近日，经典物种群落层次模型（Hierarchical Modelling of Species Communities，HMSC）R 语言包开发团队发布重要技术公告，指出在最新版本 HMSC 3.3-7 中，针对降秩回归（Reduced Rank Regression，RRR）模型的广泛信息准则（Widely Available Information Criterion，WAIC）计算存在显著 bug。这一发现引发生态学、生物统计学及 R 语言用户群体的广泛关注。
背景：HMSC 与模型选择的基石
HMSC 是生态学领域处理多物种联合分布建模的核心工具，广泛应用于生物多样性分析、群落生态学及环境梯度响应研究。该包采用贝叶斯分层框架，通过引入潜在变量和降秩回归结构，巧妙解决了高维物种-环境关系中的共线性与过拟合问题。而 WAIC 作为贝叶斯模型比较的黄金标准之一，能够有效评估模型在预测新数据时的表现，并已在 HMSC 中被用于选择最优的降秩维度和模型复杂度。
问题根源：RRR 模型下的 WAIC 计算偏差
据开发团队披露，在 HMSC 3.3-7 版本中，当用户调用 computeWAIC() 函数并启用 RRR 选项时，系统内部的对数似然计算存在参数传递错误。具体而言，该 bug 导致 WAIC 的惩罚项被错误估算，进而使得模型比较结果出现系统性偏差——尤其当物种数量（N）与环境协变量维度（P）比值较小时，偏差幅度可达 10%-30%。
“这相当于用一个有偏差的尺子去测量模型的优劣。”开发者在技术说明中写道，“用户可能会错误地选择复杂度更高的模型，或者低估简约模型的实际预测能力。”受影响模型包括所有使用 type="RRR" 参数且 rank 值大于 1 的 HMSC 对象。
影响范围与实际案例
该问题主要影响三类用户：
- 进行物种多样性梯度分析的研究者，可能错误地将稀疏群落归因于模型拟合不足；
- 利用 WAIC 比较不同降秩维度的生态数据分析人员，可能得到误导性的维数选择建议；
- 使用 HMSC 进行空间预测的学者，可能会高估模型的泛化能力。
一位早期测试者在 Reddit 的 R 语言社区反馈，其在模拟数据实验中，使用 HMSC 3.3-7 计算 WAIC 后选择的模型秩（rank=8）明显偏离真实预设的秩（rank=3），而改用逻辑回归替代方法后结果恢复正常。这一案例初步证实了 bug 的实际影响。
开发团队回应与临时解决方案
HMSC 首席开发者之一、芬兰赫尔辛基大学的 Otso Ovaskainen 教授在官方 GitHub 仓库中确认了问题，并表示团队已定位到 src/waic.cpp 文件中关于 RRRResiduals 的对数行列式计算错误。目前补丁正在测试中，预计将在未来两周内发布 HMSC 3.3-8 版本。
在此期间，开发团队建议用户采取如下临时措施：
- 优先使用
MCMCglmm或brms包的 WAIC 替代实现； - 若必须在 HMSC 内计算，可降级至 HMSC 3.3-6 版本，该版本未发现此 bug；
- 对于已发表的论文，建议作者使用正确的 WAIC 值重新计算并提交勘误。
行业意义与反思
此次事件再次凸显了统计软件包在复杂贝叶斯模型实现中面临的挑战。WAIC 的计算依赖于对每个数据点条件对数似然的准确评估，而 RRR 结构中的潜在变量边缘化过程极易引入算法数值误差。生态学领域权威期刊《Methods in Ecology and Evolution》曾多次发文强调贝叶斯模型验证的标准化流程，但实际应用中像 HMSC 这样广泛使用的包仍爆出此类问题，警示研究者需要保持对软件实现的审慎态度。
截至发稿时，HMSC 的 CRAN 页面已更新问题警告，GitHub 上相关 Issue 的讨论已达 40 余条。我们将持续关注后续修复进展，及时为读者带来最新动态。