《Environmetrics》：Zero & N-Inflated Overdispersed Binomial Models for Sum-Constrained Poisson Count Processes
编辑推荐：
生态监测项目和古生态学分析在理解生物多样性（包括植物和野生动物）如何响应环境因素（如气候变化或生物竞争）方面发挥着关键作用。此类数据通常具有成分数据的性质，而分析生态成分数据时一个常见的挑战是，对包含高比例零值和N值的数据集进行解释和建模。此类数据在生态应用中
生态监测项目和古生态学分析在理解生物多样性（包括植物和野生动物）如何响应环境因素（如气候变化或生物竞争）方面发挥着关键作用。此类数据通常具有成分数据的性质，而分析生态成分数据时一个常见的挑战是，对包含高比例零值和N值的数据集进行解释和建模。此类数据在生态应用中频繁出现，例如在物种计数达到由采样成本或采样努力所施加的总和限制时进行收集。在本文聚焦的双变量计数（两物种）设定下，一个物种的零值膨胀将导致另一个物种的N值膨胀。这可能导致物种缺失被归因于栖息地不适宜，而非偶然性缺失。同样，过量的N值将导致关于栖息地偏好和丰度估计的误导性推断。研究人员的贡献在于识别出，两个独立的零膨胀泊松过程在受到总和约束时，为出现表现出零值和N值膨胀的二项计数数据提供了一种新颖的、具有生物学动机的生成机制。研究人员还识别出该模型的一个扩展，以捕捉数据中额外的过离散，从而产生一种新颖的零值和N值膨胀贝塔二项模型。研究人员考虑了三个动机数据集，一个涉及针对入侵物种的农药处理，另一个涉及两种植物物种的丰度。研究人员证明，在每种情况下纳入协变量能够学习零值和N值膨胀的来源以及丰度信息。研究人员表明，所提出的模型能够增进对生态模式背后生物过程的理解，并支持更准确的生物多样性评估、环境监测和古气候重建。
论文解读文章
研究背景与问题
生态监测与古生态分析中，物种计数数据常以成分数据形式呈现，即各物种计数受限于一个预先设定的总和。此类数据在生态学中极为常见，例如在鸟类学中固定次数的调查访问、固定数量的领地或巢穴监测，以及在孢粉学中，研究人员在显微镜下对湖泊沉积物样本中的花粉孢子进行计数，直至达到预设的总数（通常为100至1000）。这类计数数据的一个显著特征是大量零值的存在，即某物种在特定地点未被观测到。
然而，现有研究多聚焦于零值膨胀问题，忽视了与之相伴的另一端膨胀现象。在双物种（二元）计数设定下，当一个物种的计数存在零值膨胀时，由于总和约束的存在，另一物种的计数将不可避免地出现N值（即最大值）膨胀。例如，在Hall（2000）的粉虱数据集中，53%的观测为零值，同时12%的观测为N值（多为10，代表完全存活），但Hall仅识别了零值膨胀，未识别N值膨胀。类似地，在花粉数据集中，Juniperus属的计数约60%为零值，而P. Diploxylon属的计数约1.5%为零值，导致Juniperus计数同时出现零值和N值膨胀。
忽略N值膨胀将导致严重的推断偏差。Royle和Link（2006）及Royle和Dorazio（2008）的模拟研究表明，在存在零值膨胀时物种出现率估计将偏低，而在存在N值膨胀时估计将偏高。在花粉数据应用中，忽略N值膨胀将导致对植物属种偏好气候范围的错误推断，进而影响基于化石花粉的古气候重建结果。此外，Hall（2000）的ZIB模型对粉虱数据的拟合效果不佳，其预测的存活比例分布与观测数据存在显著差异。
研究内容与结论
针对上述问题，研究人员开展了系统的理论与应用研究。在理论层面，研究人员提出了两种新颖的零值与N值膨胀二项计数数据生成机制。第一种机制基于生物学合理的混合分布框架，将观测计数视为多个潜在过程的混合结果；第二种机制则从两个独立的零膨胀泊松（ZIP）过程受总和约束的角度出发，证明零值与N值膨胀二项计数是生态研究中完全自然的产物。在此基础上，研究人员进一步将模型扩展至零值与N值膨胀贝塔二项（ZNIBB）模型，以捕捉数据中超出二项假设的额外过离散。
