没人关注，只好再次求助了，大家帮个忙了，万分感激！

我也不熟练，我们老师讲的是下面情况：
如果计数数据中含有大量的“0”值（zero outcome），则可以考虑使用“零膨胀泊松回
归”（Zero-Inflated Poisson regression，简记ZIP）或“零膨胀负二项回归”（zero-inflated negative
binomial regression）。从理论上来说，决策可能是分两阶段进行的。首先，决定“取零”（无）
或“取正整数”（有），这相当于二值选择。其次，如果决定“取正整数”，则进一步确定具
体选择哪个正整数。
为此，假定被解释变量yi  服从以下“混合分布”（mixed distribution），
                   P（yi=0/xi）=θ
                   P（yi=j/xi）=(1-θ)/(1-e-λ)后面再乘以波松分布的密度函数，其中-λ在幂的位置上

     θ>0与β是待估参数。因此，这是一个离散随机变量的分布律。进一步，可以让θ 依赖于解释变量z i （ zi
可以等于x i ，或与x i 有重叠部分），并用Logit 模型来估计此二值选择问题，即 yi  =0 或
y  i >0 。使用MLE 估计以上模型，即得到“零膨胀泊松回归”。类似地，可以定义“零膨
胀负二项回归”。
究竟应该使用“标准泊松回归”（standard Poisson）还是“零膨胀泊松回归”（ZIP）？
Stata 提供了一个Vuong 统计量(Vuong, 1989)，其渐近分布为标准正态。如果Vuong 统计量
很大，则应选择“零膨胀泊松回归”（或“零膨胀负二项回归”）；反之，如果Vuong 统计量
很小（为负数），则应选择“标准泊松回归”（或“标准负二项回归”）。

看看Camero and Trivedi:微观经济计量学——方法与运用

讲的太好了 获益了  我正纠结着  去试试  谢谢您啦