Poisson Overdispersion Estimates Based on the Method of Asymmetric Maximum Likelihood
基于非对称最大似然的 Poisson 过度离散估计AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要直接以条件分位数回归及分位数间距研究响应分布的离散和不对称性。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
基于非对称最大似然的 Poisson 过度离散估计
- 研究问题
- 如何描述、估计和检验 Poisson 回归中的过度离散，并识别其随协变量位置及响应正负方向变化的模式？
- 方法与思路
- 作者用非对称最大似然拟合响应变量的条件分位数，以不同回归分位数之间的距离评估离散程度，并分析考古计数数据。
- 材料陈述的贡献
- 摘要称该方法能描述局部及方向不对称的过度离散，计算简便并与通常最大似然估计相联系；数据例子展示了这类差异。
- 阅读关注点
- 应核对离散响应条件分位数的定义、非对称似然的构造，以及分位数间距如何转化为过度离散估计和检验。
- 阅读边界
- 依据版本未注明的 OpenAlex 索引摘要。考古数据的离散程度是个案结果，不能视为一般规律；检验条件未说明。
原文摘要
A common difficulty in regression problems with Poisson (or binomial or other exponential family) response variables is over-dispersion: the scatter around the fitted regression is too large by the standards of Poisson variability. This article concerns the description, estimation, and testing of various patterns of overdispersion, with particular emphasis on the Poisson case. Asymmetric maximum likelihood (AML) is a method of fitting regressions for the conditional percentiles of the response variable as a function of the predictors (e.g., the conditional 90th percentile of y given x). Distances between the various regression percentiles give a direct assessment of overdispersion. The discussion is carried through in terms of an archaeological data set, where we see that the counts are overdispersed by a factor of 1.35 in one part of the covariate space, but not at all in another. Moreover, the overdispersion is about 40% larger in the positive response direction than in the negative. The AML estimates are easy to compute and relate nicely to the usual maximum likelihood estimates for generalized linear regression.