在应用层面，研究人员将所提出的模型应用于两个经典数据集：Hall（2000）的粉虱农药处理数据集和Huntley（1993）的花粉数据集。研究结果表明，零值与N值膨胀二项（ZNIB）模型较ZIB模型在粉虱数据上拟合优度显著提升，对数似然值从-1074.5提升至-1048.5，BIC从2227.4降至2190.0。更重要的是，ZNIB模型揭示了一个关键发现：Hall（2000）所识别的显著植物个体效应在纳入N值膨胀后大幅减弱，表明该效应在很大程度上是由N值膨胀所捕获的异质性所致。在花粉数据中，ZNIBB模型较ZIBB模型提供了更可信的花粉-气候关系推断，避免了零膨胀模型对Juniperus属在低温下气候响应的过度估计。
关键技术方法
研究人员主要采用了以下关键技术方法：其一，基于两个独立零膨胀泊松（ZIP）过程条件于总和约束的卷积推导，建立零值与N值膨胀二项（ZNIB）分布的概率模型；其二，基于两个独立零膨胀负二项（ZINB）过程条件于总和约束的卷积推导，建立零值与N值膨胀贝塔二项（ZNIBB）分布的概率模型；其三，采用Newton-Raphson数值优化方法进行最大似然估计，并利用高斯求积（20个节点）处理混合效应模型中的随机效应积分；其四，采用留一植物交叉验证（LOOCV）计算预测偏差（PD）评分以进行模型比较。样本数据来源包括Hall（2000）的粉虱数据集（640个观测，54株植物，6种处理，3个区组，12周重复测量）和Huntley（1993）的花粉数据集（北美多个地点的Pinus Diploxylon与Juniperus花粉计数）。
研究结果
4.1 粉虱数据集
研究人员将N值膨胀分量纳入Hall（2000）最优固定效应ZIB模型，并考察了处理、区组和周次的主效应及交互效应。最佳ZNIB模型的N值膨胀分量包含处理效应，且其他协变量通过归一化常数间接影响N值膨胀概率。模型比较显示，ZNIB模型的对数似然为-1048.5（533个残差自由度），BIC为2190.0，显著优于ZIB模型的-1074.5和2227.4。基于卡方分布的拟合优度检验表明，ZNIB模型是数据的更可能生成模型（p=0.37），而ZIB模型被拒绝（p=0.01）。ZNIB模型对处理5（对照）的预测分布与观测数据吻合良好，而ZIB模型在80%-90%存活区间严重高估、在完全存活区间低估。
4.1.2 重复测量分析
研究人员考察了ZNIB混合效应模型的性能，在概率分量中纳入植物个体正态随机效应。与Hall（2000）的ZIB混合模型相比，ZNIB混合模型的植物个体效应方差从0.26降至0.08，表明大量植物间异质性被N值膨胀分量所捕获。模型比较方面，ZNIB模型的BIC为2190.0，ZNIB混合模型为2191.5，差异仅为2，证据较弱；但基于留一植物交叉验证的PD评分，ZNIB混合模型（PD=1343.2）优于ZNIB模型（PD=1348.6）。ZNIB混合模型相对于ZNIB模型的留一对数预测密度改进为3.9（标准误2.6），而ZNIB混合模型相对于ZIB混合模型的改进为7.9（标准误3.3），表明N值膨胀分量的引入带来了实质性的预测改进。
4.2 花粉数据集
研究人员将ZNIBB模型应用于Juniperus与P. Diploxylon花粉计数数据，以温度变量（最冷月平均温度MTCO）为协变量。ZIBB模型无法解释由P. Diploxylon零值所导致的Juniperus N值膨胀，从而产生对花粉-气候关系的误导性推断。ZNIBB模型则能够同时建模零值膨胀、N值膨胀和过离散，提供了更可信的参数估计。在古气候重建应用中，使用零膨胀模型对留出化石花粉验证集进行预测会产生不合理的古气候推断，而ZNIBB模型提供了与生物学预期一致的推断结果。
讨论与结论
研究人员的讨论部分指出，零值与N值膨胀在生态成分数据中是普遍存在的现象，忽略任一端膨胀都将导致物种出现率、丰度估计和栖息地偏好推断的系统性偏差。在粉虱数据中，N值膨胀的纳入不仅改善了模型拟合，还改变了先前研究关于植物个体效应的结论；在花粉数据中，ZNIBB模型的引入避免了零膨胀模型对气候响应的过度估计，为古气候重建提供了更可靠的基础。
研究结论部分的核心发现是：两个独立的零膨胀泊松过程在受到总和约束时，为出现零值与N值膨胀二项计数数据提供了一种新颖且具有生物学动机的生成机制；将该机制扩展至负二项过程则产生零值与N值膨胀贝塔二项模型，能够同时处理零值膨胀、N值膨胀和过离散。所提出的模型在粉虱和花粉两个经典数据集上均表现出显著的拟合优度提升和更合理的生物学解释，支持更准确的生物多样性评估、环境监测和古气候重建。
