上海工程技术大学数理与统计学院, 上海 201620
出版日期:
2019-09-25发布日期:
2019-12-05Zero-and-One-Inflated Geometric Distribution Regression Model and Its Application
XIAO XiangSchool of Mathematics, Physics and Statistics, Shanghai University of Engineering Science, Shanghai 201620
Online:
2019-09-25Published:
2019-12-05摘要
图/表
参考文献
相关文章
编辑推荐
-->Metrics
本文评论
在制造缺陷、专利申请、道路安全和公共卫生等应用领域, 经常会出现较多的零观测值和一观测值. 采用传统的泊松回归或负二项回归模型往往会过低地估计零观测值和一观测值出现的概率, 数据拟合的效果欠佳. 文章提出了0-1膨胀几何分布回归模型, 巧妙地引入隐变量并进行极大似然估计和贝叶斯估计, 基于数据扩充策略分别采用最大期望(EM)算法和Metropolis-Hastings抽样算法对回归参数向量进行估计. 在不同的样本容量下进行数值模拟, 并对两种估计方法的性能进行评价. 研究表明, 对于博士研究生发表论文数量的数据集, 0-1膨胀几何分布回归模型能够达到更好的拟合效果.
分享此文: