计数数据是一种常见的离散型数据,在我们日常生活中的众多领域都存在着大量的计数数据.处理计数数据的一个最基本的模型是泊松回归模型,但是他的局限性在于均值必须等于方差,这在实际中是很难满足的.而广义泊松分布是标准泊松分布的自然推广,它引入了散度参数,能够用来权衡均值和方差的关系.另一方面,有些计数数据还会出现大量的零数据,这些数据中的零的个数要明显多于泊松分布、广义泊松分布产生零的个数,我们称这些数据为含零过多的数据.本文主要研究的对象就是这类含零过多并且期望不等于方差的特殊数据,详细介绍了处理这类数据的一种典型模型——广义泊松Hurdle回归模型.具体研究内容如下.本文第一章介绍了研究的背景.第二章介绍了广义泊松回归模型、Hurdle回归模型和广义泊松Hurdle回归模型,并且给出了广义泊松Hurdle回归模型的参数估计方法.第三章给出了基于数据删除模型的统计诊断量,给出了参数估计的一步近似公式、广义Cook距离和似然距离,并且对散度参数的存在性进行检验.第四章给出了模型的选择方法,通过这些准则来判断哪个模型的拟合效果更好.第五章用Monte Carlo随机模拟方法来说明第二章第三章所介绍的统计量的有效性.第六章通过耳病发生次数的例子来说明对于这种含零过多并且期望不等于方差的数据用本文重点介绍的广义泊松Hurdle回归模型拟合效果最好.论文最后给出结论和进一步研究的问题.