背景：我是一名生物统计学家，目前正在努力研究细胞表达率数据集。该研究使从各种供体中成组收集的大量细胞暴露于某些肽。细胞要么表达某些生物标志物，要么不表达。然后记录每个捐助者群体的答复率。应答率（以百分比表示）是关注的结果，而肽暴露则是预测因素。
请注意，观察结果集中在捐助者之内。
由于我只有汇总数据，因此我将捐助方的回应率视为连续数据（至少目前如此）。
复杂性源于我的数据中有很多零的事实。太多不容忽视。我正在考虑使用零膨胀伽玛模型来处理这样一个事实，即我歪曲了连续数据以及过多的零。我也考虑过Tobit模型，但是由于它假设检查范围是下限，而不是真正的零（计量经济学家可能会说这是没有意义的），因此它看起来很差。
问题：通常来说，什么时候使用零膨胀伽玛模型合适？也就是说，有什么假设？以及如何解释其推论？如果您有任何讨论此文章的链接，我将不胜感激。
我在SAS-L上找到了一个链接，其中Dale McLerran为零膨胀的伽马模型提供了NLMIXED代码，因此这似乎是可能的。尽管如此，我还是不想盲目地充电。
Answers:
首先，您没有在表达式数据中看到真正的零。您的生物学家在说，就像所有生物学家一样，但是当生物学家说“它为零”时，实际上意味着“它低于我的检测阈值，因此不存在”。由于该领域缺乏数学复杂性，这是一种语言问题。我是根据个人经验讲的。
您提供的链接中关于零膨胀Gamma的解释非常好。据我了解，导致数据产生的物理过程是选择供体，然后用某种肽进行处理，然后从该供体的细胞中测量应答。这里有几层。一个是供体反应的整体强度，它决定了所测量的每个特定细胞的表达水平。如果您将零膨胀伽玛中的伯努利变量解释为“捐助者的反应足够强到可以衡量”，那么可能会很好。只需注意，在这种情况下，您会将各个细胞表达的噪音与强烈反应的供体之间的变异混为一谈。由于单个单元格中的表达噪声大致呈伽马分布，
如果供体和细胞之间的额外变异没有破坏您的Gamma适应度，而您只是试图表达与应用的肽相比，那么就没有理由不应该这样做了。
如果需要进行更详细的分析，则建议您构建一个自定义的层次模型以匹配导致您进行测量的过程。
我找到了一种相当优雅的解决方案。文献中有一篇非常出色的文章，标题为“在零成簇的情况下重复测量数据的分析”，该文论证了相关数据的零膨胀对数正态模型。作者提供了一个基于PROC NLMIXED且非常易于实现的SAS宏。好消息是，通过忽略repeated宏中的语句，可以将其简化为没有聚集观察的情况。坏消息是NLMIXED还没有我们经常需要的许多关联结构，例如自回归。
该宏名为MIXCORR，并且具有一个非常有用的Wiki页面，您可以在此处找到。宏本身可以在此处下载。
我强烈建议所有这些链接。希望您发现它们有用。