R语言中含0值非负因变量的数据框如何正确执行回归分析

你之前代码报错的根本原因是log(0)返回无穷小值-Inf，无法代入线性模型计算，同时线性回归本身并不适配计数型因变量，即使没有0值，强行做对数转换跑线性回归也容易出现估计偏误，可选择以下两种方案解决：

方案1：使用适配计数数据的回归模型（优先推荐） #

计数类因变量最适合用广义线性模型框架下的计数回归，自动适配非负取值、带0的特征，无需手动做对数转换：

• 基础泊松回归（适用于方差≈均值的计数数据）

# 泊松回归默认使用log连接函数，直接适配计数数据
model_poisson <- glm(like_count ~ news_media, data = data, family = poisson(link = "log"))
summary(model_poisson)

• 负二项回归（适用于过度离散，即方差远大于均值的计数数据）

library(MASS)
model_nb <- glm.nb(like_count ~ news_media, data = data)
summary(model_nb)

• 零膨胀计数回归（适用于0值占比远高于常规计数分布的场景）

library(pscl)
# 零膨胀泊松模型，|1表示零膨胀部分使用截距项
model_zip <- zeroinfl(like_count ~ news_media | 1, data = data, dist = "poisson")
summary(model_zip)

方案2：调整对数转换后跑线性回归（次选，仅适用于对结果精度要求不高的场景） #

如果一定要沿用线性回归框架，可以对因变量做修正对数转换，避免0值报错：

# log1p(x)等价于log(1+x)，自动处理x=0的场景
model_lm_adjusted <- lm(log1p(like_count) ~ news_media, data = data)
summary(model_lm_adjusted)

注意：该方法得到的系数解释和原始线性回归不同，且当计数数据离散性高时估计结果偏误较大，仅做临时快速验证使用。

内容的提问来源于stack exchange，提问作者Renée