Słownik metodologiczny · Modele regresji

Regresja ułamkowa (fractional logit) – jak modelować odsetki z zerami i jedynkami?

Regresja ułamkowa modeluje odsetki i udziały z przedziału [0, 1], także wtedy, gdy część obserwacji to dokładnie 0 lub 1. Pokazujemy, jak działa fractional logit, jak go policzyć w R z odpornymi błędami i czym różni się od regresji beta.

Strona główna / Słownik / Regresja ułamkowa
W skrócie: Regresja ułamkowa (fractional logit) modeluje średnią odsetka z przedziału [0, 1] przez funkcję logit i szacuje ją metodą quasi-wiarygodności z odpornymi błędami standardowymi. W przeciwieństwie do regresji beta dopuszcza wartości równe 0 i 1, a jej przewidywania nie wychodzą poza zakres odsetka.

Co to jest regresja ułamkowa?

Regresja ułamkowa (ang. fractional response regression, najczęściej w wersji fractional logit) modeluje zmienną zależną będącą odsetkiem lub ułamkiem z przedziału [0, 1]: odsetek poprawnych odpowiedzi, udział wydatków, frekwencję. Papke i Wooldridge (1996) zaproponowali, by średnią takiej zmiennej opisać funkcją łączącą logit (jak w regresji logistycznej) i oszacować ją metodą quasi-wiarygodności. Nie trzeba wtedy przekształcać zmiennej zależnej ani usuwać obserwacji równych dokładnie 0 lub 1.

Jak działa model

Model zakłada tylko, że E(y | x) = logit⁻¹(b₀ + b₁x). Nie zakłada rozkładu y, dlatego wnioskowanie opiera się na odpornych błędach standardowych (estymator kanapkowy). W R to glm(family = quasibinomial) z sandwich::vcovHC. Współczynniki są na skali logitu; dla odsetka lepiej podać średni efekt krańcowy (AME). Przewidywania zawsze mieszczą się w [0, 1], czego nie gwarantuje zwykła regresja liniowa.

Przykład

W danych symulowanych (300 osób, test z 10 zadań) 7% osób ma wynik 0. Współczynnik x wynosi 0.854 (odporne SE = 0.044), a AME = 0.173: wzrost x o 1 podnosi odsetek poprawnych odpowiedzi średnio o 17 punktów procentowych. Model liniowy przewiduje dla x = −3 odsetek −0.134, a regresja ułamkowa 0.043.

Na rysunku

Wykres rozrzutu 300 szarych punktów: na osi poziomej predyktor x od około −3 do 3.8, na osi pionowej odsetek poprawnych odpowiedzi od 0 do 1. Pasy poniżej 0 i powyżej 1 są zacieniowane jako poza zakresem odsetka. Niebieska prosta MNK zaczyna się poniżej 0 przy lewym końcu i przekracza 1 przy prawym. Pomarańczowa przerywana krzywa regresji ułamkowej ma lekki kształt litery S i zostaje między 0 a 1. Zielona kropkowana krzywa regresji beta bez wyników 0 i 1 jest bardziej płaska
Rysunek 1. Przewidywany odsetek poprawnych odpowiedzi z prostej MNK, regresji ułamkowej i regresji beta bez wyników 0 i 1. Obliczenia: R, pakiety ggplot2 i betareg (dane symulowane, set.seed(640)).

Co widać. Te same 300 obserwacji co w przykładzie. Prosta MNK w obserwowanym zakresie x (od −2.94 do 3.76) schodzi poniżej 0 i wychodzi ponad 1: dla 3 osób przewiduje odsetek ujemny, a dla 2 – większy niż 1. Krzywa regresji ułamkowej z łączem logit wygina się przy brzegach i zostaje w przedziale [0, 1]; przy x = −3 daje 0.043 wobec −0.134 z prostej. Krzywa regresji beta, dopasowana tylko do wyników między 0 a 1, jest bardziej płaska, bo usunięto z niej najniższe i najwyższe odsetki.

Na co uważać. W środku zakresu wszystkie trzy linie są niemal takie same – różnice widać przy brzegach, gdzie jest mało danych. Rysunek pokazuje tylko średnią: nie mówi nic o rozrzucie odsetków ani o tym, czy zera są osobnym zjawiskiem (wtedy zob. regresja ZOIB). Punkty rozsunięto lekko w pionie, bo odsetki z 10 zadań mają tylko 11 wartości. To wykres efektów modelu z surowymi danymi w tle; ten sam problem prostej na wyniku 0/1 pokazuje wpis Regresja logistyczna w obrazkach.

