这个问题是关于在回归中处理自变量中的零点。

特别是，零不是丢失数据或真零，而是由于量化而出现的。作为一个具体的例子，假设观察是城市，变量是基于样本的某个类别的人数（或比例）。如果特定城市的样本很小，则该类别中的人数可能为零，即使该城市人口中的真实人数不为零。

在这种情况下，如果变量重尾，有哪些可能的方法来处理零？通常我会进行对数转换，但是当存在零时我不能这样做，并且因为许多观察结果都是零，排除它们会引入很大的偏差。

我正在考虑的一些事情：其他转换，用分数的贝叶斯估计替换变量，从回归切换到方差分析，以人作为观察值，将城市作为分类变量。这些是有效的方法吗？我有什么遗漏吗？优缺点都有什么？