शून्य-स्पंदित (अर्ध-) निरंतर वितरण के मामले में कई समाधान हैं:
- टोबिट रिग्रेशन : मान लेता है कि डेटा एक अंतर्निहित अंतर्निहित सामान्य वितरण से आता है, लेकिन यह कि नकारात्मक मानों को सेंसर किया जाता है और शून्य पर स्टैक किया जाता है (उदाहरण के लिए सेंगर पैकेज )
- बाधा या "दो-चरण" मॉडल: यह मानने के लिए कि क्या मान 0 या> 0 हैं, यह भविष्यवाणी करने के लिए एक द्विपद मॉडल का उपयोग करें, फिर देखे गए गैर-शून्य मानों को मॉडल करने के लिए एक रेखीय मॉडल (या गामा, या छोटा सामान्य, या लॉग-सामान्य) का उपयोग करें
- १ < p < २x > ०
या, यदि आपकी डेटा संरचना पर्याप्त रूप से सरल है, तो आप यह सुनिश्चित करने के लिए कि आपके इंट्रेंस को डेटा के वितरण में गड़बड़ी नहीं हो रही है, आप सिर्फ रैखिक मॉडल का उपयोग कर सकते हैं और क्रमपरिवर्तन परीक्षण या कुछ अन्य मजबूत दृष्टिकोण का उपयोग कर सकते हैं।
इनमें से अधिकांश मामलों के लिए R पैकेज / समाधान उपलब्ध हैं।
एसई के बारे में शून्य-फुलाया (अर्ध) निरंतर डेटा (जैसे यहां , यहां और यहां ) पर अन्य प्रश्न हैं , लेकिन वे एक स्पष्ट सामान्य उत्तर की पेशकश नहीं करते हैं ...
जीरो पर क्लंपिंग के साथ मिनिंग एंड एगेस्टी, 2002, मॉडलिंग नॉनजेगेटिव डेटा भी देखें : एक सर्वेक्षण एक अवलोकन के लिए।