一、零膨胀泊松回归所属模块
零膨胀泊松回归在SPSSAU中属于【计量经济研究】模块。
二、方法概述
零膨胀泊松回归主要用于处理零值很多的计数型数据，尤其适合结果变量中“0”明显偏多的研究场景。它既能分析零值出现的可能性，也能分析非零计数部分的变化规律，常用于医疗、公共管理、消费行为等研究中。
三、变量设置规则
1.总体要求
零膨胀泊松回归共需要设置4类变量，分别是Y（定量）、X（定量/定类）、零膨胀项X【可选】、基数Exposure【可选】。其中Y和X为必填，零膨胀项X与基数Exposure为可选。
2.具体设置
（1）Y（定量）
● 只能放入1个变量，且为必填。
● 用于放入计数型结果变量，适合数值为非负计数且零值较多的场景。
（2）X（定量/定类）
● 最少放入1个，最多可放入100个变量，属于必填项。
● 用于放入影响结果变量的解释变量，既可以是定量变量，也可以是定类变量。
（3）零膨胀项X【可选】
● 最多可放入10个变量，可以不放。
● 用于解释样本为什么更容易出现额外零值，适合希望单独分析零值形成机制的场景。
（4）基数Exposure【可选】
● 最多可放入1个变量，可以不放。
● 用于放入暴露量或基数类变量，适合不同样本观察机会不完全一致的情况。
四、参数设置及解释说明
标准化
● 该参数默认勾选。
● 含义是对X进行标准化处理。
● 如果自变量量纲差异较大，保留标准化通常更便于比较各变量影响强弱；如果更关注原始单位下的解释，可以结合研究目标决定是否取消。
五、分析结果表格及其解读
SPSSAU完成零膨胀泊松回归后，通常会输出零膨胀数据汇总结果、模型似然比检验、分析结果汇总、简化格式结果表，以及样本缺失情况汇总表；如果数据不满足分析条件，也可能只返回提示信息而不输出完整表格。
1.表1：零膨胀数据汇总结果
该表格用于展示数据中零值和非零值的分布情况，包含项、样本量、百分比3个核心指标。
● 样本量：表示对应类别下的样本数量，作用是帮助判断零值是否明显偏多。
● 百分比：表示对应类别在总样本中的占比。若零值比例较高，通常说明使用零膨胀类模型更合适。
● 总计：用于展示总样本量及整体占比，便于核对分析样本是否完整。
2.表2：零膨胀泊松回归模型似然比检验
该表格用于比较最终模型和仅截距模型的差异，包含模型、-2倍对数似然值、卡方值、df、p、AIC值、BIC值等指标。
● -2倍对数似然值：用于反映模型拟合情况，通常结合其他指标一起比较更稳妥。
● 卡方值：用于衡量最终模型相较于仅截距模型是否有明显改进，一般数值越大，模型提升证据越强。
● df：表示检验对应的自由度，主要用于辅助完成整体显著性判断。
● p：是判断模型整体是否显著改进的关键指标。通常当p值小于0.05时，说明最终模型相较于仅截距模型有较明显提升。
● AIC值、BIC值：用于辅助评价模型优劣。一般数值越小，代表模型综合表现越好。
3.表3：零膨胀泊松回归分析结果汇总
该表格是核心结果表，用于同时呈现零膨胀部分和计数部分的回归结果，包含回归系数、标准误、z值、p值、OR值、OR值95%置信区间等指标。
● 回归系数：表示变量对结果的影响方向和影响强弱，用于判断变量与结果之间是正向还是负向关系。
● 标准误：用于反映估计结果的稳定性，一般越小说明估计越稳定。
● z值：用于辅助判断系数是否具有统计意义，通常绝对值越大，变量越可能具有解释价值。
● p值：是判断变量是否显著的关键指标。一般当p值小于0.05时，说明该变量影响较明显；当p值大于或等于0.05时，说明证据不足。
● OR值：用于反映变量变化后结果发生相对变化的方向和幅度。一般OR值大于1说明对应影响方向偏正，小于1说明偏负，接近1说明影响相对有限。
● OR值95% CI：用于显示OR值估计区间。若区间整体远离1，通常说明结果更稳定；若区间跨度较大，则说明估计不够稳定。
● alpha：该表中同样会呈现该项，适合作为模型附加结果参考。实际解读时建议重点结合整体拟合和核心自变量显著性综合判断，不宜单独孤立下结论。
● McFadden R方：用于衡量模型整体解释效果，数值越高通常说明模型相对表现越好，但不能直接等同于线性回归中的R²理解。
4.表4：零膨胀泊松回归分析结果汇总-简化格式
该表格用于以更紧凑的方式展示核心结果，包含各项回归系数、样本量、似然比检验和McFadden R方等内容，适合快速查看结论。
● 回归系数：用于快速查看各变量影响方向和显著性标记，便于结果汇报。
● 样本量：表示进入分析的有效样本数量，样本越充分，结论通常越稳定。
● 似然比检验：用于快速判断整体模型是否显著优于基准模型，通常重点看对应p值是否小于0.05。
● McFadden R方：用于补充判断模型整体解释效果，可作为简化阅读时的重要参考指标。
5.表5：样本缺失情况汇总
该表格在原始数据存在缺失时输出，用于展示有效样本、排除无效样本和总样本的数量及占比。
● 有效样本：表示真正进入模型分析的数据量，占比越高，通常说明数据可用性越好。
● 排除无效样本：表示因缺失等原因被剔除的数据量。若占比较高，需要关注数据完整性问题。
● 总计：表示原始总样本量，用于和有效样本进行对照。
以上就是SPSSAU零膨胀泊松回归的相关内容，更深入教程可查看SPSSAU帮助手册、教学视频、疑难解惑等资料。
