为了分析零膨胀鸟类数量，我想使用 R 包pscl应用零膨胀计数模型。但是，查看文档中提供的主要功能之一的示例（?zeroinfl），我开始怀疑这些模型的真正优势是什么。根据那里给出的示例代码，我计算了标准泊松、准泊松和负二项式模型、简单的零膨胀泊松和负二项式模型以及零膨胀泊松和负二项式模型以及零分量的回归量。然后我检查了观察数据和拟合数据的直方图。（这是复制它的代码。）

library(pscl)
data("bioChemists", package = "pscl")

## standard count data models
fm_pois  <- glm(art ~ .,    data = bioChemists, family = poisson)
fm_qpois <- glm(art ~ .,    data = bioChemists, family = quasipoisson)
fm_nb    <- glm.nb(art ~ ., data = bioChemists)

## with simple inflation (no regressors for zero component)
fm_zip  <- zeroinfl(art ~ . | 1, data = bioChemists)
fm_zinb <- zeroinfl(art ~ . | 1, data = bioChemists, dist = "negbin")

## inflation with regressors
fm_zip2  <- zeroinfl(art ~ fem + mar + kid5 + phd + ment | fem + mar + kid5 + phd + 
                     ment, data = bioChemists)
fm_zinb2 <- zeroinfl(art ~ fem + mar + kid5 + phd + ment | fem + mar + kid5 + phd + 
                     ment, data = bioChemists, dist = "negbin")

## histograms
breaks <- seq(-0.5,20.5,1)
par(mfrow=c(4,2))
hist(bioChemists$art,  breaks=breaks)
hist(fitted(fm_pois),  breaks=breaks)
hist(fitted(fm_qpois), breaks=breaks)
hist(fitted(fm_nb),    breaks=breaks)
hist(fitted(fm_zip),   breaks=breaks)
hist(fitted(fm_zinb),  breaks=breaks)
hist(fitted(fm_zip2),  breaks=breaks)
hist(fitted(fm_zinb2), breaks=breaks)!

我看不出不同模型之间的任何根本区别（除了示例数据对我来说似乎不是很“零膨胀”......）；实际上，没有一个模型对零的数量产生一半合理的估计。谁能解释零膨胀模型的优势是什么？我想一定有理由选择这个作为函数的例子。