r - 从R？中的zeroinfl对象没有预测到零。

Question

我创建了一个零膨胀负二项式模型，并想研究将多少个零分配给抽样或结构零。我如何在R中实现这一点。zeroinfl页面上的示例代码对我来说还不清楚。

data("bioChemists", package = "pscl")

fm_zinb2 <- zeroinfl(art ~ . | ., data = bioChemists, dist = "negbin")

table(round(predict(fm_zinb2, type="zero"))) 
>   0   1 
> 891  24 

table(round(bioChemists$art))
    >   0   1   2   3   4   5   6   7   8   9  10  11  12  16  19 
    > 275 246 178  84  67  27  17  12   1   2   1   1   2   1   1 

这告诉我什么？

当我对数据进行同样的操作时，我得到的读数只是样本量在1下列出？谢谢

Answer 1

Zeileis（2008）的论文可在https://www.jstatsoft.org/article/view/v027i08/v27i08.pdf上找到详细信息。

收集有关predict函数对pscl库中每个模型的功能的所有解释，需要一点工作（几年，您的问题仍未得到回答），并且被埋藏了（第19,23页） ）在似然函数的数学表达式中（等式7、8）。我已将您的问题解释为意味着您希望/需要知道如何使用不同的type预测：


预期数是多少？ （type="response"）
超过零的（有条件的）预期概率是多少？ （type="zero"）
任何计数的（边际）预期概率是多少？ （type="prob"）
最后，有多少个预测零是多余的（例如抽样）而不是基于回归的（即结构化）？


要读取pscl软件包随附的数据：

data("bioChemists", package = "pscl")

然后拟合零膨胀负二项式模型：

fm_zinb2 <- zeroinfl(art ~ . | ., data = bioChemists, dist = "negbin")

如果您希望预测期望值，则可以使用

predict(fm_zinb2, type="response")[29:31]
       29        30        31 
0.5213736 1.7774268 0.5136430

因此，在此模型下，博士学位的最近三年中预期发表的文章数量是生化学家29和31的一半，而生化学家30则接近2。

但是我相信您追求的是过零的可能性（点质量为零）。此命令将执行此操作，并打印出第29到31行中项目的值（是的，我钓鱼了！）：

predict(fm_zinb2, type="zero")[29:31]

它产生以下输出：

        29         30         31 
0.58120120 0.01182628 0.58761308 

因此，第29个项目为多余零（您称为抽样零，即非结构性零，因此未由协变量解释）的概率为58％，第30个为1.1％，第31个为是59％。因此，这两名生物化学家预计将发表的论文为零，而且超过了可以由各个协变量的负二项式回归所解释的那些。

您已将整个数据集中的这些预测概率制成表格

table(round(predict(fm_zinb2, type="zero"))) 
  0   1 
891  24

因此，您的输出告诉您，只有24位生物化学家可能是一个多余的零，即，一个多余的零的预测概率超过了一半（由于四舍五入）。

如果以百分比表制表成10分制的表格，可能会更容易解释

table(cut(predict(fm_zinb2, type="zero"), breaks=seq(from=0,to=1,by=0.1))) 

给

 (0,0.1] (0.1,0.2] (0.2,0.3] (0.3,0.4] (0.4,0.5] (0.5,0.6] 
     751        73        34        23        10        22 
(0.6,0.7] (0.7,0.8] (0.8,0.9]   (0.9,1] 
        2         0         0         0

因此，您可以看到751名生化学家不太可能是多余的零，但是22名生化学家有超过50％的可能性成为过零，而只有2名生化学家的可能性更高（60-70％）。没有人极有可能成为多余的零。
以图形方式可以在直方图中显示

hist(predict(fm_zinb2, type="zero"), col="slateblue", breaks=seq(0,0.7,by=.02))

您将每个生化学家的实际计数列表了表格（无需四舍五入，因为这些是计数）：

table(bioChemists$art)
  0   1   2   3   4   5   6   7   8   9  10  11  12  16  19 
275 246 178  84  67  27  17  12   1   2   1   1   2   1   1

谁是拥有19种出版物的特别生物化学家？

most_pubs <- max(bioChemists$art)
most_pubs
extreme_biochemist <- bioChemists$art==most_pubs
which(extreme_biochemist)

您可以获得每个生物化学家拥有任意数目的酒吧的准确估计概率，恰好是0，最大是19，这真是令人难以置信！

preds <- predict(fm_zinb2, type="prob")
preds[extreme_biochemist,]

您可以为我们的一位特殊生物化学家来看看，他有19种出版物（使用此处的R基作图，但ggplot更漂亮）

expected <- predict(fm_zinb2, type="response")[extreme_biochemist]
# barplot returns the midpoints for counts 0 up to 19
midpoints<-barplot(preds[extreme_biochemist,], 
  xlab="Predicted #pubs", ylab="Relative chance among biochemists")
# add 1 because the first count is 0
abline(v=midpoints[19+1],col="red",lwd=3)
abline(v=midpoints[round(expected)+1],col="yellow",lwd=3)

这表明，尽管我们预计生物化学家915将有4.73种出版物，但在这种模式下，2-3家酒吧的可能性更大，远不及实际的19家酒吧（红线）。



回到问题，对于生物化学家29，
零为零的概率为

pzero <- predict(fm_zinb2, type="zero")
pzero[29]
       29 
0.5812012 

总体（略）为零的概率为

preds[29,1]
[1] 0.7320871

因此，相对于结构（即通过回归解释）而言，多余的零的预测概率的比例为：

pzero[29]/preds[29,1]
       29 
0.7938962

或超过零的机会之外的零的额外概率为：

preds[29,1] - pzero[29]

       29 
0.1508859

生物化学家29的实际出版物数是

bioChemists$art[29]
[1] 0

因此，预测生物化学家发表论文为零的原因很少通过回归分析来解释（20％），而大多数则没有（即，过多的80％）。

总的来说，对于大多数生物化学家来说，情况并非如此。我们的生物化学家29是不寻常的，因为他们零客栈的机会大部分是过剩的，即通过回归无法解释。我们可以通过以下方式看到它：

hist(pzero/preds[,1], col="blue", xlab="Proportion of predicted probability of zero that is excess")

这给你：