一般化回帰における指数関数的応答（Y）Generalized Regressionを使用してモデルを作成します。
Response（Y）は指数分布に従いますが、多くの「0」値が含まれます。
そのため、リンク関数として指数関数を使用できなかったと思います。
これは正しいですか ？
正しい場合、良い方法はありますか？
この応答（Y）をSHASHに変換する場合は？
再：一般化回帰における指数関数的応答（Y）指数分布は非常に制限的な分布です。より柔軟なのはガンマです。実際、指数関数は、形状パラメーター= 1のガンマの特殊なケースです（JMPの概念：mu = sigmaを使用）。GenRegには、ゼロでYをモデル化できるZI（Zero Inflated）ガンマオプションがあります。
再：一般化回帰における指数関数的応答（Y）ありがとう、Jiancao
あなたのコメントは非常に適切だと思います。
また、私は他の2つの実用的な（？）方法について考えています。
方法1：Response（Y）のすべての値をわずかに調整して、「0」の問題を回避します
すなわち、Response（Y）のすべての値に非常に小さな数を追加します
方法2：Response（Y）には欠陥カウントデータのような多くの0値があるため、ポアソンを使用します。
しかし、これらが良い代替品になるかどうかはわかりません。
再：一般化回帰における指数関数的応答（Y）一樹、
データにゼロがないように値を調整することは非常に危険です。別の調整値を選択することにより、統計的検定の結果を（有意から有意でないまで）変更できる状況を見てきました。どちらの場合も、調整は検出値の限界よりも小さかった。適切なディストリビューションを使用する方がはるかに優れています。ガンマとポアソンの両方には、データ内のゼロを説明するゼロ拡張オプションがあります。
再：一般化回帰における指数関数的応答（Y）ポアソン（およびその問題の負の二項分布）に関しては、Yが離散値、0、1、2、...をとっています。
再：一般化回帰における指数関数的応答（Y）これがコンテキストなしで実際に有用であるかどうかを知ることは困難ですが、常に反省するのは良いことですなぜ 0値が記録されました。しかし、これらの値を「。」に置き換える価値があるかもしれません。そして、一般回帰（「モデル仕様」LRTの下）で「情報不足」オプションを試します。
