มีความหลากหลายของการแก้ปัญหาในกรณีของการกระจายอย่างต่อเนื่องเป็นศูนย์ (กึ่ง -):
- การถดถอยของ Tobit : สมมติว่าข้อมูลมาจากการแจกแจงแบบปกติพื้นฐานเดียว แต่ค่าลบนั้นถูกเซ็นเซอร์และซ้อนกันบนศูนย์ (เช่นแพคเกจ censReg )
- แบบจำลองอุปสรรค์หรือ "สองขั้นตอน": ใช้แบบจำลองทวินามเพื่อทำนายว่าค่าเป็น 0 หรือ> 0 จากนั้นใช้แบบจำลองเชิงเส้น (หรือแกมม่าหรือตัดทอนปกติหรือบันทึกปกติ) เพื่อสร้างแบบจำลองค่าที่ไม่ใช่ศูนย์
- 1 < p < 2x > 0
หรือถ้าโครงสร้างข้อมูลของคุณง่ายพอคุณสามารถใช้ตัวแบบเชิงเส้นและใช้การทดสอบการเปลี่ยนแปลงหรือวิธีการที่มีประสิทธิภาพอื่น ๆ เพื่อให้แน่ใจว่าการอนุมานของคุณจะไม่ถูกทำให้ยุ่งเหยิงโดยการกระจายข้อมูลที่น่าสนใจ
มีแพ็คเกจ / โซลูชั่น R สำหรับกรณีเหล่านี้ส่วนใหญ่
มีคำถามอื่น ๆ เกี่ยวกับ SE เกี่ยวกับศูนย์ที่สูงขึ้น (กึ่ง) ข้อมูลอย่างต่อเนื่อง (เช่นมีที่นี่ , ที่นี่และที่นี่ ) แต่พวกเขาดูเหมือนจะไม่ให้คำตอบที่ชัดเจน ... ทั่วไป
ดูเพิ่มเติมที่Min & Agresti, 2002, การสร้างแบบจำลองข้อมูลเชิงลบด้วยการรวมกลุ่มที่ Zero: การสำรวจเพื่อดูภาพรวม