Multiple Regression Analysis of a Poisson Process
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：泊松回归属于计数数据方法，摘要未提供离散选择、面板或其他所列细分的直接设定。
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
泊松过程的多元回归分析
- 研究问题
- 基于泊松密度的多元回归如何进行参数估计，并为迭代估计与可直接计算的估计方法提供渐近性质和协方差估计？
- 方法与思路
- 作者讨论极大似然的评分迭代及逐次修订加权最小二乘，另推导可由样本直接计算的最小卡方估计量。
- 材料陈述的贡献
- 摘要称以普通最小二乘初始化时两种迭代的首轮估计均为 BAN，最小卡方估计也为 BAN，并给出一致协方差估计。
- 阅读关注点
- 应核对泊松回归的参数化、BAN 的定义与成立条件、初始化要求，以及直接计算方法和迭代方法的适用范围。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；BAN 的条件和有限样本比较未说明，不能推断算法全面优越或刊本变化。
原文摘要
A multiple regression model based on the Poisson density is discussed. Point estimation by maximum likelihood results in estimating equations which can be solved by iteration based on scoring or on a successively revised weighted least squares estimator. The first round of each iterative process is shown to be BAN, provided that the ordinary least squares estimator is used as the initial condition. A minimum chi-squared estimator, which can be computed directly from sample observations, is derived and shown to be BAN. A consistent estimator of the variance-covariance matrix for each estimation procedure is given.