B.2 Truncation und Censoring

Wenn die Beobachtungen keine Nullen enthalten bzw. im Modell aus inhaltlichen Gründen nicht möglich sind, können zero-truncated (ZT) Modelle verwendet werden. Diese Modelle sind insbesondere im Kontext von hurdle models interessant (siehe Abschnitt B.3), in denen die positiven counts getrennt von den Null-counts modelliert werden. Eine truncated distribution wäre die zero-truncated Poisson (ZTP).

Bemerke, dass truncation hier etwas anderes meint als censoring:

Truncation bedeutet, dass bestimmte counts (i.e. Merkmalsausprägungen in \(Y\)) nicht möglich sind. Als Beispiel könnte die Dauer eines Krankenhausaufenthalts dienen, da Aufenthaltstage erst ab einem Tag aufgezeichnet werden. (siehe auch Datensatz azprocedure, 1.1).
Unterschieden werden kann zwischen left truncation (z.B. keine counts kleiner als 5), right truncation (analog, keine counts größer als 5), oder interval truncation (nur counts im Intervall \([2, 10]\)).

Censoring wiederum bedeutet, dass eine Merkmalsausprägung (wie etwa \(Y = 0\) oder auch \(Y = 1029\)) zwar im Modell prinzipiell möglich ist, aber lediglich nicht in einer konkreten Stichprobe beobachtet wurde.