非常感谢您对以下问题的建议：
我有一个大的连续数据集，有很多零（~95%），我需要找到最好的方法来测试它的某些子集是否“有趣”，即似乎不是来自相同的分布其余的部分。零膨胀来自这样一个事实，即每个数据点都基于具有真零和采样零的计数测量，但结果是连续的，因为它考虑了由计数加权的其他一些参数（因此，如果计数为零，则结果也是零）。
最好的方法是什么？我有一种感觉，Wilcoxon 甚至暴力置换测试都不够充分，因为它们会被这些零点扭曲。专注于非零测量也消除了极其重要的真零。计数数据的零膨胀模型非常发达，但不适合我的情况。
我考虑将 Tweedie 分布拟合到数据，然后在 response=f(subset_label) 上拟合 glm。从理论上讲，这似乎是可行的，但我想知道（a）这是否是矫枉过正，（b）仍然会隐含地假设所有零都是样本零，即会以与排列相同的方式（充其量）偏置？
直观地说，这听起来像是某种层次化设计，它结合了基于零比例的二项式统计，例如，根据非零值（或者，更好的是，非零值加上一小部分基于一些先验的零）。听起来像贝叶斯网络...
希望我不是第一个遇到这个问题的人，所以如果你能指出合适的现有技术，我将不胜感激......
非常感谢！