Sıfır-Şişirilmiş Model
Zero-Inflated Count Regression Model · Ayrıca şöyle bilinir: ZIP model, ZINB model, zero-inflated Poisson, zero-inflated negative binomial
Sıfır-şişirilmiş model, standart bir Poisson veya negatif binom dağılımının kaldırabileceğinden daha fazla sıfır değeri içeren sayım sonuçları için tasarlanmış iki bileşenli bir karışım regresyonudur. Bileşenlerden biri yapısal sıfırları üreten ikili bir süreçtir; diğeri ise hem sıfırları hem de pozitif sayımları üreten bir sayım sürecidir.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
+3 tane daha
Ne zaman kullanılır
Sayım sonucunuz bir Poisson veya negatif binom modelinin tahmin ettiğinden önemli ölçüde daha fazla sıfır içerdiğinde — bir Vuong testi veya kökogram incelemesi ile resmi olarak doğrulandığında — ve bu sıfırları iki farklı veri üretim sürecinin ürettiğine inandığınızda (yapısal yokluk ve gözlemlenmeyen olaylarla riskli maruziyet) sıfır-şişirilmiş bir model kullanın. Sağlık sonuçları (doktor ziyaretleri, hastalık sayımları), ekoloji (tür bolluğu) ve üretim hatası sayımları için çok uygundur. Aşırı sıfırlar tamamen aşırı dağılımdan kaynaklandığında (negatif binomu tercih edin), sıfır fazlalığı mütevazı ve istatistiksel olarak doğrulanmamış olduğunda veya ikili ve sayım bileşenleri mevcut kovaryatlar tarafından anlamlı bir şekilde ayırt edilemediğinde kullanmayın.
Güçlü yönler & sınırlılıklar
- Sıfırlar için iki ayrı mekanizmayı açıkça modeller, aşırı sıfırlı verilerde basit Poisson veya negatif binom modellerine göre uyumu ve yorumlanabilirliği artırır.
- Sıfır-şişirme ve sayım bileşenleri için farklı tahmin edici setlerine izin verir, yokluk ve sıklığı neyin yönlendirdiğine dair incelikli içgörüler sağlar.
- Negatif binom varyantı (ZINB) ayrıca aşırı dağılımı da ele alır ve en yaygın pratik senaryoları kapsar.
- Sayım bileşeninden yorumlanabilir olay oranı oranları ve şişirme bileşeninden oran oranları üretir.
- R (pscl, VGAM), Stata ve Python (statsmodels) içinde iyi desteklenir.
- Yapısal ve örnekleme sıfırları arasında anlamlı bir teorik ayrım gerektirir; eğer yoksa, model yorumlaması zorlama ve potansiyel olarak yanıltıcıdır.
- Çift bileşenli yapı nedeniyle basit GLM'lerden daha büyük örneklemlere ihtiyaç duyulur; seyrek tahmin edicilerle yakınsama başarısız olabilir.
- Aynı tahmin ediciler her iki bileşende de benzer etkilerle göründüğünde tanımlama zayıf olabilir.
- Parametre yorumlaması daha karmaşıktır ve teknik olmayan kitlelere iki ayrı regresyon denkleminin iletilmesini gerektirir.
SSS
Basit bir negatif binom yerine sıfır-şişirilmiş bir modele ihtiyacım olup olmadığını nasıl anlarım?
Gözlemlenen sıfır oranını negatif binom modelinin tahmin ettiğiyle karşılaştırın. Eğer gözlemlenen sıfırlar tahmin edilen sıfırları çok aşıyorsa, ZINB ve NB modelleri arasında bir Vuong testi veya olabilirlik oranı testi yapın. Bir kökogram (asma veya askıda) faydalı bir görsel kontroldür.
Sıfır-şişirilmiş model ile engel modeli arasındaki fark nedir?
Sıfır-şişirilmiş bir modelde, sıfırlar her iki bileşenden de kaynaklanabilir, bu nedenle sayım kısmı (Poisson veya NB) da sıfır üretebilir. Bir engel modelinde, ikili kısım herhangi bir olayın meydana gelip gelmediğini belirler ve sadece pozitif sayımlar sayım kısmına girer. Engel modeli tüm sıfırları yapısal olarak ele alır; sıfır-şişirilmiş modeller bunu yapmaz.
Sayım ve sıfır-şişirme bileşenlerinde farklı tahmin ediciler kullanabilir miyim?
Evet, ve bu genellikle teorik olarak motive edilir. Örneğin, bir sigara çalışmasında, cinsiyet ve yaş yapısal sigara içmeme durumunu (şişirme) tahmin edebilirken, stres ve sosyal çevre sigara içenler arasında kaç sigara içildiğini (sayım) tahmin edebilir.
ZIP mi yoksa ZINB mi kullanmalıyım?
İkisini bir olabilirlik oranı testi ile karşılaştırın. Eğer NB dağılım parametresi sıfırdan anlamlı derecede farklıysa, ZINB tercih edilir. Pratikte ZINB daha sağlamdır çünkü gerçek sayım verileri Poisson'a göre neredeyse her zaman aşırı dağılmıştır.
Sıfır-şişirilmiş bir modelden elde edilen sonuçları nasıl rapor ederim?
İki ayrı katsayı setini ayrı ayrı rapor edin: (1) sayım-modeli katsayılarını olay oranı oranları (üstel log-lineer katsayılar) olarak ve (2) şişirme-modeli katsayılarını oran oranları olarak. Her tablonun hangi bileşene atıfta bulunduğunu açıkça belirtin ve örneklem büyüklüğünü ve dağılım parametresini not edin.
Kaynaklar
- Lambert, D. (1992). Zero-inflated Poisson regression, with an application to defects in manufacturing. Technometrics, 34(1), 1–14. DOI: 10.2307/1269547 ↗
- Zero-inflated model. Wikipedia. link ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Zero-Inflated Count Regression Model. ScholarGate. https://scholargate.app/tr/statistics/zero-inflated-model
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Genelleştirilmiş Doğrusal Model (GLM)İstatistik↔ karşılaştır
- Sayısal Veriler için Engelli Modelİstatistik↔ karşılaştır
- Negatif Binominal RegresyonEkonometri↔ karşılaştır
- Poisson ve Negatif Binom RegresyonuEkonometri↔ karşılaştır
- Sağlam Poisson Regresyonuİstatistik↔ karşılaştır
- Hayatta Kalma Regresyonuİstatistik↔ karşılaştır