零膨胀删失数据建模新突破：基于广义指数/对数正态/对数逻辑分布的野猪扩散距离分析

针对野猪扩散距离数据存在零膨胀(Zero-Inflation)和右删失(Right-Censoring)的复杂特征，研究人员创新性地构建了基于广义指数(GE)、对数正态(Lognormal)和对数逻辑(Log-logistic)分布的三种零膨胀删失回归模型。通过蒙特卡洛模拟评估模型偏差和均方误差，并利用包含年龄、性别协变量的模拟数据集验证显示，新模型能有效解析协变量对扩散距离的正向影响，为零膨胀删失数据的可靠推断提供了重要方法学工具。

　　

在生态学研究领域，野猪(Sus scrofa)扩散距离数据往往呈现两大特征：大量个体表现为零移动距离(Zero-Inflation)，而部分远距离扩散个体因监测范围限制产生右删失(Right-Censoring)。传统回归模型难以同时处理这两种特殊数据结构。

这项研究提出了三种新型零膨胀删失回归模型：

1. 1.

   基于广义指数分布(Generalized Exponential, GE)的ZI-GECR模型

2. 2.

   采用对数正态分布(Lognormal)的ZI-LNCR模型

3. 3.

   基于对数逻辑分布(Log-logistic)的ZI-LLCR模型

研究团队通过构建包含年龄(Age)和性别(Sex)两个协变量的模拟数据集，采用最大似然估计(Maximum Likelihood Estimation)方法进行参数拟合。蒙特卡洛(Monte Carlo)模拟结果显示，新模型在偏差(Bias)和均方误差(MSE)指标上表现优异。特别当年龄增长和雄性性别对扩散距离产生正向影响时，模型能准确捕捉这种关联模式。

该建模框架为处理具有零膨胀和删失特征的生态学数据提供了灵活解决方案，对野生动物迁徙研究、入侵物种防控等应用领域具有重要方法论价值。