零过多计数数据经常出现在生物医药、农业、保险等领域,为刻画此类数据,学者们对零过多模型进行了大量研究.然而,在实际问题中,某些零过多计数数据是按照时间收集得到的,此时经典的零过多模型可能不再适用.因此,本文将在零过多泊松(ZIP)随机效应模型的基础上,推广得到动态ZIP随机效应模型及半参数动态ZIP随机效应模型.首先,论文通过引入滞后项建立了动态ZIP随机效应模型,探讨了两种不同的参数估计方法,包括MCEM算法及非参数极大似然(NPML)估计法.该模型不仅可以刻画个体内部的相关性,也可以描述前后时刻的影响.其次,计数数据与时间的联系具有未知性,若人为地假定二者存在某线性关系,则可能导致模型结构不合理.为此,我们在模型中引入一个未知光滑函数,建立了半参数动态ZIP随机效应模型.文中基于P-样条对未知函数进行了近似,并结合惩罚对数似然函数,在MCEM算法框架下探讨了模型的参数估计.此外,本文应用Monte Carlo随机模拟方法研究了有限样本下两类模型参数估计方法的有效性.最后,我们将两种动态模型应用到实际问题中,对相关数据进行分析.为了说明文中动态模型的拟合情况,我们也使用ZIP随机效应模型和半参数ZIP随机效应模型来拟合相应的真实数据,基于AIC准则,我们发现,论文所给出的动态模型要优于相应的非动态模型.