除了mgcv及其零膨胀泊松族 (ziP()和ziplss())，您还可以查看Paul-Christian Bürkner的 brms包。它可以拟合分布模型（您不仅可以建模均值，在您的情况下，可以将模型的零通胀分量建模为协变量的函数，就像计数函数一样）。

您可以分别通过简单的 1-d 或各向同性 2-d 样条或各向异性张量积样条的术语s()在任何线性预测变量（平均值/计数、零膨胀部分等）中包含平滑。t2()它支持零膨胀二项式、泊松、负二项式和 beta 分布，以及零一膨胀 beta 分布。它还具有泊松和负二项式响应的障碍模型（其中模型的计数部分是截断分布，以免产生更多的零计数）。

brms使用STAN拟合这些模型，因此它们是完全贝叶斯的，但这需要您学习一组新的接口来提取相关信息。也就是说，有几个包只为这个任务提供支持功能，并且brms编写了利用这些辅助包的辅助函数。您需要安装 STAN，并且需要 C++ 编译器，因为brms将使用 R 定义的模型编译为 STAN 代码以进行评估。

该glmmTMB软件包提供了这一点，并在最近的 bioRxiv 论文中进行了描述：Brooks et al。（2017）。使用bioRxiv、doi:10.1101/ 132753对零膨胀计数数据进行建模glmmTMB。

加文·辛普森 (Gavin Simpson) 也有一篇不错的博客文章glmmTMB与mgcv此目的进行了比较：用 mgcv 拟合计数和零膨胀计数 GLMM。