ZIP / ZINB 计数模型 · empirical-wizard methods

ZIP / ZINB 计数模型是什么？

ZIP / ZINB 回答的是计数结果里为什么有特别多的零。它区分两种零：一种是本来不可能发生的结构性零，另一种是有可能发生但这次碰巧为零。

先用一句话理解

把 ZIP 想成先问一个人会不会进入游戏，再问进入游戏后得多少分。没有进入游戏的人分数一定是 0；进入游戏的人也可能刚好得 0 分。两种零不能混在一起解释。

什么时候用

判断项	教科书式判断
适合用在	因变量是计数，零值比例异常高，并且理论上存在结构性零过程。
先不要用在	只是普通计数里零多，但没有结构性零的研究故事。
最关键的前提	零膨胀方程和计数方程分别代表什么机制要讲清楚。
读表顺序	先看零值比例，再看 inflate 方程和 count 方程。
论文表述边界	ZIP 不是自动比 Poisson 好，必须有双过程解释。

把它和相近方法分清楚

容易混淆的对象	怎么区分	初学者记法
Poisson	所有零都来自同一个计数过程。	简单但可能低估零。
负二项	允许过度离散。	不直接区分结构性零。
ZIP/ZINB	把结构性零和计数零分开。	需要双过程理论。

核心直觉和模型公式

两类零的混合模型

ZIP 的概率结构可以写成：

P(Y_i=0)=\pi_i+(1-\pi_i)\exp(-\lambda_i)

P(Y_i=y>0)=(1-\pi_i)\frac{\exp(-\lambda_i)\lambda_i^y}{y!}

pi_i 是结构性零概率，lambda_i 是进入计数过程后的期望次数。

公式里的符号怎么读

符号	含义	在本页怎么理解
π_i	结构性零概率	个体根本不会发生事件的概率。
λ_i	计数均值	可发生事件群体中的期望次数。
Y_i	计数结果	专利数、访问数、事故数等。
inflate 方程	解释为什么永远为零。	对应结构性零机制。
count 方程	解释发生次数多少。	对应 Poisson/NB 计数机制。

专业使用口径

专业 ZIP 报告要把两个方程的机制分开解释。

口径	专业写法
零值诊断	说明零值比例为什么超出普通计数模型。
结构性零	给出哪些样本理论上不可能发生事件。
方程分工	inflate 方程解释是否进入风险集，count 方程解释次数。
模型比较	和 Poisson/NB 对照，避免过度建模。

一步一步做：从问题到结果的五步

步骤	这一页具体做什么	做到什么程度才算读懂
1. 确认计数属性	Y 必须是非负整数次数。	连续变量不适用。
2. 检查零值	判断零值是否异常多。	零多只是线索。
3. 建立双过程故事	谁不可能发生，谁只是这次没发生。	没有故事不要用 ZIP。
4. 分别解释两组系数	inflate 和 count 方向可能相反。	不能混读。
5. 做模型对照	比较 Poisson、NB、ZIP/ZINB。	选择要服务研究机制。

结果怎么读：先读口径，再读数字

本页案例读表时，先记住这个口径：Logit 系数 = 0.0177；高创新企业概率模型中的 DFI 系数。

读表顺序	本页怎么读	不要这样读
先看零值比例	零值是否需要特别建模。	不是所有零多都要 ZIP。
再看 inflate 方程	哪些变量影响结构性零。	系数方向要小心。
然后看 count 方程	进入风险集后次数如何变化。	这是另一套机制。
最后看模型对照	ZIP 是否真的改善解释。	过度复杂会牺牲透明度。

初学者最容易错在哪里

误读	为什么错
看到零多就用 ZIP	错。必须有结构性零机制。
把两个方程系数混着解释	错。inflate 和 count 含义不同。
连续变量也用 ZIP	错。ZIP 是计数模型。
不和 NB 对照	不够。过度离散也可能解释零多。

先看这个案例的结论

Logit 系数 = 0.0177；高创新企业概率模型中的 DFI 系数。
Poisson 系数 = -0.0006；专利计数模型中的 DFI 系数。
基准 OLS 系数 = 0.0032；与线性模型方向对照。
这些数字来自页面里的结果表；写论文时先解释数值含义，再讨论理论含义。

变量要求和案例口径

字段	口径
数据	CSMAR 风格 A 股企业创新面板
原始样本	196 家上市公司，2015-2020 年，约 1200 个公司-年观测；各方法有效样本以本页输出表 N 为准
因变量	patent_count；回归页通常使用 ln(1 + patent_count)
核心解释变量	dfi_index，数字普惠金融指数；部分案例输出展示的是标准化后的 dfi_index
控制变量	roa、lev、size、growth、cashflow、tobinq、top1、dual、board、indep、soe、age
输出文件	zip_zinb_results.csv
角色要求	因变量、核心解释变量
依赖包	无额外 Stata 社区包要求

实际代码

下面是本页案例里的最小 Stata 代码。它的作用是帮助你看清变量怎么进入模型、结果文件怎么生成，而不是要求你在网页里手动运行。

import delimited "$DATA_PATH", clear varnames(1) encoding(UTF-8)
gen ln_patent1 = ln(1 + patent_count)
egen firm_id = group(stkcd)
xtset firm_id year

global y ln_patent1
global count_y patent_count
global x dfi_index
global controls roa lev size growth cashflow tobinq top1 dual board indep soe age
gen post = year >= 2018
bysort firm_id: egen pre_dfi = mean(cond(year < 2018, dfi_index, .))
quietly summarize pre_dfi, detail
gen treat = pre_dfi >= r(p50)
gen did = treat * post
gen high_patent = patent_count > 2
gen running_dfi = dfi_index - 260
gen rdd_treat = running_dfi >= 0

zip patent_count $x roa lev size growth cashflow, inflate(soe age) vce(robust)
export delimited using "$JOB_DIR/zip_zinb_results.csv", replace

实际输出表

这张表是本方法页配套案例的输出结果，用来把前面的公式、变量口径和代码对应到实际数字。

指标	数值	解释
样本	1200 obs / 196 firms / 2015-2020	来自共用案例 CSV
因变量	ln(1 + patent_count)	企业创新产出
核心解释变量	dfi_index	数字普惠金融指数
输出文件	zip_zinb_results.csv	empirical-wizard 对应方法产物
Logit 系数	0.0177	高创新企业概率模型中的 DFI 系数
Poisson 系数	-0.0006	专利计数模型中的 DFI 系数
基准 OLS 系数	0.0032	与线性模型方向对照

案例图

这是一张由同一份案例数据生成的页面内诊断图。

论文里怎么写

本文在共用企业面板样本上报告ZIP / ZINB 计数模型，核心输出见 zip_zinb_results.csv。结果解释时同时关注样本口径、变量构造、系数方向、标准误和适用前提，避免只凭单个 p 值完成方法选择。

检查清单

先说明为什么存在结构性零，而不是普通计数过程自然产生的零。
分别解释 inflate 方程和 count 方程，不能把两部分系数混读。
用 Vuong、AIC/BIC 或理论理由比较 Poisson、NB、ZIP/ZINB。

返回教程库 · 查看共用案例