计数数据是一种特殊的离散型数据，在统计模型的学习上具有重要意义.因此，我们有必要对计数数据模型进行深入的研究.从泊松回归模型到零膨胀泊松回归模型，从负二项回归模型到零膨胀负二项回归模型，我们的探讨越来越全面，越来越细致.　　参数估计是数理统计中的重点之一，主要方法可以分为两大类.一大类是参数方法，另一大类是非参数方法.相比较而言，非参数方法具有对回归函数限制少、效果好等优点，因此具有广泛的应用.而局部多项式核回归就是一种对函数进行逐点估计的非参数方法，它所涉及的参数个数少;只要选取适当的核函数K(·)和带宽h，把它应用在零膨胀泊松模型中，相信可以取得不错的拟合效果.　　零膨胀泊松回归模型是一种有限混合模型，在分析零过多的计数数据方面具有很好的效果.它有两个参数，一个是膨胀概率ω，另一个是泊松均值μ，本文主要讨论膨胀概率ω为常数的情况.相比于ω为变量的情况，本文所讨论的更为简便，但丝毫不影响最终的结果.本文主要采用EM算法来极大化似然函数，从而对参数进行估计，部分过程还得利用Newton-Raphson算法.实际的迭代过程非人力所能及，故我们运用计算机进行模拟计算.由于极大似然估计有其自身的缺陷，所以模拟曲线在大多数点处的拟合效果还算不错，但是在边界点处存在较大的偏差.