期刊文献+
共找到7篇文章
< 1 >
每页显示 20 50 100
Bootstrap在零膨胀泊松回归模型检验中的探索 被引量:3
1
作者 陈珊萍 《科学技术与工程》 2007年第19期4821-4824,共4页
根据零膨胀计数数据的特点,将Bootstrap统计技术运用到零膨胀泊松回归模型的置信区间计算及参数假设检验。通过计算机模拟,得到:第一,当样本量较小时,Bootstrap对参数估计进行假设检验的结果更为保守;第二,Bootstrap的学生氏置信区间优... 根据零膨胀计数数据的特点,将Bootstrap统计技术运用到零膨胀泊松回归模型的置信区间计算及参数假设检验。通过计算机模拟,得到:第一,当样本量较小时,Bootstrap对参数估计进行假设检验的结果更为保守;第二,Bootstrap的学生氏置信区间优于零膨胀泊松回归模型的区间估计。 展开更多
关键词 BOOTSTRAP 零膨胀泊松回归 分布
下载PDF
零-K膨胀泊松回归模型在公共卫生领域研究中的应用 被引量:1
2
作者 尹晓冬 操龙挺 +3 位作者 李娟 刘红慧 段禹 王静 《中国卫生统计》 CSCD 北大核心 2020年第5期682-686,共5页
目的将零-K膨胀泊松回归模型(ZKIP)在公共卫生领域研究中加以实践,为实际工作中研究者所遇到的零-K膨胀数据拟合问题提供方法学支持。方法以美国2016年5~17岁学生因病缺课天数数据为例,拟合ZKIP模型,采用SAS 9.4软件进行参数估计,并与Po... 目的将零-K膨胀泊松回归模型(ZKIP)在公共卫生领域研究中加以实践,为实际工作中研究者所遇到的零-K膨胀数据拟合问题提供方法学支持。方法以美国2016年5~17岁学生因病缺课天数数据为例,拟合ZKIP模型,采用SAS 9.4软件进行参数估计,并与Poisson回归模型、零膨胀泊松回归模型(ZIP)进行比较,依据数据过离散和零膨胀检验结果及模型拟合优度指标等选择最优模型,同时探讨各可能影响因素与学生因病缺课天数间的联系。结果数据过离散和Vuong检验结果表明存在过离散和零膨胀现象(O=773.40>1.96、V=19.7330>1.96);依据因变量取值分布直方图取膨胀值K=2。ZKIP模型取得最优模型拟合度(AIC=40736,BIC=41274),参数回归结果表明高年龄组学生因病缺课行为发生风险更高;白人学生因病缺课行为发生风险性最低;手术史、身体不适症状、长期服药、急诊室次数、过敏、平衡不佳情况等变量对数据零膨胀参数和Poisson分布参数影响均有统计学意义;视力问题、长期服药、地区(西部地区学生较东北部地区学生)3个变量对K=2的膨胀参数η影响显著。结论ZKIP模型不仅在零事件处理能力上和ZIP模型相当,还能提供更多的K膨胀值处信息,是零-K膨胀数据拟合方法学上的突破。 展开更多
关键词 过离散 -K膨胀回归模型 零膨胀泊松回归模型 拟合优度
下载PDF
分组零膨胀泊松模型的半参数统计推断(英文) 被引量:1
3
作者 钟雨珂 薛宏旗 张三国 《中国科学院研究生院学报》 CAS CSCD 北大核心 2009年第2期173-184,共12页
泊松回归模型常常用于计数数据的研究中,然而在实际数据中零值的比例可能远远大于泊松分布中取零值的概率,而且这些零值通常都有其特殊含义.此外计数数据可能是分组数据,即观测到的数据不是确切值而只是已知其落在某一个区间范围之内;... 泊松回归模型常常用于计数数据的研究中,然而在实际数据中零值的比例可能远远大于泊松分布中取零值的概率,而且这些零值通常都有其特殊含义.此外计数数据可能是分组数据,即观测到的数据不是确切值而只是已知其落在某一个区间范围之内;或者某些特定的数据,例如工资,要先对它进行人为的分组然后再进行分析.考虑一种零膨胀泊松半参数回归模型来处理上述分组计数数据.该模型中泊松分布的期望与协变量之间采用部分线性连接函数,而零值的概率与协变量之间采用线性连接函数.利用Sieve极大似然估计方法来估计该回归模型中参数和非参数函数,并提出了一种得分检验方法来检验是否存在零膨胀.在一定正则条件下,获得了Sieve极大似然估计的渐近性质,证明了参数部分的估计是强相合,渐近正态及渐近有效的;同时非参数函数的估计达到了最优收敛速度.模拟研究表明,估计和检验方法效果都比较好,最后将此模型和推断方法应用于一组公共卫生领域实际数据研究. 展开更多
关键词 零膨胀泊松回归模型 部分线性模型 Sieve极大似然估计 强相合 渐近有效
下载PDF
耦合均值-相关性的起重伤害事故致因ZIP模型研究
4
作者 晋良海 邹颂香 +2 位作者 李新哲 邵波 李晨曦 《安全与环境学报》 CAS CSCD 北大核心 2024年第5期1930-1937,共8页
