Además de mgcv y sus familias de Poisson con inflación cero ( ziP()y ziplss()), también puede consultar el paquete brms de Paul-Christian Bürkner. Puede ajustarse a modelos de distribución (donde modela más que solo la media, en su caso el componente de inflación cero del modelo puede modelarse como una función de covariables al igual que la función de conteo).
Puede incluir suavizados en cualquiera de los predictores lineales (para la parte media / cuenta, parte de inflación cero, etc.) mediante s()y t2()términos para splines simples 1-d o isotrópicas 2-d, o splines de producto tensor anisotrópico respectivamente. Tiene soporte para distribuciones binomiales infladas a cero, Poisson, binomiales negativos y beta, más distribuciones beta infladas a cero uno. También tiene modelos de obstáculos para Poisson y respuestas binomiales negativas (donde la parte de conteo del modelo es una distribución truncada para no producir más conteos de cero).
brms se ajusta a estos modelos con STAN , por lo que son completamente bayesianos, pero esto requerirá que aprenda un nuevo conjunto de interfaces para extraer información relevante. Dicho esto, hay varios paquetes que ofrecen funciones de soporte solo para esta tarea, y brms tiene funciones de ayuda escritas que utilizan estos paquetes secundarios. Necesitará instalar STAN y necesitará un compilador de C ++ ya que brms compila el modelo como se define usando R en el código STAN para la evaluación.
brmsque, de hecho, es muy agradable y flexible. Junto con Niki Umlauf, también he planeado escribir algunas familias de conteo parabamlssobtener algunas características de regresión más flexibles ... pero hasta ahora no hemos tenido la oportunidad de contar las distribuciones de datos.