Come modellare dati continui non negativi a inflazione zero?

Attualmente sto cercando di applicare un modello lineare ( family = gaussian) a un indicatore di biodiversità che non può assumere valori inferiori a zero, è gonfiato a zero ed è continuo. I valori vanno da 0 a poco più di 0,25. Di conseguenza, esiste un modello abbastanza evidente nei residui del modello di cui non sono riuscito a liberarmi:

Qualcuno ha qualche idea su come risolverlo?

— David
fonte

Benvenuti in CV! Nota che il tuo nome utente, identicon e un link alla tua pagina utente vengono aggiunti automaticamente a ogni post che pubblichi, quindi non è necessario firmare i tuoi post. In effetti, preferiamo che tu non lo faccia.

— Silverfish,

Se è gonfiato a zero non può essere continuo, poiché le variabili continue non possono avere salti nel cdf (e ce n'è chiaramente uno a 0). Può essere continuo a parte gli 0.

— Glen_b -Restate Monica

Correlati: stats.stackexchange.com/questions/105320

— ameba dice

Esistono una varietà di soluzioni nel caso di distribuzioni continue (semi) non gonfiate:

Regressione di Tobia : presuppone che i dati provengano da una singola distribuzione normale sottostante, ma che i valori negativi vengano censurati e impilati su zero (ad es . Pacchetto censReg )
ostacolo o modello "a due stadi": utilizzare un modello binomiale per prevedere se i valori sono 0 o> 0, quindi utilizzare un modello lineare (o Gamma, o normale troncato o log-normale) per modellare i valori diversi da zero osservati
$1<p<2$ $x>0$

Oppure, se la tua struttura dati è abbastanza semplice, potresti semplicemente usare modelli lineari e usare test di permutazione o qualche altro approccio robusto per assicurarti che la tua inferenza non sia incasinata dall'interessante distribuzione dei dati.

Ci sono pacchetti / soluzioni R disponibili per la maggior parte di questi casi.

Ci sono altre domande su SE riguardo ai dati (semi) continui a zero (ad es. Qui , qui e qui ), ma non sembrano offrire una risposta generale chiara ...

Vedi anche Min & Agresti, 2002, Modellazione di dati non negativi con aggregazione a zero: un'indagine per una panoramica.

— Ben Bolker
fonte

@Ben Bolker "Utilizzeresti un modello lineare (o Gamma, o normale troncato o log-normale) per modellare i" valori diversi da zero previsti o effettivi?

— rolando2,