负二项回归 (Negative Binomial Regression)

概述

负二项回归是一种广义线性模型 (GLM)，专门用于对计数型因变量 (Count Data) 进行建模。当数据表现出过离散 (Overdispersion) 特征时（即数据的方差显著大于均值），传统的泊松回归 (Poisson Regression) 往往不再适用，因为泊松分布假设均值等于方差。此时，负二项回归是更优的选择。

核心原理

负二项分布可以看作是泊松 - 伽马混合分布。它在泊松分布的基础上引入了一个离散参数 (通常记为 $\alpha$ 或 $\theta$)，允许方差独立于均值变化。

其方差与均值的关系通常表示为：
$$ Var(Y) = \mu + \alpha \mu^2 $$
或者
$$ Var(Y) = \mu + \frac{\mu^2}{\theta} $$

其中：

• $\mu$ 是期望计数值 (均值)。
• $\alpha$ 或 $1/\theta$ 是离散参数。当 $\alpha \to 0$ (或 $\theta \to \infty$) 时，负二项分布收敛于泊松分布。

适用场景

1. 流行病学：研究疾病发病次数，某些人群发病率波动极大。
2. 生态学：统计特定区域内物种的数量，分布往往高度聚集。
3. 保险精算：分析保单持有人的索赔次数，大多数人为 0，少数人有多次索赔。
4. 社会科学：如个人每年的犯罪次数、发表论文数量等。

模型形式

链接函数通常采用对数链接 (Log Link)：
$$ \log(\mu) = \beta_0 + \beta_1 X_1 + \dots + \beta_k X_k $$
这意味着自变量每增加一个单位，期望计数值将乘以 $e^{\beta_i}$。

结果展示说明

本部分描述运行 main.do 中的逻辑或调用相关回归分析工具时的输入输出行为。

1. 模型预测场景

输入内容

用户提供一个数值型的自变量 $X$（例如：X = 2.0），以及已训练好的模型参数（截距 $\beta_0=1.0$, 斜率 $\beta_1=0.5$, 离散参数 $\theta=2.0$）。

输出内容

系统将输出该 $X$ 值对应的预期计数均值和预期方差。

• 文本描述：
  • "输入 X: 2.0"
  • "预测均值 (Expected Count): 7.3891" (计算过程：$e^{1.0 + 0.5 \times 2.0} = e^2 \approx 7.389$)
  • "预测方差 (Expected Variance): 34.6672" (计算过程：$7.389 + 7.389^2 / 2.0$)
• 含义：表明在给定条件下，平均事件发生次数约为 7.4 次，但由于存在过离散，数据的波动性（方差）远大于均值，达到了约 34.7。

2. 模型拟合场景 (模拟)

输入内容

用户提供一个自变量列表 $X = [0.0, 1.0, 2.0, 3.0]$ 和对应的观测计数列表 $Y = [1, 3, 8, 20]$。

输出内容

系统将输出拟合后的模型摘要信息。

• 文本描述：
  • "模型收敛状态：成功"
  • "估计截距 ($\beta_0$): 0.98"
  • "估计斜率 ($\beta_1$): 0.51"
  • "估计离散参数 ($\theta$): 1.85"
  • "AIC 值：45.23"
  • "BIC 值：48.10"
• 含义：输出了通过最大似然估计法计算出的最佳参数，以及用于模型选择的 AIC/BIC 指标。较高的 $\theta$ 值表明过离散程度适中；若 $\theta$ 极大，则提示可能直接使用泊松回归即可。

3. 假设检验场景

输入内容

用户请求检验自变量 $X$ 对因变量 $Y$ 的影响是否显著。

输出内容

系统输出统计检验结果。

• 文本描述：
  • "变量 X 的系数：0.51"
  • "标准误 (Std. Error): 0.05"
  • "Z 值：10.20"
  • "P 值：< 0.001"
  • "结论：在 0.05 显著性水平下，变量 X 对计数结果有显著的正向影响。"
• 含义：P 值极小，拒绝原假设，证明自变量与因变量之间存在统计学上的显著关系。