DHARMa负二项回归异常值检验结果解读及处理咨询

备择假设的具体含义 #

DHARMa的testOutliers()通过模拟模型残差分布来检验异常值，这里的输出基于置换检验逻辑：

• 原假设：数据中随机一个观测成为异常值的概率等于理论预期值（即输出中的0.007968127）；
• 备择假设：真实的异常值发生概率不等于理论预期值——结合你的结果（12个异常值，p=0.00269），说明数据中实际出现的异常值比例显著高于模型预测的正常水平，模型未能完全拟合这些极端观测。

12个异常值是否可接受？ #

12个观测占总样本（576个）的比例约2.08%，是否可接受不能只看数量，需结合以下维度判断：

• 先定位异常值对应的样本：是否集中在某个Treatment×YEAR组合？是否存在测量错误（如花芽数量记录失误）？是否有未纳入模型的关键变量（如枝条树龄、健康状况等）？
• 如果异常值是随机出现、无系统性原因，且模型核心结论（如Treatment和YEAR的交互效应显著性）不受影响，那么可以接受；若异常值是系统性的（如某施肥处理下的枝条普遍出现极端值），说明模型遗漏了重要信息，需要调整。

能否移除异常值？ #

移除异常值需极度谨慎，分情况处理：

• 若为测量错误：比如记录笔误、计数失误，可修正数据或直接移除该观测；
• 若为真实极端观测：不能直接移除——这些是真实数据的一部分，强行移除会导致模型低估数据变异程度，结论出现偏差。此时建议：
  • 尝试加入能解释极端值的协变量（如枝条直径、光照条件等）；
  • 改用更稳健的模型（如零膨胀负二项模型、带稳健方差估计的负二项回归）；
• 若确需移除，必须在分析报告中明确说明移除原因、数量，同时对比移除前后模型的参数估计和结论，确保结果稳健性。

补充说明 #

你的分散度检验结果（2.495）符合DHARMa开发者提到的负二项回归可接受范围，说明模型过度分散问题已得到较好处理，异常值是当前主要诊断问题。

内容的提问来源于stack exchange，提问作者Enialoj