你好，
我有一组记录卡车货物泄漏频率的数据。我记录了两年的时间：货物、日期、时间、货物上的瓶子数量、驾驶员、天气、黄昏/黎明等。我想确定泄漏最有可能发生的风险因素。然而，这些泄漏发生的频率如此之低，以至于我的大部分数据都为 0。例如，我有 29,000 行数据，其中约 28,000 批货物没有发生泄漏。我计算了每批货物的平均泄漏量和每百万瓶的平均泄漏量。然而，当我有这么多零值时，很难知道是否要进行方差分析。请问有人能否建议使用哪种类型的建模/测试最好？我只是想确定是否有任何特定的风险因素与泄漏发生时的次数有关。
谢谢，
艾比
首先欢迎来到社区。如何建立与罕见事件的因果关系是一个非常具有挑战性的问题。泄漏频率作为响应变量并不是一个非常有效的响应变量。它在理解因果关系方面也缺乏判别力。它是许多可能的故障模式/机制的集合。
用实验设计来研究这些问题很有挑战性（虽然你很可能让卡车漏油，但这可能不是它现在漏油的原因）。我倾向于使用定向抽样（作为变异和稳定性研究的一部分，用于研究过程本身）。问题是，这些实际上是戴明定义的特殊原因事件吗？如果是，他的建议是针对事件做出具体而局部的反应，而不是花时间和精力去预测事件（共同原因行为）。它们实际上是高阶效应（例如，>4阶交互效应）吗？是指多种因素共同作用导致事件发生的现象。
您对现有数据集的可信度有多高？是否存在未记录的泄漏（可能泄漏量较小或已纠正）？我不知道实际的负载量是多少，但从您的描述来看，线索是某种瓶子。如果瓶子掉出来没有破碎，这算是泄漏吗？泄漏量大小重要吗？
您可以执行以下操作：
1. 首先，先假设一下这些事件的可能成因及其背后的原因。例如：泄漏是由于卡车装载不均匀导致车辆不稳定而发生的。你或许可以利用现有数据集绘制一些散点图/相关性分析，但这只能激发你的思维，促使你提出一些假设，而这些假设需要用未来的数据来验证。
2. 制定一份详尽的因素清单。流程图和FMEA通常有助于做到这一点。确保你真正观察了卡车的装卸过程。你当前的数据集很可能不包含所有这些因素的信息。
3. 是否有其他可以测量的响应变量，这些变量可能与该现象相关，从而更好地洞察故障（例如，可能增加泄漏概率的情况数量、泄漏位置、卡车泄漏方向）？或者，例如，也许你假设卡车负载的重量平衡会产生影响。也许可以测量卡车负载内部和负载之间的重量分布。或者你怀疑是道路状况，也许你可以在卡车上安装加速度计。或者速度、车速表……等等。
4. 确保卡车能够应对你假设会增加泄漏可能性的情况（例如，悬挂系统会吸收不断变化的路况）。只要将过程中的噪声纳入研究范围，就可以通过实验来实现。同样，你必须权衡必要的资源，并确定采取共因措施是否确实具有成本效益。你是否需要对罕见事件保持稳健？
只是为了对@statman的建议添加一点不同的观点......我也赞同......您可能想尝试在 JMP 拟合模型平台中使用零膨胀泊松回归作为拟合个性。
