こんにちは、
トラックの積み荷からのこぼれの頻度を記録したデータセットがあります。2年間にわたって、積み荷、日付、時刻、積み荷のボトル数、運転手、天候、夕暮れ/夜明けなどを記録しました。こぼれが最も起こりやすい時期のリスク要因を特定したいと考えています。しかし、これらのこぼれは非常にまれにしか起こらないため、ほとんどのデータは0です。たとえば、29,000行のデータがあり、これらの積み荷のうち約28,000行にはこぼれがありません。積み荷あたりの平均こぼれ数と、ボトル100万本あたりの平均こぼれ数を計算しました。しかし、ゼロ値が多数ある場合、分散分析を行うべきかどうか判断するのは困難です。どのようなタイプのモデリング/テストを使用するのが最適か、どなたかアドバイスをいただけませんか？こぼれが発生した場合に、その数と特定のリスク要因が関連しているかどうかを確認したいだけです。
ありがとう、
アビー
まず、コミュニティへようこそ。稀な事象との因果関係をどのように構築するかという問題は非常に困難です。流出頻度という応答変数は、あまり効率的な応答変数ではありません。また、因果関係を理解する上で、識別力もそれほど高くありません。これは、考えられる多くの故障モード／メカニズムの集合体です。
これらは実験計画で調査するのが困難です（トラックを流出させることはできるかもしれませんが、それが現在流出している理由ではないかもしれません）。私としては、指示されたサンプリング（変動および安定性試験の構成要素であり、プロセスを現状のまま調査する）を使用するのが賢明でしょう。ここで疑問が生じます。これらは本当にデミングが定義した特殊原因事象なのでしょうか？もしそうであれば、彼は、事象を予測するために時間と労力を費やすのではなく（共通原因作用）、事象に具体的かつ局所的に反応すべきだとアドバイスしています。これらは実際には高次効果（例えば、4次以上の相互作用効果）なのでしょうか？事象を引き起こす要因の組み合わせです。
既存のデータセットにはどの程度の信頼性がありますか？記録されていない流出（おそらく小規模または修正済み）はありますか？流出物の重量は分かりませんが、ご説明から推測すると、何らかのボトルが落下したという手がかりがあります。ボトルが落下しても破損しない場合は、流出と言えるでしょうか？流出量の規模は関係ありますか？
次のようなことが可能です。
1. まず、これらの事象の原因と理由について仮説を立てましょう。例えば、「トラックの積載量が不均一なため、トラックが不安定になり、流出事故が発生する」といった具合です。既存のデータセットから散布図や相関関係を分析することはできるかもしれませんが、それは将来のデータで検証する必要がある仮説を立てるための刺激に過ぎません。
2.要因を網羅的にリストアップする。プロセスマッピングとFMEA（故障予測分析）は、多くの場合、この作業に役立ちます。トラックへの積み込み、移動、荷降ろしのプロセスを実際に観察してください。現在のデータセットには、これらの要因すべてに関する情報が含まれていない可能性があります。
3. 故障に関するより深い洞察をもたらす現象と相関関係にある可能性のある、他の応答変数（例：流出の可能性を高める可能性のある状況の数、流出場所、トラックからの流出方向など）を測定できますか？あるいは、例えば、トラック内の積荷の重量バランスの影響について仮説を立てるかもしれません。トラックの積荷内および積荷間の重量分布を測定するかもしれません。あるいは、道路状況が原因であると疑われる場合は、トラックに加速度計を追加するかもしれません。あるいは、速度計などを追加するかもしれません。
4. 流出の可能性が高まると想定される状況（例えば、路面状況の変化を吸収するサスペンションなど）に対して、トラックを堅牢なものにする。これは、プロセス中のノイズを研究に含める限り、実験によって実現できる。ここでも、必要なリソースを評価し、共通原因対策が費用対効果に優れているかどうかを判断する必要がある。稀な事象に対して堅牢である必要があるだろうか？
@スタットマンの推奨に少しだけ異なる観点を追加します (私もこれを支持します)。JMP フィット モデル プラットフォームのフィッティング特性として、ゼロ膨張ポアソン回帰を試してみるとよいでしょう。
