在相关应用科学研究领域,计数资料有时会表现出较大的变异性。当变量的方差远大于其均值时,便存在过离散现象。过离散的一种特殊情形就是零膨胀,是由于数据中含有大量的零值而造成方差和均值之间的差异,在建模时忽略这种现象,会导致参数的错误估计从而做出不合理的推论和预测。针对上述情形,国外学者们提出多个处理零膨胀现象的模型,比如零膨胀泊松模型、零膨胀负二项模型和零膨胀广义泊松模型。但在实践中,传统的零膨胀模型在小样本量的参数估计上出现较大的偏差。故本文在传统零膨胀模型的基础上,探讨了源于Beta-Binomial混合分布的零膨胀模型,并对新模型和上述三种模型做了模拟对比研究,结果显示在小样本、较低程度的过离散情形下,新模型比其它三个模型对参数和0概率的估计精度更高;另外,考虑到某些现实问题的复杂性,将空间和时间因素引入到零膨胀数据的建模之中,着重论述了具有时空效应的零膨胀模型及模型的MCMC实现,并通过实例分析表明时空效应-零膨胀泊松模型在对0概率预测优于传统零膨胀泊松模型,进一步说明了时空效应-零膨胀模型的可行性和有效性。