Podpis do pracy:

Rysunek 1. Odsetek poprawnych odpowiedzi w teście z 10 zadań w zależności od predyktora x (N = 300). Uwaga. Punkty – wyniki osób (rozsunięte w pionie); linia ciągła – regresja liniowa MNK; linia przerywana – regresja ułamkowa z łączem logit; linia kropkowana – regresja beta dopasowana do 277 wyników między 0 a 1; zacieniowane pasy – wartości niemożliwe dla odsetka.

Ziarno set.seed(640) to ziarno danych z przykładu (użyte też do rozsunięcia punktów); nie było zmieniane. Rysunek na stronie różni się od wyniku kodu tylko motywem serwisu.

Kod R rysunku 1
# Rysunek 1. Odsetek poprawnych odpowiedzi a x: prosta MNK wychodzi poza [0, 1], krzywa regresji ułamkowej nie
library(ggplot2)
library(betareg)

motyw <- theme_minimal(base_size = 14) +
  theme(plot.title = element_text(face = "bold", colour = "#0f1d3a", size = rel(1.0)),
        panel.grid.minor = element_blank(), panel.grid.major = element_line(colour = "grey88", linewidth = 0.4),
        legend.position = "bottom", plot.background = element_rect(fill = "white", colour = NA))

set.seed(640)                                        # te same dane co w przykładzie wyżej
n <- 300
x <- rnorm(n)
y <- rbinom(n, size = 10, prob = plogis(-0.5 + 0.8 * x)) / 10
d <- data.frame(x, y)
m_fl <- glm(y ~ x, family = quasibinomial(link = "logit"), data = d)   # regresja ułamkowa
m_ols <- lm(y ~ x, data = d)
m_beta <- betareg(y ~ x, data = subset(d, y > 0 & y < 1))               # beta: tylko 0 < y < 1
round(c(x_min = min(x), x_max = max(x)), 2)

siatka <- data.frame(x = seq(min(x), max(x), length.out = 200))   # cały zakres obserwowanego x
prz <- rbind(
  data.frame(siatka, model = "MNK (prosta)", p = predict(m_ols, siatka)),
  data.frame(siatka, model = "regresja ułamkowa", p = predict(m_fl, siatka, type = "response")),
  data.frame(siatka, model = "regresja beta bez 0 i 1", p = predict(m_beta, siatka, type = "response")))
prz$model <- factor(prz$model, c("MNK (prosta)", "regresja ułamkowa", "regresja beta bez 0 i 1"))
# Ile przewidywań MNK wypada poza [0, 1] w obserwowanych danych; przewidywania przy x = −3
round(c(MNK_ponizej_0_dane = sum(fitted(m_ols) < 0), MNK_powyzej_1_dane = sum(fitted(m_ols) > 1),
        MNK_x_minus3 = unname(predict(m_ols, data.frame(x = -3))),
        ulamkowa_x_minus3 = unname(predict(m_fl, data.frame(x = -3), type = "response")),
        beta_x_minus3 = unname(predict(m_beta, data.frame(x = -3), type = "response"))), 3)

kol <- c("#0072B2", "#D55E00", "#009E73")
p1 <- ggplot() +
  annotate("rect", xmin = -Inf, xmax = Inf, ymin = -Inf, ymax = 0, fill = "grey85") +
  annotate("rect", xmin = -Inf, xmax = Inf, ymin = 1, ymax = Inf, fill = "grey85") +
  annotate("text", x = 3.7, y = -0.12, label = "poza zakresem odsetka", hjust = 1, size = 4, colour = "grey30") +
  geom_point(data = d, aes(x, y), position = position_jitter(width = 0, height = 0.015, seed = 640),
             colour = "grey45", alpha = 0.45, size = 1.6) +
  geom_line(data = prz, aes(x, p, colour = model, linetype = model), linewidth = 1.2) +
  scale_colour_manual(values = kol, name = NULL) +
  scale_linetype_manual(values = c("solid", "longdash", "dotted"), name = NULL) +
  scale_y_continuous(breaks = seq(0, 1, 0.25), limits = c(-0.18, 1.12)) +
  labs(title = "Przewidywany odsetek poprawnych odpowiedzi", x = "Predyktor x",
       y = "Odsetek poprawnych odpowiedzi") + motyw
p1
Wynik w R (rysunek 1)
x_min x_max 
-2.94  3.76 
MNK_ponizej_0_dane MNK_powyzej_1_dane       MNK_x_minus3  ulamkowa_x_minus3 
             3.000              2.000             -0.134              0.043 
     beta_x_minus3 
             0.073 

Jak opisać w pracy

Odsetek poprawnych odpowiedzi modelowano regresją ułamkową z funkcją logit (Papke i Wooldridge, 1996), stosując odporne błędy standardowe HC1. Wyższy wynik predyktora wiązał się z wyższym odsetkiem, b = 0.85, SE = 0.04, p < .001; średni efekt krańcowy wyniósł 0.17.

