通常情况下，在统计模型中，因变量Y都是单独的一个变量，比如体重，产量等。但有时候，Y可能是一个包括多个情况的比率变量。比如，有一种溶液，其成分包括水、糖类、和氨基酸，三者占比之和等于1。如果想分析某变量X对该溶液成分构成的影响，那么这个模型该如何构建呢。

      这里Y是一种典型的多分类比率分布，统计中，Dirichlet 回归，就是专门针对这种数据类型的回归模型。在brms中，我们便可以轻松搞定这种模型。

     比如昨天一位贝叶斯学员就拟合了下面这个Dirichlet 模型，但对如何正确的解读这个模型，有疑问。他的模型和结果如下图：这里，因变量Y分为三种情况An, Ar和Mo, 三者有各自的比率，但三者比率之和等于1。自变量为Season, 分为Spring和Autumn两个水平。

那么，我们该如何正确地解读这个结果呢？见下图：

我们也可以直接作图查看模型结果：

       关于比率数据该如何分析的问题，可以参考此图(Douma and Weedon 2019)。Douma and Weedon大师的这篇论文，也详细介绍了比率数据的分析问题，非常值得推荐。

参考文献：

Douma, J. C., and J. T. Weedon. 2019. Analysing continuous proportions in ecology and evolution: A practical introduction to beta and Dirichlet regression. 10:1412-1430.

欢迎大家关注鄙人的微信个人公众号“二傻统计”