Dữ liệu đếm thường xuất hiện trong nhiều lĩnh vực như y tế công cộng, kinh tế học, dịch tễ học ... Để xử lý loại dữ liệu này, một số mô hình hồi quy đã được phát triển như hồi quy Poisson, hồi quy nhị thức hay nói chung là mô hình hồi quy tuyến tính tổng quát (GLMs) . Khi dữ liệu đếm có thêm số 0, các mô hình không thổi phồng (ZI) được cải tiến cho phù hợp. Tuy nhiên, khi số đếm được kiểm duyệt, các mô hình trên không còn phù hợp. Do đó, Saffari và Adnan (2001) đã đề cập đến mô hình này bằng cách sử dụng một số mô phỏng đơn giản. Tuy nhiên, các tác giả vẫn chưa chứng minh được sự tồn tại, tính nhất quán và tính chuẩn tiệm cận của công cụ ước tính khả năng xảy ra tối đa (MLE). Với ý nghĩ đó, bài báo này phát triển lý thuyết để đưa ra chứng minh chặt chẽ để xử lý các vấn đề trên dựa trên lý thuyết chuẩn tiệm cận., Tóm tắt tiếng anh, Count data often appears in many fields such as public health, economics, epidemiology... In order to handle this kind of data, some regression models have been developed as Poisson regression, Binomial regression or more generally are generalized linear regression models (GLMs). When count data contains extra of zeroes, zero-inflated (ZI) models are improved to suit. However, when counts are censored, the above models are no longer suitable. Therefore, Saffari and Adnan (2001) mentioned to this model using some simple simulations. However, the authors have not proven the existence, consistency, and asymptotic normality of a maximum likelihood estimator (MLE) yet. With that in mind, this paper develops theory to give out rigorous proof to handle the above problems basing upon the asymptotic normality theory.