基于GLMM的计数数据误差分布与链接函数选择技术问询

先给你点个赞，知道先查实用指南再针对性提问，这是做统计分析的好习惯！针对你的核心疑问，我来拆解说说：

Q1：特定案例中是否应采用负二项误差分布模型？ #

先直接给结论：如果你的数据确实存在过度离散，负二项分布大概率是比泊松更合适的选择，原因如下：

• 泊松分布的核心假设是「均值=方差」，但现实中大部分计数数据都会出现方差远大于均值的情况（也就是你说的过度离散）。这时候用泊松GLMM的话，模型会严重低估标准误，导致你更容易得出“处理效应显著”的假阳性结论，完全不可靠；
• 负二项分布专门针对过度离散设计，它引入了一个额外的离散参数，能灵活拟合方差大于均值的计数数据，拟合效果会比泊松好很多。

不过你提到的“偏差”需要再明确一下：

• 如果是指模型拟合后的偏差统计量：对于泊松GLMM来说，如果偏差值远大于模型自由度，这就是过度离散的直接证据，换负二项准没错；
• 如果是指其他类型的偏差（比如模型预测值和实际值的偏差过大），那可能还要排查其他问题——比如你的数据是不是有大量零值？如果是零膨胀数据，那普通负二项可能还不够，得考虑零膨胀负二项（ZINB）模型，不然拟合效果还是会差。

另外给你几个实操判断步骤，帮你确认：

1. 先算一下你的计数变量的均值和方差，如果方差/均值的比值远大于1（比如>2），直接排除泊松模型；
2. 先拟合一个泊松GLMM，然后查看模型的离散参数（比如用R的glmmTMB包拟合的话，输出里会有离散参数的估计值），如果离散参数显著大于1，果断换负二项；
3. 如果数据里零值占比很高（比如超过30%），建议做零膨胀检验，再决定用普通负二项还是零膨胀负二项。

关于链接函数的补充 #

计数数据搭配GLMM的话，对数链接（log link）是默认首选：

• 它能保证模型的预测值永远是非负的，符合计数数据的特性；
• 对数链接的系数解释起来也很直观：系数值代表处理效应带来的百分比变化（比如系数0.2就代表处理组计数比对照组高约22%，因为e^0.2≈1.22）。

除非你有特殊的业务需求（比如需要直接解释线性的绝对效应，且能保证预测值不会为负），否则不建议用恒等链接或者其他链接函数。

内容的提问来源于stack exchange，提问作者bee guy