零膨胀负二项模型（ZINB）
mod <- zeroinfl(ReportedNumber~ A+B+C+D+E | F+G+H+I, data = zinb, dist = "negbin", EM = TRUE)
ZINB模型由点模型和零膨胀模型两部分结合而成，ABCDE是点模型内变量， 影响因变量发生次数的多少，FGHI是零膨胀模型内变量，决定因变量是否能够发生（为0还是非0）。
http://www.ats.ucla.edu/stat/r/dae/zinbreg.htm 这个网站里讲的很清楚
看回归方程y=a+bx中的b值的正负，如果b是正数，就是正相关；如果b是负数，就是负相关。b值只能用来判断相关性的正负，但b并不是相关系数，相关系数在线性回归方程中是确定系数R^2的平方根R值，其正负号由b值的正负号决定。R本身是一门统计语言，主要用于统计分析，前面的语法部分算是基础，接下来开始进入统计模型应用。首先从最常用的回归分析说起。有关线性回归分析模型的基本假定需要注意：1）关于随机干扰项的高斯-马尔科夫定理；2）关于自变量的：不存在共线性；3）关于模型的：模型设定正确。
用 glm 函数建立广义线性模型，用参数 family 指定分布类型，logistic模型指定为binomial
用 predict 函数进行预测， predict(model, data, type = 'response'
此外，还可以用 mlogit 包中的 mlogit 函数做多分类变量logistic回归， rms 包中的 lrm 函数做顺序变量logistic回归， glmnet 包中的 glmnet 函数做基于正则化的logistic回归
