我正在使用pscl包中的predict.hurdle函数来估计在数据集中观察0，1，2，...，N事件的概率。
使用?predict.hurdle中的示例：
data("bioChemists", package = "pscl")
fm_hp1 <- hurdle(art ~ ., data = bioChemists)
summary(fm_hp1)
head(predict(fm_hp1, newdata = bioChemists, type = "prob"))
# returns a matrix of probabilities too large to show here
此矩阵的每一行都是一个观测值，每列都是该计数的概率，在本例中为 0-19。
summary(rowSums(predict(fm_hp1, newdata = bioChemists, type = "prob")))
Min. 1st Qu. Median Mean 3rd Qu. Max.
0.9998 1.0000 1.0000 1.0000 1.0000 1.0000
但是有些行的总和不是 1。但是好吧，他们很接近，所以也许这不是问题......
但是，我需要校准截距项。在我的行业中，"校准"是"更改估计参数"的一种可以接受的说法。是的，我知道有很多原因可以解释为什么这在统计上不是一个好主意（故意偏向估计）。但是，我仍然希望代码能够工作，并且预测能够遵守概率规则。
# Change the count model intercept
fm_hp1$coefficients$count["(Intercept)"] <- 3
summary(rowSums(predict(fm_hp1, newdata = bioChemists, type = "prob")))
Min. 1st Qu. Median Mean 3rd Qu. Max.
0.001521 0.434300 0.647400 0.602000 0.818400 0.983900
现在我们看到结果概率的一些主要问题。
我很想通过以下方式简单地以 0-1 的比例重新规范这些实用程序：
old.p <- predict(fm_hp1, newdata = bioChemists, type = "prob")
new.p <- t(apply(X = old.p, MARGIN = 1, FUN = function(x) x/sum(x)))
summary(rowSums(new.p))
但我担心概率总和为 1 的问题的原因意味着这是不合适的。
我的担心有根据吗？我是否需要修改另一个fm_hp1元素才能更改截距项，但仍能获得正确的概率预测？
hurdle() 中支持的计数分布都支持 0、1、2、...（直至无穷大）。因此，为了精确地求和为 1，您必须汇总所有这些整数 0、1、2、...
由于无穷多个值在实践中没有用，因此predict()方法仅提供有限数量的整数的概率，默认情况下为0，1，2，...，max（y），即直到观察到的最大响应。对于bioChemists数据，这是 0， 1， ...， 19。
因此，通过仅取这些概率的总和，您可以忽略所有更高计数的概率。通常，这个概率权重很小，如您的第一个摘要所示。但是，如果您增加截距，则比原始数据集中更高的计数的可能性要高得多（期望值增加约10倍！因此，您需要总结更大的支持。您可以通过提供at参数来执行此操作：
summary(rowSums(predict(fm_hp1, type = "prob", at = 0:50)))
## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 0.001789 1.000000 1.000000 0.994000 1.000000 1.000000
summary(rowSums(predict(fm_hp1, type = "prob", at = 0:100)))
## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 0.9889 1.0000 1.0000 1.0000 1.0000 1.0000
summary(rowSums(predict(fm_hp1, type = "prob", at = 0:200)))
## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 1 1 1 1 1 1
正如在上面的评论中已经提出的那样，我怀疑这种拦截的变化在这里真的是一个很好的策略，但这是一个不同的辩论......