Na co uważać

  • Regresja beta wymaga wartości wewnątrz przedziału (0, 1) i modeluje cały rozkład. Kieschnick i McCullough (2003) zalecają ją dla danych bez zer i jedynek, a podejście quasi-wiarygodności przy dużych próbach. W przykładzie regresja beta na 277 obserwacjach bez 0 i 1 dała b = 0.70 wobec 0.85 w regresji ułamkowej: usunięcie wyników brzegowych zaniżyło efekt.
  • Gdy zera lub jedynki są osobnym zjawiskiem (np. „w ogóle nie korzysta”), lepszy bywa model dwuczęściowy. Ramalho, Ramalho i Murteira (2011) przeglądają modele dla odsetków, także z dużą masą obserwacji na granicach przedziału, oraz testy ich założeń.
  • Jeśli znasz liczbę prób (10 zadań), zwykła regresja logistyczna dla danych zagregowanych wykorzysta tę informację.
  • Nie zastępuj modelu transformacją logitową z arbitralną poprawką zer.
Przykład reprodukowalny

Regresja ułamkowa w R

Kod szacuje fractional logit przez glm(family = quasibinomial), liczy odporne błędy standardowe i średni efekt krańcowy oraz porównuje przewidywania z modelem liniowym, a na koniec dopasowuje regresję beta (betareg()) do obserwacji bez 0 i 1.

Fractional logit dla odsetka poprawnych odpowiedzi

Dane wejściowe: 300 obserwacji, predyktor o rozkładzie normalnym, odsetek poprawnych odpowiedzi w teście z 10 zadań (dane symulowane, set.seed(640)).

Co odczytać: 7% zer; współczynnik x = 0.854 (SE HC1 = 0.044); AME = 0.173; przewidywanie MNK dla x = −3 równe −0.134 wobec 0.043 w regresji ułamkowej; regresja beta bez 0 i 1: n = 277, współczynnik x = 0.702.

R
# Regresja ułamkowa (fractional logit): quasi-wiarygodność + odporne błędy (dane symulowane)
suppressPackageStartupMessages(library(lmtest))
library(sandwich)
set.seed(640)
n <- 300
x <- rnorm(n)
mu <- plogis(-0.5 + 0.8 * x)                       # średni odsetek zależny od x
y <- rbinom(n, size = 10, prob = mu) / 10          # odsetek poprawnych odpowiedzi (0, 0.1, ..., 1)
round(c(zera = mean(y == 0), jedynki = mean(y == 1)), 3)
m <- glm(y ~ x, family = quasibinomial(link = "logit"))
coeftest(m, vcov = vcovHC(m, type = "HC1"))
b <- coef(m)
ame <- mean(dlogis(b[1] + b[2] * x)) * b[2]          # średni efekt krańcowy na skali odsetka
round(c(AME = unname(ame)), 3)
ols <- lm(y ~ x)
p_ols <- predict(ols, newdata = data.frame(x = c(-3, 3)))
p_fl <- predict(m, newdata = data.frame(x = c(-3, 3)), type = "response")
round(rbind(MNK = p_ols, fractional_logit = p_fl), 3)
# Regresja beta wymaga y w (0, 1), więc pomija wyniki 0 i 1
suppressPackageStartupMessages(library(betareg))
m_beta <- betareg(y ~ x, data = subset(data.frame(x, y), y > 0 & y < 1))
round(c(n_bez_0_1 = nobs(m_beta), b_x_beta = unname(coef(m_beta)["x"]), b_x_ulamkowa = unname(b[2])), 3)
Wynik w R
   zera jedynki 
  0.070   0.007 

z test of coefficients:

             Estimate Std. Error z value  Pr(>|z|)    
(Intercept) -0.534134   0.041896 -12.749 < 2.2e-16 ***
x            0.854327   0.044355  19.261 < 2.2e-16 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

  AME 
0.173 
                      1     2
MNK              -0.134 0.906
fractional_logit  0.043 0.884
   n_bez_0_1     b_x_beta b_x_ulamkowa 
     277.000        0.702        0.854 

Bibliografia oprogramowania

Wyniki pochodzą z uruchomienia pokazanego kodu w R 4.5.3 (pakiety lmtest 0.9.40, sandwich 3.1.1 i betareg 3.2.6). Rysunek 1 wykonano w pakiecie ggplot2 4.0.2. W pracy podaj wersje faktycznie użytych pakietów (sessionInfo()).

