达拉斯动物收容所停留时间影响因素分析
用两段式模型分别解释当日离所概率与正停留时长。
STATISTICAL MODELLING / 2026ZERO-DAY PROCESS + POSITIVE-DURATION PROCESS
根据停留时间的零值与右偏分布，将运营问题拆成两个 GLM。
INTAKEMONTH0 DAYS?IF > 0TWO-PART MODEL
01 / 问题
哪些因素与动物在收容所中的停留时间相关？
分析关注 animal type、intake type、month、chip status、outcome type 与 time at shelter 的关联；所有结论均为关联，不作因果表述。
02 / 数据准备
先规范类别、检查缺失与清理无效记录，再选择稳定的比较对象。
Bird / Wildlife 样本极少，未进入主要比较。
03 / 为什么使用两段式模型
0 天离开与正停留时长，不应被强行塞进同一种分布。
TIME AT SHELTER→PART A: SAME DAY?→LOGISTIC GLM→PART B: IF > 0 DAYS→GAMMA GLM + LOG LINK
04 / EDA
零值、右偏和长尾，为统计设计提供了直接证据。
01 / TIME AT SHELTER
原始分析图：time_at_shelter 的分布与密度。
05 / Logistic GLM
Owner surrender、Stray 与 August 与更高的当天离开概率相关。
这些 Odds Ratio 相对于参考类别，描述模型中的关联结果，而非确定因果效应。
02 / SAME-DAY DEPARTURE
原始分析图：不同 intake type 的当日离开比例。
06 / Gamma GLM
在停留大于 0 天的子集中，使用 Gamma + log link 比较持续时长。
AIC · BIC · Likelihood Ratio Test
time_at_shelter ~ animal_type + intake_type + month_factor
最低 AIC 的候选模型移除了 chip_status；该模型仅用于分析 time_at_shelter > 0 的正值部分。
07 / 正停留发现
在正停留子集中，intake type 与 month 仍是最稳定的关联信号。
预计停留约少 44–45%
预计停留约少 33%
January · February · October · December
03 / POSITIVE SHELTER TIME
原始分析图：仅保留正停留时间后的分布。
08 / 核心洞察
Intake Type + Month 是整个分析中最稳定的两个关联因素。
动物如何进入收容所、在哪个月进入，比单纯动物类型或 chip status 提供了更稳定的停留时间信息。
09 / 统计设计价值
重点不是“会套 GLM”，而是先根据 response distribution 重新定义问题。
ZERO PROCESS→POSITIVE DURATION PROCESS→SEPARATE MODELS→CLEARER INTERPRETATION
10 / 研究边界
缺少 age、breed、health、behaviour、capacityoutcome_type 发生在停留过程之后不应作为主模型的因果 predictor