近些年来,起重伤害事故高发频发,导致了较大的直接经济损失和人员伤亡,受到行业的高度关注。为探究起重伤害事故致因的影响程度,采集2011—2021年376份起重伤害事故调查报告,依据事故致因24Model和系统安全分析法识别事故致因,构建起重... 近些年来,起重伤害事故高发频发,导致了较大的直接经济损失和人员伤亡,受到行业的高度关注。为探究起重伤害事故致因的影响程度,采集2011—2021年376份起重伤害事故调查报告,依据事故致因24Model和系统安全分析法识别事故致因,构建起重伤害事故致因的零膨胀泊松回归模型(Zero-Inflated Poisson,ZIP),并通过Vuong方法和拟合优度检验准则进行检验;综合考虑事故致因发生频次的均值、致因和事故发生的相关性,运用弹性分析方法对事故致因的影响程度进行定量排序。结果表明:ZIP回归模型拟合效果优于泊松回归模型,各事故致因对起重伤害事故的影响程度排序为安全监管不到位C_(6)(T_(k)=1.0221)、安全意识淡薄H_(1)(T_(k)=0.5117)、作业人员违规作业H_(3)(T_(k)=0.4758)、作业人员无证上岗H_(2)(T_(k)=0.2116)、专项施工方案不合格C_(7)(T_(k)=0.1234)和结构构件破坏或连接不可靠M_(3)(T_(k)=0.1045)。研究从事故致因发生频次的均值、致因和事故发生的相关性两个维度刻画事故致因对起重伤害事故的影响程度,为起重伤害事故风险分级管控提供了新的研究思路和方法。 展开更多
关键词 安全工程 起重伤害事故 膨胀(ZIP)回归模型 致因分析 弹性系数
下载PDF
基于零膨胀回归模型的城市轨道交通触网故障频次研究 被引量:3
5
作者 陈颖雪 石志峰 刘志钢 《数学的实践与认识》 北大核心 2019年第9期172-179,共8页
城市轨道交通触网故障后果严重,但发生频次较少,数据分析困难.零膨胀计数模型(ZIM)对零值大的数据集具有良好的适用性.针对上海地铁近4年运营过程中积累的触网故障数据进行统计分析,采用ZIM模型中运用最广泛的ZIP模型和ZINB模型进行建模... 城市轨道交通触网故障后果严重,但发生频次较少,数据分析困难.零膨胀计数模型(ZIM)对零值大的数据集具有良好的适用性.针对上海地铁近4年运营过程中积累的触网故障数据进行统计分析,采用ZIM模型中运用最广泛的ZIP模型和ZINB模型进行建模,对比模型的4项评价指标,并进行模型命中率、泛化能力、释义合理性的评价.研究表明,ZINB模型能够对触网故障数据进行更好的拟合.基于模型结果,对城市轨道交通触网系统的安全运营策略及维修保养制度提出建议. 展开更多
关键词 城市轨道交通 触网故障 计数数据 膨胀负二项回归模型 零膨胀泊松回归模型
原文传递
广义泊松回归模型及其推广研究综述
6
作者 王勃惠 《市场周刊·理论版》 2020年第25期146-149,共4页
传统的泊松回归常用于计数模型当中,并假设模型的均值与方差相等,在实际问题中,这一假设常常难以满足,以至于在泊松回归下的拟合变差,得出错误的结论。为了解决泊松回归的这一局限性,提出广义泊松回归模型,打破了均值等于方差的这一假... 传统的泊松回归常用于计数模型当中,并假设模型的均值与方差相等,在实际问题中,这一假设常常难以满足,以至于在泊松回归下的拟合变差,得出错误的结论。为了解决泊松回归的这一局限性,提出广义泊松回归模型,打破了均值等于方差的这一假设条件,并且常用于解决过离散和欠离散计数数据问题。文章以广义泊松回归为基础,介绍了基于此方法的一些推广模型和模型之间的比较分析,以希对于广义泊松回归的发展有一个明确清晰的理解。 展开更多
关键词 回归 广义回归 膨胀广义回归 计数模型
下载PDF
政府补助、内部控制与企业创新能力研究 被引量:1
7
作者 班旭 罗付岩 《商业会计》 2018年第9期16-19,共4页
文章以2007—2014年沪深A股非金融类和非公共事业类上市公司为研究样本,采用零膨胀泊松回归模型实证检验政府补助对企业创新的作用机制。研究发现:政府补助显著促进企业创新能力的提高;内部控制较高的企业创新能力强,内部控制对政府补... 文章以2007—2014年沪深A股非金融类和非公共事业类上市公司为研究样本,采用零膨胀泊松回归模型实证检验政府补助对企业创新的作用机制。研究发现:政府补助显著促进企业创新能力的提高;内部控制较高的企业创新能力强,内部控制对政府补助影响企业创新能力具有正向调节作用,提升了政府补助对企业创新能力的边际效应。进一步研究发现,政府补助占企业总资产的比率需要控制在2.17%以内,超过该临界值,政府补助会对企业创新能力产生挤出效应。文章在一定程度上丰富和发展了企业创新领域的相关文献,为政府相关部门政策制定和企业创新管理提供了参考价值。 展开更多
关键词 政府补助 内部控制 企业创新 零膨胀泊松回归模型
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部