Testing for Overdispersion in Poisson and Binomial Regression Models
泊松与二项回归模型的过度离散检验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：摘要讨论计数与二项回归的通用诊断，没有离散选择行为或其他所列细分方向的明确内容。
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
泊松与二项回归模型的过度离散检验
- 研究问题
- 如何判断泊松或二项回归模型是否存在额外变异，并在混合备择分布仅指定前两阶矩时构造有针对性的过度离散检验？
- 方法与思路
- 作者从自然指数族出发推导统一检验方法，将额外泊松变异和额外二项变异作为特例，并根据过度离散的生成机制选择检验。
- 材料陈述的贡献
- 摘要称该框架推广了已有过度离散检验，并说明在某一特定情形下，Pearson 统计量可以解释为过度离散的得分检验。
- 阅读关注点
- 应核对混合备择的构造方式、前两阶矩的限制、各检验对应的生成机制，以及 Pearson 统计量具有得分检验解释的具体条件。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；检验有效性条件、功效比较和有限样本表现未说明，不能把设计目标视为普遍功效保证。
原文摘要
In this article a method for obtaining tests for overdispersion with respect to a natural exponential family is derived. The tests are designed to be powerful against arbitrary alternative mixture models where only the first two moments of the mixed distribution are specified. Various tests for extra-Poisson and extra-binomial variation are obtained as special cases; the use of a particular test may be motivated by a consideration of the mechanism through which the overdispersion may arise. The common occurrence of extra-Poisson and extra-binomial variation has been noted by several authors. However, the Poisson and binomial models remain valid in many instances and, because of their simplicity and appeal, it is of real interest to ascertain when they apply. This paper develops a unifying theory for testing for overdispersion and generalizes tests previously derived, including those by Fisher (1950), Collings and Margolin (1985), and Prentice (1986). It also shows the Pearson statistic to be a score test for overdispersion in a certain situation.