月降水天数的零膨胀泊松回归：过多晴天的建模.docxVIP

月降水天数零膨胀泊松回归分析结果解读

一、方法概述

零膨胀泊松回归(Zero-InflatedPoissonRegression,ZIP)是处理计数型因变量中零值过度堆积问题的统计方法。传统Poisson回归假设数据服从单一Poisson分布,但当数据中存在大量零值观测时,Poisson模型会低估零值概率,导致参数估计偏误。零膨胀模型通过引入混合分布假设,将数据生成过程分解为两个独立的子模型:一个是零膨胀部分(logistic模型),解释样本为何落入结构性零状态;另一个是计数部分(Poisson模型),解释非零计数的大小。这种双过程建模框架使得ZIP模型能够同时处理过多的零值和计数分布特征。本研究利用SPSSAU软件平台,以降雨量、温度和湿度为解释变量,对月降水天数(含大量零值)进行零膨胀泊松回归分析。

在SPSSAU【计量经济研究】模块选择【零膨胀泊松回归】，将变量拖拽至右侧对应分析框，操作如下图：

二、零膨胀数据特征

表1报告了因变量(月降水天数)的零值分布情况。在300个月度观测中,降水天数为零的月份有171个,占比高达57.0%;非零观测仅129个,占比43.0%。超过半数的观测值落在零值,这一比例远超传统Poisson分布的预期零值概率,存在明显的零膨胀特征。如果直接使用标准Poisson回归进行建模,模型将严重低估零值概率,导致参数估计不一致和标准误偏误。因此,