glmmTMB零膨胀高斯模型事后检验结果异常问题咨询

问题描述 #

我正在用glmmTMB运行零膨胀高斯广义线性混合模型，比较连续变量CPUE（均值±标准差：1.74±8.45，最小值-最大值：0-85.52）在4个因子水平（type）间的差异。其中ACO水平的CPUE值全部为0，其余水平存在非零正值。

模型代码：

glmmTMB(cpue~type+(1|site),data=combined_data,ziformula= ~1,family=gaussian)

确认type因子显著后，用emmeans执行事后检验，代码：

pairs(emmeans(model_cpue,~type),adjust="fdr")

得到结果：

contrast  estimate    SE  df t.ratio p.value
 ACO - ACT  -40.813 19.26 281  -2.119  0.0700
 ACO - BAT  -31.826 19.13 281  -1.664  0.1459
 ACO - TRA   -0.133 18.99 281  -0.007  0.9944
 ACT - BAT    8.986  5.99 281   1.499  0.1620
 ACT - TRA   40.680  5.52 281   7.365  <.0001
 BAT - TRA   31.694  5.04 281   6.286  <.0001
P value adjustment: fdr method for 6 tests

模型残差正常，但全为0的ACO水平与其余非零水平无显著差异，其余水平间却存在显著差异。尝试将ZI部分设为ziformula=~type，结果无变化。请问该异常结果的原因是什么？

回答 #

这种情况其实是零膨胀高斯模型处理全零组时的典型表现，我从几个关键角度给你解释：

1. 零膨胀模型的双结构限制 #

零膨胀模型本质是两个模型的结合：

• 一个负责判断观测是否为零（零膨胀部分）
• 另一个负责建模非零观测的连续分布（这里是高斯部分）

当你设置ziformula=~1时，所有组的零概率被设定为相同；哪怕改成ziformula=~type，ACO组的零概率已经是100%（所有数据都是0），模型没法再估计这个组的零概率参数——它已经是固定值了，所以这部分调整不会改变结果。

2. 全零组的参数估计方差过大 #

看事后检验的标准误（SE）：ACO和其他组对比的SE都在19左右，而非零组之间的SE只有5-6。这是因为ACO组没有任何非零数据，高斯分布需要非零观测来估计均值和方差，全零组的连续部分参数估计极其不稳定，直接导致标准误被大幅拉宽。

虽然ACO和ACT的差值绝对值很大（-40.813），但过大的标准误让t统计量达不到显著水平（p=0.07，接近但没跨过0.05的常用阈值）。

3. 当前模型可能不是最优选择 #

你的ACO组是完全零的极端情况，零膨胀高斯模型可能不是最适合的：

• 可以试试两阶段分析：先用混合效应逻辑回归分析“是否为零”的概率（显然ACO组和其他组差异显著），再对非零数据用高斯混合模型分析CPUE的差异；
• 或者考虑删失模型（比如tobit模型），把ACO的0视为左删失值，但这需要结合你的研究假设判断合理性；
• 另外，你的CPUE数据标准差远大于均值，右偏严重，高斯分布是否合适？或许可以尝试对数变换（比如log(CPUE+1)），或者零膨胀伽马模型（伽马分布不允许0，刚好适配零膨胀结构）。

4. 整体显著性的来源 #

当type因子整体显著时，这个显著性其实主要来自非零组之间的差异（比如ACT vs TRA、BAT vs TRA），ACO组因为数据的特殊性，在当前模型框架下没法和其他组产生显著差异。你可以查看模型的固定效应估计结果，看看ACO组的截距项和其他组的差异及对应标准误，就能更直观地理解这个问题。

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