基于廣義線性混合回歸模型的線性-環形回歸新框架及其在環境生態統計中的應用

《Environmental and Ecological Statistics》：A linear-circular regression using a finite mixture of the generalized linear regression models

【字體： 大 中 小 】 時間：2025年12月05日 來源：Environmental and Ecological Statistics 1.8

　　

在大自然中，許多現象都呈現出周期性的規律——從候鳥的遷徙路線到地球磁極的位置變化，從風向的轉變到動物活動的晝夜節律。這些數據有一個共同特點：它們都是在圓形尺度上測量的角度數據，0度和360度實際上是同一個點。傳統的線性統計方法在處理這類數據時會遇到嚴重問題，比如計算20度和340度的平均值時，線性方法會得出180度的錯誤結果，而實際上正確的平均方向應該是0度。

這種環形數據的特殊性使得環境科學家、生態學家和氣象學家面臨嚴峻的分析挑戰。在環境監測中，準確預測風向對空氣質量預報和災害預警至關重要；在生態學研究里，理解動物運動模式有助于保護生物多樣性。然而，現有的環形回歸方法大多基于較強的分布假設，或者缺乏靈活性，難以捕捉真實世界中復雜的環形數據模式。

正是在這樣的背景下，來自埃及艾因夏姆斯大學和愛資哈爾大學的研究團隊在《Environmental and Ecological Statistics》上發表了一項創新性研究，提出了一種基于廣義線性模型混合的線性-環形回歸框架。這項研究的核心思想相當巧妙：將觀察到的環形數據視為未觀察到的線性數據經過"纏繞"操作的結果。

想象一下將一條直線纏繞在圓筒上，直線上的每個點都對應圓筒上的一個點。正是基于這種直觀的幾何關系，研究人員建立了一個靈活的統計模型。該模型允許數據來自多個潛在的子群體，每個子群體可以通過不同的線性模型來描述，從而能夠捕捉復雜的環形數據模式。

研究方法上，作者主要采用了纏繞分布技術將線性分布轉換為環形分布，結合有限混合模型框架構建回歸模型，利用期望最大化（EM）算法進行參數估計，并通過DBSCAN聚類算法進行參數初始化，同時采用B樣條基函數處理非線性關系。

2 提出的框架

研究團隊首先介紹了纏繞分布的基本原理。任何隨機變量Y的概率密度函數f_Y(y)都可以通過模2π運算轉換為環形隨機變量：Θ = Y mod 2π。由于這種映射是多對一的，環形概率密度函數需要求和所有等價點的概率密度：f_Θ(θ) = ∑_z=-∞^∞ f_Y(θ + 2zπ)。

在線性-環形回歸設置中，研究者假設觀察到的環形響應Θ是未觀察到的線性響應Y經過模運算的結果。他們進一步將模型表述為廣義線性模型（GLM）的有限混合，通過鏈接函數g(μ) = B(x)′β將線性預測器與響應分布的平均參數連接起來。這種表述使模型能夠靈活地捕捉預測變量與環形響應之間的復雜關系，包括非線性效應和潛在的子群體結構。

3 模型估計

參數估計采用了兩階段方法。首先，通過DBSCAN聚類算法對數據進行初始分割，識別潛在的纏繞指數。然后，使用期望最大化（EM）算法進行最大似然估計。E步計算后驗概率φ_i,z，表示給定觀測數據點i屬于混合組分z的概率；M步通過最大化加權對數似然函數來更新回歸系數β和散度參數φ。

為了提高模型選擇的客觀性，研究采用Akaike信息準則（AIC）來確定混合組分的適當數量，其中AIC = -2l_k + 2df_k，l_k是最大對數似然值，df_k = p + 2k + 1是自由度。

4 數值研究

研究通過四個數值例子全面評估了提出框架的性能：纏繞伽馬混合模型（WGMM）、纏繞拉普拉斯混合模型（WLMM）、纏繞指數混合模型（WEMM）以及von Mises混合模型（VMMM）和纏繞正態混合模型（WNMM）。

在每個例子中，研究人員將他們的方法與投影線性模型和非參數平滑方法進行比較，使用平均圓形誤差（MCE）作為評估指標：MCE = (1/n)∑_i=1ⁿ|sin((θ_i - ?_i)/2)|。

結果顯示，提出的混合模型在大多數情況下優于傳統方法。特別是在WGMM例子中，當濃度參數ρ=8時，WGMM的MCE為0.02590，顯著低于投影正態模型的0.17802和非參數平滑模型的0.05292。

圖1直觀展示了WGMM在捕捉環形數據模式方面的優越性能，估計的均值函數與真實值幾乎重合。

5 實際應用

5.1 風向數據集

研究將提出的框架應用于兩個真實場景。首先分析的是2025年1月芝加哥中途機場收集的744小時風向測量數據。數據集被分為訓練集（90%）和測試集（10%），使用五折交叉驗證選擇最優的B樣條參數。

WEMMWGMMWLMMVMMMWNMM投影正態非參數平滑

0.138740.100970.100880.105620.099480.346510.13122

WNMM表現最佳（MCE=0.09948），其次是WLMM和WGMM。投影正態模型表現最差（MCE=0.34651），表明其可能不適合這種應用場景。

5.2 藍濱螺運動數據集

第二個應用涉及31個藍濱螺（Nodilittorina unifasciata）在實驗遷移后的位移距離和轉向角度觀測數據。使用k均值算法進行分類，線性B樣條基函數與均勻分布的節點進行建模。

WEMMWGMMWLMMVMMMWNMM投影正態非參數平滑

0.256420.255090.252030.253710.253960.289610.27122

WLMM表現最佳（MCE=0.25203），投影正態和非參數方法再次表現較差。

6 結論

該研究提出了一個靈活的線性-環形回歸框架，通過結合纏繞分布技術和有限混合模型，顯著擴展了環形數據分析的工具包。數值實驗和實際應用表明，該框架在捕捉復雜環形數據模式方面優于傳統方法，為環境科學、生態學和氣象學等領域的環形數據分析提供了強有力的新工具。

研究的創新之處在于將環形回歸問題轉化為潛在線性響應的混合建模問題，從而能夠利用成熟的廣義線性模型理論和計算方法。同時，框架的靈活性使研究人員能夠根據具體問題選擇合適的響應分布和鏈接函數，為各種應用場景提供定制化解決方案。

未來研究可以進一步探索框架的擴展，如包含更多指數族分布、開發更高效的估計算法以及應用于更廣泛的科學領域。此外，將框架擴展到處理高維預測變量和復雜交互效應也是值得探索的方向。