1/n()) * between_var,
    std.error = sqrt(total_var),
    statistic = estimate / std.error,
    p.value = 2 * pnorm(-abs(statistic)),
    conf.low = estimate - qnorm(0.975)*std.error,
    conf.high = estimate + qnorm(0.975)*std.error,
    .groups = "drop"
  )

# 查看完整合并结果
print(pooled_results, n = Inf)

关键注意事项 #

• 务必保证zeroinfl的data参数为data = .，否则抽样操作完全无效。
• ZINB模型结果分为count（计数部分）和zero（零膨胀部分），合并时需注意区分两类系数。

内容的提问来源于stack exchange，提问作者Iokaste