基于变换两步法Bootstrap的零膨胀计数数据置信区间改进估计——Transformed Two-Part Bootstrap置信区间(TTB-CI)

《AppliedMath》：Improved Confidence Interval Estimation for Zero-Inflated Count Data Using Transformed Two-Part Bootstrap

　　

本研究提出一种用于零膨胀计数数据的变换两步法Bootstrap置信区间（Transformed Two-Part Bootstrap Confidence Interval，TTB-CI；简称TTB-CI），该方法结合标准零膨胀混合模型设定、参数化Bootstrap（parametric bootstrap）及单调变换（monotone transformation），以改进对具有实际意义的估计量——边际均值（marginal mean）E(Y)、零概率P(Y=0)及正值部分均值（positive-part mean）E(Y∣Y>0)的统计推断。在零膨胀泊松（zero-inflated Poisson，ZIP）与零膨胀负二项分布（zero-inflated negative binomial，ZINB）数据生成机制下的模拟研究表明，所提方法能维持名义或接近名义的覆盖率（coverage probability），同时缩小区间宽度，尤其对正值部分均值效果显著。与基于常规泊松及负二项分布的置信区间相比，所提TTB-CI在覆盖率与区间宽度的权衡上表现更优，可为正值计数的统计推断提供更富信息量的置信区间，表明该方法为零膨胀计数数据提供了一种实用且高效的置信区间推断框架。

论文解读：基于变换两步法Bootstrap的零膨胀计数数据置信区间改进估计

该研究发表于《AppliedMath》。零膨胀计数数据（zero-inflated count data）——即观测中零值比例超过普通泊松或负二项分布（negative binomial，NB）所能解释的数据——广泛存在于流行病学、卫生经济学、保险精算及文本挖掘等领域。传统零膨胀泊松（ZIP）与零膨胀负二项（ZINB）模型虽已成熟，但对具有实际意义的非线性泛函估计量，如总体边际均值E(Y)=π?+(1?π?)μ、结构零概率P(Y=0)=π?+(1?π?)P(Y_count=0)及正值部分均值E(Y∣Y>0)=μ/(1?P(Y_count=0))（其中π?为结构零概率，μ为计数成分均值），其置信区间（confidence interval，CI）推断仍较薄弱。现有泊松或负二项CI常因大量零值导致区间过度向零集中或过于保守，排除零值后直接构建CI又忽略零生成机制并引入偏态与边界问题；且这些CI通常针对计数成分条件均值而非上述边际估计量，导致参数不匹配。解析解难以获得，原始Bootstrap在零膨胀、偏态及边界约束下也不稳定。为此，研究人员提出变换两步法Bootstrap置信区间（Transformed Two-Part Bootstrap Confidence Interval，TTB-CI），通过参数Bootstrap结合logit（对π?）与log（对E(Y∣Y>0)）单调变换稳定Bootstrap分布，并引入膨胀校正因子κ校准有限样本覆盖率，在ZIP与ZINB设定下验证其在覆盖率—宽度权衡上的优势，尤对正值部分均值推断改善明显。

主要关键技术方法

研究人员采用参数化Bootstrap（parametric bootstrap）于拟合的ZIP或ZINB工作模型：先拟合零膨胀模型获得结构零概率π?^与计数成分均值μ^，再重复B次从估计模型中重抽样生成Bootstrap数据集并重新拟合获各估计量Bootstrap复制值；对零概率π?做logit变换g?(π?)=log[π?/(1?π?)]，对正值部分均值E(Y∣Y>0)做对数变换g?(·)=log(·)，在变换后尺度取基于中位数偏移的百分位置信区间并引入膨胀因子κ>1作区间展宽校准以保证名义覆盖率，最后反变换回原始尺度得TTB-CI。模拟研究以n=5000、p=5个标准正态协变量分别按ZIP与ZINB数据生成机制（Algorithm 2）产生数据，Monte Carlo重复计算经验覆盖率与区间宽度，并与泊松精确CI及负二项轮廓似然CI比较；实证部分应用RAND健康保险实验数据（mdvis门诊次数，N=20190，零值占比31.24%）进行实际适用性展示。

研究结果

2. Existing Interval Estimation and Limitations

回顾了泊松精确CI（基于总计数χ2分位）与负二项轮廓似然CI公式，指出二者设计于单一计数过程，未考虑零膨胀双成分结构；含零构建CI受零值拖拽偏向零，去零构建CI忽视结构零机制，且无法直接针对边际均值、零概率及正值部分均值做推断，分布偏态与边界约束进一步恶化性能，由此引出TTB-CI之必要性。

3. Proposed Method

详述零膨胀混合模型设定Y～(1?π?)·f_count(y∣μ)+π?·I(y=0)（f_count为Poisson或NB非截断分布），给出边际均值E(Y)=(1?π?)μ、零概率P(Y=0)=π?+(1?π?)e^?μ（ZIP）或π?+(1?π?)(1+k/μ)^?k（ZINB，k为离散参数）、正值部分均值E(Y∣Y>0)=μ/(1?P(Y_count=0))表达式。阐述TTB-CI算法（Algorithm 1）：两步模型拟合→目标估计量计算→参数Bootstrap抽样→单调变换→基于中位数之膨胀调整（L?=g^?1(Median(g(θ?))?κ·|g(θ?)_(α/2)?Median(g(θ?*))|)等）→反变换获原始尺度CI。给出渐近有效性命题：在模型正确设定及正则条件下TTB-CI覆盖率依概率收敛至名义水平。

4. Experimental Results of Simulation and Real Data

4.1 ZIP模拟：ZIP生成数据（零占比约84.88%），边际均值E(Y)上TTB-CI与泊松精确CI宽度相近（0.0207 vs 0.0214）且均达95%名义覆盖率；正值部分均值E(Y∣Y>0)上常规泊松精确CI（去零）过保守（覆盖率0.9833，宽度0.1644），TTB-CI达名义95%覆盖率且宽度缩至0.0963，效率显著提升。

4.2 ZINB模拟：ZINB生成数据，边际均值E(Y)上负二项CI宽0.0200（覆盖率0.9750），TTB-CI宽0.0229（模拟经验覆盖率1.0000，属有限样本轻微过覆盖），二者均可接受；正值部分均值E(Y∣Y>0)上负二项CI宽0.1922（覆盖率0.9750），TTB-CI宽缩至0.1691且同水平覆盖率，证实过离散下仍改善覆盖率—宽度权衡。

4.3 真实数据应用（RAND HIE数据，mdvis）：TTB-CI给出零概率P(Y=0)区间宽0.0127（接近二项精确CI），边际均值略宽于泊松精确CI（反映零膨胀混合额外不确定性），正值部分均值区间宽由0.0679缩至0.0633，与模拟结论一致，展示实际适用性。

讨论与结论总结

讨论指出TTB-CI融合双成分分解、参数Bootstrap与单调变换缓解偏态与边界效应，并可通过校准步提升有限样本稳健性；相比非参Bootstrap及 asymptot ic正态区间等具统一适用ZIP/ZINB的优势，局限在于未全面对比非参Bootstrap、广义置信区间等方法，留待后续研究。结论为：所提TTB-CI为零膨胀计数数据边际均值、零概率及正值部分均值提供有效CI框架，模拟显示维持名义或近名义覆盖率并在正值部分均值上显著缩减区间宽度，实证应用验证实用性，未来可扩展至更广零膨胀模型及自适应校准膨胀因子。