r - Gamma 障碍(两部分)模型和零膨胀 Gamma 模型之间有区别吗？

Question

我有我正在尝试建模的半连续数据(许多精确的零和连续的正结果)。我从 Zuur 和 Ieno 的 R 中零膨胀模型初学者指南中学到了大量关于零质量的建模数据，它区分了零膨胀 Gamma 模型和他们所描述的“零改变” Gamma 模型作为障碍模型，它结合了零点的二项式分量和正连续结果的 Gamma 分量。我一直在探索使用ziGamma glmmTMB 中的选项打包并将结果系数与我按照 Zuur 书中的说明(第 128-129 页)中的说明构建的障碍模型进行比较，并且它们不一致。我无法理解为什么不这样做，因为我知道 Gamma 分布不能取零值，所以我想每个零膨胀 Gamma 模型在技术上都是一个障碍模型。谁能为我照亮这个？在代码下方查看有关模型的更多评论。

library(tidyverse)
library(boot)
library(glmmTMB)
library(parameters)

### DATA

id <- rep(1:75000)
age <- sample(18:88, 75000, replace = TRUE)
gender <- sample(0:1, 75000, replace = TRUE)
cost <- c(rep(0, 30000), rgamma(n = 37500, shape = 5000, rate = 1), 
          sample(1:1000000, 7500, replace = TRUE))
disease <- sample(0:1, 75000, replace = TRUE)
time <- sample(30:3287, 75000, replace = TRUE)

df <- data.frame(cbind(id, disease, age, gender, cost, time))

# create binary variable for non-zero costs

df <- df %>% mutate(cost_binary = ifelse(cost > 0, 1, 0))

### HURDLE MODEL (MY VERSION)

# gamma component

hurdle_gamma <- glm(cost ~ disease + gender + age + offset(log(time)), 
                    data = subset(df, cost > 0),
                    family = Gamma(link = "log"))

model_parameters(hurdle_gamma, exponentiate = T)

# binomial component

hurdle_binomial <-  glm(cost_binary ~ disease + gender + age + time, 
                        data = df, family = "binomial")

model_parameters(hurdle_binomial, exponentiate = T)

# predicted probability of use

df$prob_use <- predict(hurdle_binomial, type = "response")

# predicted mean cost for people with any cost

df_bin <- subset(df, cost_binary == 1)

df_bin$cost_gamma <- predict(hurdle_gamma, type = "response")

# combine data frames

df2 <- left_join(df, select(df_bin, c(id, cost_gamma)), by = "id")

# replace NA with 0

df2$cost_gamma <- ifelse(is.na(df2$cost_gamma), 0, df2$cost_gamma)

# calculate predicted cost for everyone

df2 <- df2 %>% mutate(cost_pred = prob_use * cost_gamma)

# mean predicted cost

mean(df2$cost_pred)

### glmmTMB with ziGamma

zigamma_model <- glmmTMB(cost ~ disease + gender + age + offset(log(time)),
                         family = ziGamma(link = "log"),
                         ziformula = ~ disease + gender + age + time,
                         data = df)

model_parameters(zigamma_model, exponentiate = T)

df <- df %>% predict(zigamma_model, new data = df, type = "response") # doesn't work
# "no applicable method for "predict" applied to an object of class "data.frame"

我的障碍模型的 gamma 分量和 zigamma 模型的固定效应分量的系数相同，但 SE 不同，这在我的实际数据中对我感兴趣的预测变量的显着性具有重大意义。零膨胀模型的系数不同，我还注意到二项式分量中的 z 值是我的二项式模型中的负倒数。我认为这与我的二项式模型对存在概率建模(1 是成功)和 glmmTMB 可能对缺席概率建模(0 是成功)有关？
总之，谁能指出我在 glmmTMB ziGamma 模型上做错了什么？

Answer 1

glmmTMB包可以做到这一点:

glmmTMB(formula, family=ziGamma(link="log"), ziformula=~1, data= ...)

应该这样做。也许在 VGAM 中的东西还有？

回答有关系数和标准误的问题:

二项式系数的符号变化正是您所怀疑的(估计 0 [glmmTMB] 的概率与非零的概率 [您/Zuur 的代码] 之间的差异)

模型二项式部分的标准误差接近但不相同:使用 broom.mixed::tidy ,

round(1-abs(tidy(hurdle_g,component="zi")$statistic)/
      abs(tidy(hurdle_binomial)$statistic),3)
## [1] 0.057 0.001 0.000 0.000 0.295

截距为 6%，年龄影响高达 30%...

条件 ( cost>0 ) 组件的标准误差的近两倍差异绝对让我感到困惑；如果我们简单地在 glmmTMB 与 glm 中实现 Gamma/log-link，它就会成立。在这种情况下，很难知道如何检查哪个是正确的/黄金标准应该是什么。在这种情况下，我可能不信任 Wald p 值，而是尝试使用似然比测试来获取 p 值(通过 drop1 )。

在这种情况下，模型被严重错误指定(即成本是均匀分布的，与 Gamma 完全不同)；我想知道这是否会使事情变得更难/更糟？