Ein Zero-Inflated Model (ZIM) ist ein statistisches Modell, das verwendet wird, um Zählungsdaten zu analysieren, in denen eine ungewöhnlich hohe Anzahl von Nullwerten vorkommt. Diese Nullen können sowohl „echte Nullen“ als auch „überschüssige Nullen“ sein, die durch herkömmliche Modelle nicht angemessen berücksichtigt werden. ZIMs sind besonders nützlich, wenn die Daten eine Overdispersion aufweisen, d.h. die Varianz größer ist als das Mittel, was in Zählungsdaten häufig vorkommt.
Das Zero-Inflated Model kombiniert ein Poisson-Modell mit einem logistischen Modell. Das Poisson-Modell beschreibt die Verteilung der Zählungen, während das logistische Modell die Wahrscheinlichkeit modelliert, ob ein Nullwert vorliegt oder nicht. Dies ermöglicht eine bessere Trennung zwischen „echten Nullen“ und „überschüssigen Nullen“, wodurch die Vorhersagen genauer und die Interpretation der Ergebnisse zuverlässiger werden.
ZIMs finden Anwendung in verschiedenen Bereichen wie Ökonomie, Gesundheitswesen und Sozialwissenschaften, wo Zählungsdaten mit vielen Nullen häufig vorkommen. Beispielsweise können sie verwendet werden, um die Anzahl von Kundenbesuchen in einem Einzelhandelsgeschäft zu modellieren, wobei viele Kunden möglicherweise nie einen Besuch tätigen. Durch die Verwendung von ZIMs können Unternehmen und Forscher ein tieferes Verständnis der zugrunde liegenden Faktoren gewinnen, die zu den Nullwerten führen, und somit bessere Entscheidungen treffen.