Oprócz mgcv i jego zerowo napełnionych rodzin Poissona ( ziP()i ziplss()), możesz również spojrzeć na pakiet brms autorstwa Paula-Christiana Bürknera. Może pasować do modeli rozkładu (gdzie modelujesz więcej niż tylko średnią, w twoim przypadku komponent zerowej inflacji modelu może być modelowany jako funkcja zmiennych towarzyszących, podobnie jak funkcja zliczania).
Wygładzanie można dołączyć do dowolnego z predyktorów liniowych (dla średniej / liczby, części z zerowym nadmuchiwaniem itp.) Za pomocą s()i t2()terminów odpowiednio dla prostych splajnów 1-d lub izotropowych 2-d, lub splajnów produktu tensorowego anizotropowego. Obsługuje zero-zawyżone rozkłady dwumianowe, Poissona, ujemne dwumianowe i beta oraz plus zawyżone zero-jeden. Ma także modele przeszkód dla Poissona i ujemnych odpowiedzi dwumianowych (gdzie część zliczania modelu jest skróconym rozkładem, aby nie generować dalszych zliczeń zerowych).
brms pasuje do tych modeli przy użyciu STAN , więc są one w pełni bayesowskie, ale wymaga to nauki nowego zestawu interfejsów w celu uzyskania odpowiednich informacji. To powiedziawszy, istnieje kilka pakietów oferujących funkcje wsparcia tylko dla tego zadania, a brms ma napisane funkcje pomocnicze, które wykorzystują te dodatkowe pakiety. Musisz zainstalować STAN i będziesz potrzebował kompilatora C ++, ponieważ brms kompiluje model zdefiniowany za pomocą R w kodzie STAN do oceny.
brmsktóre rzeczywiście jest bardzo ładne i elastyczne. Wraz z Niki Umlauf planowałem również napisać kilka rodzin zliczających,bamlssaby uzyskać dodatkowe elastyczne funkcje regresji ... ale jak dotąd nie udało nam się policzyć dystrybucji danych.