"द एनालाइजेशन फैक्टर" में करेन ग्रेस-मार्टिन द्वारा 'जीरो-वन इन्फ्लाटेड बीटा मॉडल्स' पर एक मौजूदा ऑनलाइन रिव्यू पीस , प्रस्तावित समाधान (2013 में मैटी ओ द्वारा ऊपर उल्लिखित) को रेखांकित करते हुए, 0,1 घटना को संबोधित किया। । गैर-तकनीकी समीक्षा से भागों को उद्धृत करने के लिए:
इसलिए यदि कोई ग्राहक 30 दिनों में से 30 दवाएँ लेता है, तो बीटा प्रतिगमन नहीं चलेगा। डेटा सेट में आपके पास कोई 0s या 1s नहीं हो सकता है।
ज़ीरो-वन इन्फ्लेटेड बीटा मॉडल
हालाँकि, बीटा रिग्रेशन मॉडल का एक संस्करण है जो इस स्थिति में काम कर सकता है। यह उन मॉडलों में से एक है जो थोड़ी देर के लिए सिद्धांत के आसपास रहे हैं, लेकिन केवल पिछले कुछ वर्षों में (कुछ) मुख्यधारा के भौगोलिक सॉफ्टवेयर में उपलब्ध हो गए हैं।
इसे ज़ीरो-वन-इन्फ्लेस्ड बीटा कहा जाता है और यह ज़ीरो-इन्फ्लेस्ड पॉइज़न मॉडल की तरह बहुत काम करता है।
यह एक प्रकार का मिश्रण मॉडल है जो कहता है कि वास्तव में तीन प्रक्रियाएं चल रही हैं।
एक ऐसी प्रक्रिया है जो शून्य और गैर शून्य के बीच अंतर करती है। विचार यह है कि गुणात्मक रूप से कुछ अलग है उन लोगों के बारे में जो अपनी दवा कभी नहीं लेने वालों की तुलना में कम से कम कभी-कभी लेते हैं।
इसी तरह, एक प्रक्रिया है जो लोगों और गैर-लोगों के बीच अंतर करती है। फिर, उन लोगों के बारे में गुणात्मक रूप से कुछ अलग है जो हमेशा अपनी दवा लेते हैं जो कभी-कभी या कभी नहीं करते हैं।
और फिर एक तीसरी प्रक्रिया है जो यह निर्धारित करती है कि यदि कोई व्यक्ति कुछ समय के लिए अपनी दवा लेता है।
पहली और दूसरी प्रक्रिया एक लॉजिस्टिक रिग्रेशन के माध्यम से और तीसरी एक बीटा रिग्रेशन के माध्यम से चलाई जाती है।
इन तीन मॉडलों को एक साथ चलाया जाता है। उनमें से प्रत्येक के पास भविष्यवक्ताओं का अपना सेट और गुणांक का अपना सेट हो सकता है ...
वितरण के आकार के आधार पर, आपको तीनों प्रक्रियाओं की आवश्यकता नहीं हो सकती है। यदि डेटा सेट में शून्य नहीं हैं, तो आपको केवल 1 पर मुद्रास्फीति को समायोजित करने की आवश्यकता हो सकती है।
यह अत्यधिक लचीला है और आपके डेटा विश्लेषण टूलबॉक्स में महत्वपूर्ण विकल्प जोड़ता है। "
यहां 'जोइब: एन आर पैकेज फॉर बेयसियन इन्वेंशन फॉर बीटा रिग्रेशन एंड जीरो / वन इन्फ्लेस्ड बीटा रिग्रेशन' के लिए एक और हालिया दिसंबर 2015 तकनीकी पेपर स्रोत भी है । लेखक नोट करते हैं कि y चर, शून्य / एक फुलाया हुआ बीटा (ZOIB) प्रतिगमन मॉडल (ओं) में लागू किया जा सकता है, जब y बंद इकाई अंतराल [0, 1] से मान लेता है। जाहिरा तौर पर, ज़ोइब मॉडल मानता है कि यिज एक टुकड़ा करने योग्य वितरण (p.33 पर (1) में दर्शाया गया सिस्टम देखें)।