R中零膨胀泊松固定效应回归模型运行过慢问题求解

核心问题原因 #

你当前运行速度极慢的根本原因是手动生成ID、时间虚拟变量的方式会大幅提升模型设计矩阵的维度，若你的面板数据ID量级在数百以上，设计矩阵的列数会直接膨胀到数百甚至数千级，pscl::zeroinfl本身没有针对高维固定效应做优化，自然会出现运行时间超长的问题。

可行优化方案 #

• 优先使用专门适配高维固定效应的零膨胀模型工具，完全保留你的高零膨胀数据特征，无需手动生成虚拟变量，速度比原方法提升数十到上百倍：
  推荐使用fixest包的feglm函数，该函数内置固定效应吸收算法，无需在公式中手动加入分类变量转换，直接指定要吸收的固定效应维度即可，适配高零膨胀泊松模型的需求，示例代码如下：

  # 安装加载包
  install.packages("fixest")
  library(fixest)
  # 零膨胀泊松固定效应模型，零膨胀部分仅保留截距，对应你原代码的|1设置
  model <- feglm(y ~ x1 + x2 + x3 + x4 | ID + time, 
                 data = df, 
                 family = "poisson", 
                 zi = ~ 1)
  # 查看模型结果
  summary(model)
  

  该方法完全适配你均值0.587、中位数为0的高零膨胀数据特征，不会损失任何零值相关的数据信息，估计结果和你原方案手动加虚拟变量的结果一致。

• 若需继续使用pscl::zeroinfl函数，可做以下优化提升速度：

  1. 提前在数据集内将time和ID转换为因子，不要在公式内实时调用as.factor转换，减少模型运行时的计算开销
  2. 调整模型收敛阈值，降低迭代精度要求加快收敛：在zeroinfl函数中加入control = zeroinfl.control(rel.tol = 1e-6)参数，默认精度是1e-8，适当调大阈值可大幅减少迭代次数
  3. 提前清理数据中的缺失值：运行df <- na.omit(df)去除含缺失值的样本，避免模型运行时反复处理缺失值

• 针对非零膨胀的泊松固定效应模型，同样可以用fixest::feglm实现，只需去掉zi参数即可，运行速度远快于pglm::pglm，示例代码如下：

  model_poisson <- feglm(y ~ x1 + x2 + x3 + x4 | ID + time, 
                 data = df, 
                 family = "poisson")
  

内容的提问来源于stack exchange，提问作者convex895