湖泊营养收支数据曲线拟合结果不一致问题排查

背景 #

我有一组湖泊营养收支数据集（来自文献整理并公开），包含三个变量：

• Lin：湖泊营养输入通量（单位：吨/年）
• Lout：湖泊营养输出通量（单位：吨/年）
• tau：水体滞留时间（单位：年）

理论上三者满足关系：

Lout = Lin / (1 + sigma*(tau**n))

其中sigma和n为待求经验常数。

三种拟合尝试 #

尝试1：直接用lmfit拟合原公式 #

代码：

import numpy as np
import pandas as pd
import statsmodels.formula.api as smf
from lmfit import Model

data_url = r"https://gist.githubusercontent.com/JamesSample/029f59471818929ef9fb87bde95169bc/raw/c5b66b554b9ff9d3c448a80c0b4104f410ab5185/lake_n_budgets.csv"
df = pd.read_csv(data_url)
df.head()

def load_out(Lin, tau, sigma=1, n=1):
    return Lin / (1 + (sigma * (tau**n)))

model = Model(load_out, independent_vars=["Lin", "tau"])
fit = model.fit(df["Lout"], Lin=df["Lin"], tau=df["tau"])
fit

得到参数：sigma=0.382，n=0.160

尝试2：拟合传输因子公式 #

基于文献常用的传输因子trans = Lout/Lin，拟合公式：

trans = 1/(1 + sigma*(tau**n))

代码：

def transmission(tau, sigma=1, n=1):
    return 1 / (1 + (sigma * (tau**n)))

df["trans"] = df["Lout"] / df["Lin"]
model = Model(transmission, independent_vars=["tau"])
fit = model.fit(df["trans"], tau=df["tau"])
fit

得到参数：sigma=0.799，n=0.313，与尝试1结果差异显著。

尝试3：对数变换后线性回归 #

将公式变形为y = (Lin/Lout) - 1，则log10(y) = log10(sigma) + n*log10(tau)，用statsmodels做线性回归：
代码：

df["y"] = (df["Lin"] / df["Lout"]) - 1
mod = smf.ols(formula='np.log10(y) ~ np.log10(tau)', data=df)
res = mod.fit()
print(res.summary())
print()
print("Estimate for sigma:", 10**res.params[0])
print("Estimate for n:", res.params[1])

得到参数：sigma≈0.757，n≈0.361，与尝试2结果一致。

注：使用完全匹配理论关系的合成数据集时，三种方法结果一致，代码逻辑正确。

疑问 #

1. 这种结果差异是否合理，还是我忽略了明显问题？
2. 参数的不确定度为何小于不同拟合方式的结果差异？
3. 尝试1的lmfit代码是否存在bug？
4. 尝试1是否存在根本性错误？
5. 结果差异是否说明该模型不适用于我的数据集？

解答 #

1. 结果差异合理，核心原因是拟合时的权重/误差结构不同 #

三种方法本质是对不同因变量做拟合，假设的误差分布不一致：

• 尝试1：直接拟合Lout，默认假设Lout的绝对误差是同方差高斯分布（即大Lin对应的Lout误差和小Lin的误差量级一致）。但生态数据中，Lout的绝对误差通常随Lin增大而增加，相对误差更稳定。
• 尝试2/3：拟合trans或对数变换后的变量，等价于假设相对误差同方差，这更符合这类数据的实际规律。

当拟合假设的误差结构与数据实际误差不匹配时，就会得到不同的参数估计，这是统计拟合中的常见现象。

2. 参数不确定度是方法内的统计波动，而非方法间的假设差异 #

每个拟合方法给出的不确定度，是基于自身误差假设计算的（比如尝试1的不确定度是假设Lout同方差下的参数波动），但不同方法的差异来自模型假设的系统性偏差，而非随机噪声。前者是“同一假设下的波动”，后者是“不同假设的偏差”，因此不确定度自然小于方法间的差异。

3. 尝试1的代码无bug #

你的lmfit代码逻辑完全正确：模型函数定义准确，独立变量指定清晰，数据传入符合要求。合成数据下的一致结果也验证了代码没有问题。

4. 尝试1无根本性错误，但误差假设可能不符合数据实际 #

尝试1的拟合逻辑成立，但默认的“绝对误差恒定”假设可能不适合你的数据。普通最小二乘拟合中，每个数据点权重相同，大Lin对应的Lout数值大，残差绝对值也会更大，拟合时会优先减小这些大残差，导致参数偏向大Lin的样本特征；而尝试2/3对相对值拟合，每个数据点的权重更均衡，结果更符合整体数据的规律。

5. 结果差异不能直接说明模型不适用于数据集 #

合成数据下三种方法结果一致，证明模型本身是自洽的。差异根源是拟合时的误差假设与数据实际误差结构不匹配，而非模型本身不适用。你可以通过以下方式验证：

• 查看尝试1中Lout的残差是否随Lin增大而增大；
• 查看尝试2中trans的残差是否更均匀；
• 给尝试1的每个数据点赋予1/Lin的权重（抵消绝对误差的影响），再观察参数是否收敛到尝试2/3的结果。

如果加权后参数与尝试2/3一致，说明模型是适用的，只需选择匹配数据误差结构的拟合方式即可。

内容的提问来源于stack exchange，提问作者JamesS