截尾负二项回归模型的稳健性研究：在食源性疾病现场流行病学中的应用

为解决食源性疾病暴发调查中截尾计数数据的分析难题，研究人员通过理论推导与数值模拟，揭示了截尾负二项(TNB)模型的双重稳健特性：其回归系数推断在存在零膨胀时仍可靠，且对随机效应分布误设具有强耐受性。该研究为现场流行病学数据分析提供了方法学保障，实证分析成功应用于韩国食源性疾病暴发事件。

　　

在食源性疾病暴发调查中，研究人员常需快速分析具有健康症状个体的截尾计数(truncated count)数据。这项研究揭示了截尾负二项(Truncated Negative Binomial, TNB)回归模型的两大"超能力"：首先，通过解析与TNB模型具有相同似然函数的模型集合，发现即便数据存在零膨胀(zero-inflation)，TNB仍能给出可靠的回归系数推断——不过需要谨慎解读系数含义。更令人惊喜的是，虽然TNB模型传统上被解释为"泊松分布+伽马随机截距"的混合模型，但研究发现其对随机效应分布误设具有惊人"免疫力"。数值模拟显示，即便随机效应分布假设错误，TNB模型给出的斜率参数推断仍保持稳健，经验覆盖率(empirical coverage)接近名义水平(nominal level)。这些发现为现场流行病学家提供了强力分析工具，最终研究团队成功将该模型应用于韩国食源性疾病暴发的截尾数据解析。