...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Computational statistics & data analysis >A hyper-Poisson regression model for overdispersed and underdispersed count data
【24h】

A hyper-Poisson regression model for overdispersed and underdispersed count data

机译：用于过度分散和欠分散计数数据的超泊松回归模型

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

The Poisson regression model is the most common framework for modeling count data, but it is constrained by its equidispersion assumption. The hyper-Poisson regression model described in this paper generalizes it and allows for over- and under-dispersion, although, unlike other models with the same property, it introduces the regressors in the equation of the mean. Additionally, regressors may also be introduced in the equation of the dispersion parameter, in such a way that it is possible to fit data that present overdispersion and underdispersion in different levels of the observations. Two applications illustrate that the model can provide more accurate fits than those provided by alternative usual models.
机译：泊松回归模型是用于对计数数据建模的最常用框架，但受其等散假设的约束。尽管与其他具有相同属性的模型不同，它在均值方程中引入了回归变量，但本文中描述的超泊松回归模型对其进行了概括，并允许过度分散和欠分散。另外，还可以将回归变量引入色散参数的等式中，以便可以拟合在不同级别的观测中呈现过度分散和分散不足的数据。有两个应用程序说明，​​与其他常用模型相比，该模型可以提供更精确的拟合。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号