零膨胀回归(Zero-Inflated简称ZI)模型已经应用于保险精算,医疗卫生以及社会经济等诸多领域,其用来解释计数数据出现零过多或过度分散的问题,如零膨胀负二项回归(ZINB)模型可以用来处理过度分散的计数数据,而零膨胀广义泊松(ZIGP)回归模型则可以用来处理零过多或过度分散的计数数据.然而,传统的零膨胀回归模型假设计数数据是不相关的,对于此种情形,现有的零膨胀模型可能无法确切地对计数数据的特点进行统计和分析,因此采用广义估计方程(GEE)来帮助解决这一问题,其可以用来估计参数,同时也可以解释来自同一主题观测值之间的相关性,因此,本文提出了基于零膨胀广义泊松(ZIGP)回归模型的广义估计方程(GEE)用于解释计数数据过度分散、过多的零以及来自同一主题观测值之间的相关性.在这项研究中,分别使用三种不同的方法分析Iowa氟化物研究中的数据,即基于零膨胀广义泊松回归模型的广义估计方程估计方法、独立的ZIGP模型和没有零膨胀模型的GEE方法,拟合数据,响应变量为受试者龋齿的数量,协变量为受试者牙齿检查时的年龄、受试者从饮食中摄入的氟化物、受试者每次观察时间点前6个月牙医就诊次数比例、受试者每次观察时间点前6个月接受专业氟化物治疗的平均次数比例和受试者平均每天刷牙频率,通过拟合这三种不同的方法并进行比较分析,表明基于零膨胀广义泊松回归模型的广义估计方程估计方法拟合的效果更好,好于其他的两种方法.