Accident Rate Potential: An Application of Multiple Regression Analysis of a Poisson Process
事故发生率潜势：泊松过程的多元回归分析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：摘要研究事故计数的泊松回归，未明确涉及因果推断、离散选择或宏观预测等所列方向。
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
事故发生率潜势：泊松过程的多元回归分析
- 研究问题
- 如何结合多个预测变量，而不只依赖过去事故次数，推导个人未来事故次数的分布，并检验所设事故发生过程是否符合实际数据？
- 方法与思路
- 作者假定个人事故经历服从泊松过程，其强度是预测变量的线性函数，使用迭代加权最小二乘求解极大似然方程，并展示大样本检验。
- 材料陈述的贡献
- 摘要称提出利用多个预测指标推导未来事故分布的方法，给出参数估计程序和检验示例，并根据实际数据考察模型设定的合理性。
- 阅读关注点
- 应核对线性强度如何保持非负、观察时长如何进入模型，以及泊松过程假设是否允许个体差异；还需查看拟合检验与预测评价的依据。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；数据来源、预测效果及检验结果未说明，不能将模型拟合或关联解释为因果关系，也不能推断刊本变化。
原文摘要
Various accident frequency models have appeared in the literature which predict the distribution of future accidents based on the number of past accidents. This article presents a method for deriving such distributions using several predictive criteria. It is assumed that an individual's accident experience is a Poisson process with the parameter a linear function of criterion variables. An iterative weighted least-squares procedure is used to solve the system of maximum likelihood equations required for estimating this parameter and a large sample test procedure is illustrated. The tenability of the model is viewed in the light of actual data.