对于 R 有两个选项浮现在脑海中，这两个选项我充其量只是模糊地熟悉。

第一个是pscl包，它可以以非常漂亮、灵活的方式适应零截断充气和跨栏模型。该pscl包建议使用sandwich提供“横截面、时间序列和纵向数据的模型稳健标准误差估计器”的包。因此，您可以拟合您的计数模型，然后使用该sandwich包估计残差的适当协方差矩阵，同时考虑数据的纵向性质。

第二种选择可能是查看geepack看起来可以执行您想要的操作的包，但仅适用于具有已知 theta 的负二项式模型，因为它适合 Rglm()函数可以的任何类型的 GLM（因此请使用 MASS 中的族函数） .

第三种选择引起了人们的注意：gamlss它是附加包gamlss.tr。后者包含一个函数gen.trun()，可以灵活地将支持的任何分布gamlss()转换为截断分布 - 例如，您可以指定左截断为 0 负二项分布。gamlss()本身包括对随机效应的支持，它应该照顾数据的纵向性质。但是，目前尚不清楚您是否必须在模型中使用至少一个协变量的平滑函数，或者只能将所有内容建模为 GLM 中的线性函数。

嗯，好的第一个问题！我不知道符合您精确要求的软件包。我认为 Stata 的xtgee是一个不错的选择，如果您还指定了vce(robust)提供 Huber-White 标准错误的选项，或者vce(bootstrap)如果这很实用。尽管忽略零截断会导致模型错误指定，但这些选项中的任何一个都将确保一致地估计标准误差。

这就留下了一个问题，即忽略零截断将对您感兴趣的点估计产生什么影响。值得快速搜索一下是否有相关文献，即不一定在 GEE 上下文中——我原以为您可以非常安全地假设任何此类结果也与 GEE 案例相关。如果找不到任何东西，您始终可以使用零截断和已知效应估计来模拟数据，并通过模拟评估偏差。

我的论文中有同样的问题。在 Stata 中，我刚刚为自己构建了一个自定义的 .ado 程序，其中包含两次对 xtgee 的调用。

为此，我发现 Partha Deb、Willard Manning 和 Edward Norton 的“建模医疗保健成本和计数”幻灯片/程序很有用。他们不谈论纵向数据，但这是一个有用的起点。

我正在寻找有关 glmmADMB 解释的答案，我看到了您的帖子。我知道那是很久以前的事了，但我可能有答案。

使用跨栏模型时查看包 glmmADMB。您必须将数据分析分成两部分：其中一个只处理非零数据。您可以添加混合效果并选择分布。条件是数据必须是零膨胀的，我不知道这是否符合您的要求！无论如何，我希望你很久以前就知道了！