  1. R: R Core Team. (2026). R: A language and environment for statistical computing (Version 4.5.3) [Computer software]. R Foundation for Statistical Computing. https://www.R-project.org/
  2. lmtest (wersja 0.9.40): Zeileis, A., & Hothorn, T. (2002). Diagnostic checking in regression relationships. R News, 2(3), 7–10. https://CRAN.R-project.org/doc/Rnews/
  3. sandwich (wersja 3.1.1): Zeileis, A., Köll, S., & Graham, N. (2020). Various versatile variances: An object-oriented implementation of clustered covariances in R. Journal of Statistical Software, 95(1), 1–36. https://doi.org/10.18637/jss.v095.i01
  4. betareg (wersja 3.2.6): Cribari-Neto, F., & Zeileis, A. (2010). Beta regression in R. Journal of Statistical Software, 34(2), 1–24. https://doi.org/10.18637/jss.v034.i02
  5. ggplot2 (wersja 4.0.2): Wickham, H. (2016). ggplot2: Elegant graphics for data analysis. Springer. https://ggplot2.tidyverse.org

Najczęstsze pytania

Czym regresja ułamkowa różni się od regresji beta?

Regresja beta zakłada rozkład beta i wymaga wartości ściśle między 0 a 1. Regresja ułamkowa opisuje tylko średnią, więc dopuszcza zera i jedynki, ale nie daje modelu całego rozkładu i potrzebuje odpornych błędów standardowych.

Dlaczego w regresji ułamkowej trzeba używać odpornych błędów standardowych?

Model nie zakłada rozkładu zmiennej zależnej, a jej wariancja zwykle nie jest dwumianowa. Estymator kanapkowy (np. HC1 z pakietu sandwich) daje poprawne błędy przy samej poprawnie określonej średniej.

Jak interpretować współczynnik w modelu fractional logit?

Współczynnik pokazuje zmianę logitu średniego odsetka. Dla czytelnika lepszy jest średni efekt krańcowy: o ile punktów procentowych zmienia się przewidywany odsetek, gdy predyktor rośnie o jednostkę.

Powiązane hasła

Potrzebujesz wsparcia w analizie danych?

Wybierz ofertę dopasowaną do pracy dyplomowej albo profesjonalnego projektu naukowego.

Wyceń analizęOferta dla studentów

Bibliografia i dalsza literatura naukowa (APA 7)

  1. Kieschnick, R., & McCullough, B. D. (2003). Regression analysis of variates observed on (0, 1): Percentages, proportions and fractions. Statistical Modelling, 3(3), 193–213. https://doi.org/10.1191/1471082x03st053oa
  2. Papke, L. E., & Wooldridge, J. M. (1996). Econometric methods for fractional response variables with an application to 401(k) plan participation rates. Journal of Applied Econometrics, 11(6), 619–632. https://doi.org/10.1002/(sici)1099-1255(199611)11:6<619::aid-jae418>3.0.co;2-1 ● Otwarty dostęp
  3. Ramalho, E. A., Ramalho, J. J. S., & Murteira, J. M. R. (2011). Alternative estimating and testing empirical strategies for fractional regression models. Journal of Economic Surveys, 25(1), 19–68. https://doi.org/10.1111/j.1467-6419.2009.00602.x ● Otwarty dostęp: pełny tekst

Cytowania BibTeX

@article{kieschnick2003regression, author={Kieschnick, Robert and McCullough, B. D.}, title={{Regression analysis of variates observed on (0, 1): Percentages, proportions and fractions}}, journal={Statistical Modelling}, year={2003}, volume={3}, number={3}, pages={193--213}, doi={10.1191/1471082x03st053oa}}
@article{papke1996econometric, author={Papke, Leslie E. and Wooldridge, Jeffrey M.}, title={{Econometric methods for fractional response variables with an application to 401(k) plan participation rates}}, journal={Journal of Applied Econometrics}, year={1996}, volume={11}, number={6}, pages={619--632}, doi={10.1002/(sici)1099-1255(199611)11:6<619::aid-jae418>3.0.co;2-1}}
@article{ramalho2011alternative, author={Ramalho, Esmeralda A. and Ramalho, Joaquim J. S. and Murteira, José M. R.}, title={{Alternative estimating and testing empirical strategies for fractional regression models}}, journal={Journal of Economic Surveys}, year={2011}, volume={25}, number={1}, pages={19--68}, doi={10.1111/j.1467-6419.2009.00602.x}}
R