On autocorrelation in a Poisson regression model
泊松回归模型中的自相关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：摘要明确分析潜在过程自相关、自协方差和月度及每日计数序列，直接对应时间序列方法。
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
泊松回归模型中的自相关
- 研究问题
- 如何诊断泊松回归均值中的潜在随机过程，并评估其自相关对常规回归估计量、标准误及自协方差估计的影响？
- 方法与思路
- 作者推导潜在自相关存在时广义线性模型估计量的渐近分布，给出标准误影响公式，并构造自协方差估计的偏差调整。
- 材料陈述的贡献
- 摘要称，方法提供可实施的潜在过程诊断及自协方差偏差修正，并以美国月度脊髓灰质炎和悉尼每日哮喘计数展示应用。
- 阅读关注点
- 应核对潜在过程与计数观测的关系、渐近分布的依赖条件、诊断统计量，以及偏差调整在两组时间序列中的实施。
- 阅读边界
- 所据 OpenAlex 索引摘要未注明稿件版本；摘要未给出潜在过程条件、修正公式或应用数值，不能据此判断诊断与修正的可靠性。
原文摘要
This paper develops a practical approach to diagnosing the existence of a latent stochastic process in the mean of a Poisson regression model. The asymptotic distribution of standard generalised linear model estimators is derived for the case where an autocorrelated latent process is present. Simple formulae for the effect of autocovariance on standard errors of the regression coefficients are also provided. Methods for adjusting for the severe bias in previously proposed estimators of autocovariance are derived and their behaviour is investigated. Applications of the methods to time series of monthly polio counts in the USA and daily asthma presentations at a hospital in Sydney are used to illustrate the results and methods.