零膨胀负二项回归结果解读一、分析方法概述零膨胀负二项回归Zero-Inflated Negative Binomial RegressionZINB是处理计数型因变量中过度零现象的统计方法。当因变量为计数数据且零值占比过高时传统的泊松回归或负二项回归可能无法充分拟合数据特征此时零膨胀模型通过同时构建两个子模型来改善拟合效果一是零膨胀Inflate模型用于分析导致因变量为零的影响因素二是计数Count模型即负二项回归部分用于分析非零计数结果的影响因素。本研究使用SPSSAU软件进行零膨胀负二项回归分析样本量为240例。在SPSSAU【计量经济研究】模块选择【零膨胀负二项回归】将变量拖拽至右侧对应分析框操作如下图二、零膨胀数据汇总由表1可知240例样本中因变量取值为0的样本有148例占比61.667%非零样本92例占比38.333%。零值占比超过60%说明数据存在明显的过度零膨胀现象采用零膨胀模型进行分析具有合理性。三、模型似然比检验由表2可知模型似然比检验结果显示最终模型的-2倍对数似然值为443.849较仅截距模型的654.070大幅下降。似然比检验卡方值为210.221df2p0.0000.001拒绝原假设说明纳入研究变量后模型整体具有统计学意义模型构建有效。此外最终模型的AIC值为449.849BIC值为460.291这两个指标可用于不同模型之间的比较值越小表明模型拟合越优。四、零膨胀负二项回归分析结果备注McFadden R²0.321由表3可知零膨胀负二项回归分析包含两部分结果。McFadden R²0.321表明模型对因变量的变异具有较好的解释力度。1零膨胀Inflate模型部分x3的回归系数为-22.325z-4.193p0.000OR值趋近于0说明x3对零膨胀过程具有显著的负向影响即x3取值越高因变量为零的概率大幅降低。x4的回归系数为10.945z3.551p0.000OR值56659.73395%CI134.737~23826585.158说明x4对零膨胀过程具有显著的正向影响即x4取值越高因变量为零的概率急剧增大。常数项回归系数为-1.730z-2.548p0.011具有统计学显著性。2Count模型负二项回归部分x1的回归系数为0.451z4.497p0.000OR值1.57095%CI1.290~1.910表明x1每增加一个单位因变量的期望计数增加约57.0%且影响具有高度统计学显著性。x2的回归系数为0.287z2.666p0.008OR值1.33395%CI1.079~1.646表明x2每增加一个单位因变量的期望计数增加约33.3%同样具有统计学显著性。常数项回归系数为-6.646z-54.869p0.000具有统计学显著性。3过度离散参数alpha0.317z3.068p0.002达到显著水平表明数据存在显著的过度离散现象验证了使用零膨胀负二项回归模型而非零膨胀泊松回归的合理性。五、回归结果简化格式备注因变量y*p0.05 **p0.01括号内为z值六、森林图图1 零膨胀负二项回归森林图由图1森林图可知各研究变量的效应值OR值及其95%置信区间得到了直观展示。在Count模型中x1和x2的OR值均大于1且置信区间不包含参考线表明二者均为因变量计数的显著正向影响因素。在零膨胀Inflate模型中x3的OR值趋近于0x4的OR值远大于1二者的置信区间均远离参考线进一步验证了零膨胀模型中各变量的显著效应。森林图的结果与表3的数值分析完全一致。七、样本缺失情况由表5可知全部240例样本均进入模型分析无缺失样本被排除有效样本率为100%保证了分析结果的完整性和可靠性。八、结论本研究采用零膨胀负二项回归模型对240例计数型因变量数据进行分析。因变量零值占比达61.667%存在明显的过度零膨胀现象。模型似然比检验结果显示模型整体显著χ²(2)210.221p0.001McFadden R²0.321模型解释力度良好。过度离散参数alpha0.317p0.002达到显著水平证实了选择零膨胀负二项回归模型的合理性。在零膨胀模型中x3和x4对零膨胀过程均有显著影响p均0.001在计数模型中x1OR1.570p0.001和x2OR1.333p0.008均为因变量计数的显著正向影响因素。全部样本均有效进入模型分析无数据缺失。