glm.nb负二项模型变量顺序不同系数差异及收敛问题咨询

1. 不平衡变量对系数估计的影响 #

z的T1模态仅2个观测属于极端稀疏的分组数据，这会直接干扰模型的系数估计：

• 稀疏分组对应的参数（比如z=T1的主效应、x与z=T1的交互项）缺乏足够样本信息支撑，估计值的方差会极大，结果稳定性极差；
• 负二项模型依赖迭代优化算法（如牛顿-拉夫森）求解，稀疏数据会让优化过程更容易陷入局部最优，或因数值计算稳定性问题，导致不同自变量顺序下的拟合路径出现偏差，最终得到不同的系数估计。

2. 收敛问题下两公式能否得到一致结果 #

理论上，Y ~ y1 + x * z和Y ~ x * z + y1是完全等价的模型，参数估计应该完全一致。但如果出现收敛问题，实际拟合中大概率得不到一致结果：

• glm.nb拟合时，自变量顺序会影响设计矩阵的分解逻辑（比如QR分解的顺序），进而改变迭代优化的初始步长和搜索路径；
• 对于存在稀疏分组的不稳定数据，不同的优化路径可能收敛到不同的局部最优解，甚至其中一个拟合并未真正收敛（可以通过summary(model)$converged查看收敛状态，或检查迭代次数是否达到上限）。

可行的解决建议 #

• 先检查两个模型的收敛状态：若某一模型未收敛，尝试增加迭代次数，比如glm.nb(..., control = glm.control(maxit = 100))；
• 若研究逻辑允许，考虑合并稀疏分组，或谨慎剔除极端稀疏的观测；
• 换用数值稳定性更好的负二项拟合包，比如glmmTMB，其优化算法对稀疏数据的鲁棒性更强。

内容的提问来源于stack exchange，提问作者Ph.D.Student